三维激光点云特征点线完整准确提取方法技术

本申请提出一种改进的三维激光点云模型的特征点线提取方法，采用局部二次曲面拟合的曲率极值点备选特征点提取方法，将高斯曲率、平均曲率与法向量相链接，对曲率特征点提取进行了分段式改进，得到了更加快速的备选点特征提取效果；采用一种主分量分析的邻域投影判断方法对备选特征点集进行处理，剔除备选特征点集中的散乱点；采用改进的折线生长法对特征点集进行折线生长，筛选关联关系较大的特征点；通过k次贝兹线方法对生成的折线生长点集进行线拟合。本申请可以完整的提取出点云模型的特征点线，局部特征细节不容易受噪声影响，鲁棒性好，点云特征点线提取清晰准确且效率较高。点云特征点线提取清晰准确且效率较高。点云特征点线提取清晰准确且效率较高。

【技术实现步骤摘要】
三维激光点云特征点线完整准确提取方法


[0001]本申请涉及一种三维点云特征点线提取方法，特别涉及一种三维激光点云特征点线完整准确提取方法，属于点云特征点线提取


技术介绍

[0002]随着三维激光点云技术的发展和计算机处理能力的提高，点云数据扫描精度和质量也得到逐步提升，三维激光扫描仪器无论是在价格上还是在便携性上都有了较大突破，逐步推进了三维激光点云数据在各行各业的广泛应用，无论是在设备医疗、工业应用、航空测量、建筑模型构筑方面，还是在损毁文物复原、数字多媒体等方面，三维激光点云都起到了非常重要的作用，同时各行各业也对点云数据的几何处理方法提出了更高的要求。三维点云的特征提取技术是点云数据应用的关键技术之一，在点云的各种几何处理如点云分片、点云简化、点云配准、点云拼接、点云重建等多个方面起着较为重要的作用。
[0003]三维激光点云技术尤其在工业制造领域功绩卓著，除开能够对各种铸件进行精确的质量检测以外，通过对精度要求极高的精细铸件进行三维扫描和几何化处理，在保留特征的前提下进行网格简化，可以实现非接触测量、真实视觉渲染、立体模型3D重构、逆向工程等，愈来愈收到来自各行各界的重视。
[0004]将三维激光点云数据特征定义为可以体现出模型表面几何特征以及表面凹凸结构的特征点、特征线和特征面，特征通过对物体表面几何结构的掌握对点云配准、简化、分块以及三维重建等众多过程进行约束和指导，尤其对模型的精确重构起着极其重要的作用。随着三维激光扫描技术和建模技术的提高，三维激光点云模型的几何特征提取已成为计算机模式识别、计算机图形学、逆向工程及数字图像处理等应用领域的关键技术之一，因此，点云的特征提取越来越受到重视。
[0005]点云的特征点定义为三维激光点云里可以将模型的各种几何形态和表面的凹凸特征表现出来的点集，例如不同两个边的交界线上的点，要么就是模型的拐点，还比如各个曲面与曲面、曲面与曲线、曲线与曲线直接的交点，都可以称作特征点，可以根据这些点的排布规则建立起点云三维重建的重要参数和约束标准。
[0006]现有技术缺少可靠的三维点云特征点线提取方法，本申请的难点和待解决的问题主要集中在以下方面：
[0007]第一，现有技术通过计算曲率或是法向量的散乱点云的特征点提取方法较大的缺陷在于需要计算散乱点云中每个点的曲率值或法向量，从而必须进行多次点云的局部二次曲面拟合，进一步计算出所有点的平均曲率，根据平均曲率的变化定位到曲率极值点，整个过程比较繁琐，而且计算量大，耗费时间多，效率低，三维点云的特征提取方法都具有较高的空间复杂度，导致其在许多生产生活领域的应用较少；
[0008]第二，现有技术通过基于曲率的特征提取方法，得到散乱无序的备选特征点集，需要将这些点集进行特征点聚合为特征曲线,由于特征点集不能很好的表现出三维激光点云模型的几何特征和形状特征，所以需要将特征点集按照一定的拓扑关系聚类成特征线，用
以表示模型的模型轮廓线、凹边、凸边、边界线的几何特征，现有技术的折线生长法是随机的从备选特征点集中选取某个点作为初始生长点，然后将当前生长点及所有邻域点都投影到由协方差矩阵确定的主轴向量上，取投影最远的两个远端点作为新的生长点，这样的折线生长法，确定的生长点有可能偏离原特征点集的正确的生长方向，且特征线可能不够光顺，方法实现效率低下；
[0009]第三，现有技术提出一种多尺度点云特征点提取方法，通过调整该点的邻域半径作为离散尺度参数，根据邻域半径的大小不断的判断针对不同半径的某一点成为特征点的概率，这种方法能够较好识别出含有噪声的散乱点云的特征点，但较高的计算量导致其可用性较低。现有技术提出一种空间三角网格曲面的边界提取方法，通过判断一个点的邻接点是否都能通过三角网格的边组成闭合曲线来获取边界点，并在判断边界点的同时完成对边界点的排序，获得边界曲线，该方法的优点是提取较为准确，缺点是计算量较大，较为耗费时间，不适应于散乱的不规则的点云，应用性不够广泛。现有技术还提出一种网格划分特征检索方法来进行应用于工业反求，但是特征筛选度较低，应用性不强，方法较为复杂；
[0010]第四，现有技术对特征点提取的曲率极值方法，需要对点云的每个点进行局部二次曲面拟合求取曲率值，才可以检索到曲率极值点，计算效率很低，很难得到清晰正确的特征线提取结果，容易出现毛刺和特征线的断裂缺口，在局部不够流畅光滑；现有技术折线生长的点特征聚类方法，关联系数较小的点作为生长点，可能出现的折线重复生长，局部特征细节随着噪声扰乱的加剧，提取的特征线的光滑度愈来愈低，特征线褶皱逐渐增多，局部特征线提取不够精确，稍微有棱角和粗糙有丢失重要的特征线，不能保持特征线的完整性，抗噪声的鲁棒性差，三维点云特征点线提取不够完整准确且效率较低。
[0011]三维激光点云技术发展逐渐深入，三维点云的特征提取等问题也显示出愈来愈深刻的重要性和广泛的应用前景。特征点线提取技术是三维激光点云特征提取技术的重要组成部分，从散乱点云中快速准确的生成特征线，对与实现几何模型外观和结构的精确重建和表达具有重要作用，可以应用于曲面重建、点云分割、对称性检测、点云配准与点云的注册等众多方面。本申请从三维激光点云的数据组成特征出发，围绕三维激光点云的点特征和线特征提取技术进行改良和创新，对相应的提取方法进行改进，最终实现能够准确提取出不同的三维激光点云的清晰明确的特征曲线。

技术实现思路

[0012]本申请对三维激光点云特征线提取方法进行分步的改进和优化，第一是对特征点提取的曲率极值方法进行改进，首先检索点云高斯曲率极值点作为初始检索点集，以高斯曲率极值点为初始检索点，沿着最大主曲率和最小主曲率的方向检索出点云的曲率极值大值点和极小值点，该特征点提取方法链接了高斯曲率、平均曲率和法向量对点云进行非遍历型特征点检测，不需要对点云的每个点进行局部二次曲面拟合求取曲率值，就可以检索到曲率极值点，大幅提高了计算效率；第二是对折线生长的点特征聚类方法进行改进，通过主成分分析的方法，链接自关联关系和邻域最远距离两个参数对折线生长点进行有效的判断，避免了关联系数较小的点作为生长点，其次采用角度临界值，进一步进行生长点的筛选，避免了可能出现的折线重复生长。本申请改进的方法能完整准确的提取出点云模型的特征点和特征线，局部特征细节不容易受到噪声的影响，具有巨大的实际意义和广泛的应
用前景。
[0013]为实现以上技术特征，本申请所采用的技术方案如下：
[0014]三维激光点云特征点线完整准确提取方法，采用一种局部二次曲面曲率拟合链接法向量的特征提取方法，基于点云模型曲率的变化提取特征点并逐步聚类为特征线，首先采用拟合局部曲面方程，根据二次曲面拟合结果估算点云曲率和法向量，利用改进的平均曲率极值链接法向量的判断方法初步提取备选特征点，通过光顺投影法筛选备选特征点，通过改进的折线生长特征线生成方法提取点云的特征线，准确的估算曲率，以较少的时间提取出清晰明确的特征线；
[0015]在三维激光点云的特征点提取方面，基于特征点的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.三维激光点云特征点线完整准确提取方法，其特征在于，采用一种局部二次曲面曲率拟合链接法向量的特征提取方法，基于点云模型曲率的变化提取特征点并逐步聚类为特征线，首先采用拟合局部曲面方程，根据二次曲面拟合结果估算点云曲率和法向量，利用改进的平均曲率极值链接法向量的判断方法初步提取备选特征点，通过光顺投影法筛选备选特征点，通过改进的折线生长特征线生成方法提取点云的特征线，准确的估算曲率，以较少的时间提取出清晰明确的特征线；在三维激光点云的特征点提取方面，基于特征点的几何特性，采用高斯曲率和平均曲率的基本特质，对曲率极值法进行改进，首先将三维激光点云中的所有数据点分块栅格化，在已分块处理后的点云区域里根据某一个点的k邻域局部曲面拟合并检索求取高斯曲率极值点，把这个点暂时作为备选曲率极值备选点，然后随着主曲率的方向，定位次高斯曲率极值点邻域其余主方向上的极值点，提取最终的点云特征点；曲率拟合链接法向量的特征点提取过程包括搜索初始特征点和检索备选特征点；在三维激光点云的特征线提取方面，从几个方面改进折线生长方法，将特征点k邻域的自关联系数、邻域最长距离和折线生长点判断角度临界值相链接作为折线生长点的判断参数，通过k次贝兹曲线方法对生成的折线生长点集进行曲线拟合，提取点云的特征线。2.根据权利要求1所述的三维激光点云特征点线完整准确提取方法，其特征在于，曲率拟合链接法向量的特征点提取法：采用高斯曲率K的正负表示局部曲面上某点的性质，当K＞0，则该点为椭圆点，当K＝0，则该点为抛物点，当K＜0，该点为双曲面点，高斯曲率K和平均曲率L反映曲面表面的凹凸情形，高斯曲率和平均曲率的取值，将曲面分为8种情形，k1和k2分别为最大主曲率和最小主曲率，当高斯曲率K不为0时，可求取局部的高斯曲率极值点，并把这个高斯极值点作为下一步曲率极值点，即特征点的检索点，当某一点是高斯曲率极值点时，根据平均曲率的取值，沿着该点的主曲率方向检索到相应的曲率极大值或是极小值，从而获得三维点云的特征点；在高斯曲率K＝0的情形，其中L＝0局部曲面类型为平面，不存在任何曲率极值点，L＞0和L＜0两种点的局部曲面类型不存在高斯曲率极值点，可求得法向量的特征点代替高斯曲率极值点作为检索点。3.根据权利要求1所述的三维激光点云特征点线完整准确提取方法，其特征在于，对于备选特征点的提取，本申请提出一种新的曲率检索方法，首先将三维激光点云中的所有数据点分块栅格化，在分块的点云区域里求取高斯曲率极值点，直至检索所有的栅格，另外增加高斯曲率K和主方向作为额外的特征点的新的判断参数，将三维激光点云模型表面的三个重要几何特征高斯曲率K、平均曲率L和法向量相链接，求取点云的备选特征点,方法核心是：首先通过k邻域检索，找出高斯曲率极值点，作为备选曲率极值备选点，若不存在高斯曲率极值点，则求取这个区域的法向量角度变化较大的点作为备选曲率极值备选点，然后沿着主曲率的方向，按照判断方法，定位次高斯曲率极值点邻域其余主方向上的极值点，沿着主方向进行特征点检索，不用求出点云中所有点的曲率和法向量。4.根据权利要求1所述的三维激光点云特征点线完整准确提取方法，其特征在于，搜索初始特征点：第一步：首先在点云中随机选取一点E，对E点进行k邻域检索，得到E点外的k个邻近点,将E点在内加上所有检索到的点通过最小二乘局部二次曲面拟合，得到E的k邻域的拟合曲面T0(v,u)，以E定位第一个检索点检索T0(v,u)上的高斯曲率的极大值点或极小值点，当在
T0(v,u)上检索到极值点A1，重新检索A1的k邻域，重新局部二次曲面拟合并查寻高斯曲率的极值点A2，然后以A2为起始点再次检索，逐步迭代；第二步：重复进行第一步，每次都已前一个极值点为中心重新检索k邻域并重新查找新的极值点，这个极值指的是极大值和极小值，需要分两步依次检索，其中如果发生没有高斯曲率的极大值或极小值，改用法向量进行检索，法向量的备选特征点检索是将法向量夹角大于临界值的点作为检索点来代替高斯曲率极值点，直至将整个点云数据全部检索一遍，检索出A1、A2、
…
、A
k
、
…
所有的以高斯曲率为判断标准的极值点；第三步：将前面第一步和第二步所检索出的曲率极值点组成一个备选特征点集合，以这个备选特征点集合为初始点再次进行基于平均曲率的曲率极值检索。5.根据权利要求1所述的三维激光点云特征点线完整准确提取方法，其特征在于，检索备选特征点：三维激光点云数据点在所拟合的局部曲面上，都有两个主曲率方向，曲率最大方向L1和曲率最小方向L2，假设点E是点云上的高斯曲率极值点，即A1、A2、
…
、A
k
、
…
中的一个点，高斯曲率是曲面的两个主曲率的乘积，假设某点在曲面上的两个主曲率分别为K1、K2，即K＝K1
×
K2为某点在曲面上的高斯曲率,根据L＝(K1+K2)/2计算出L(B)，根据L(B)的数值判断特征点；(1)步骤一：如果平均曲率L(B)＞0，无论该点E是高斯曲率极大值还是极小值，则在最大主曲率方向一定存在着一个点使得曲率值极大，首先检查此次检测点的点云片里的点，将偏移量较大的点去除，留下的点继续进行下一轮处理；具体方法为：求出点E的最大主曲率方向，将点E分别与分块区域内的所有点连接，计算这些连接线与点E的最小主曲率方向的夹角b，并与给定的夹角临界值b0进行比较，当b＜b0，则保存，反之则排除；然后将保存的点按照夹角b的大小的进行升序排列，作为求取极值点的备选点集，从点集中取出第一个点B1，即与最小主曲率方向夹角最小的点，在最大曲率方向前后找到两个点B
f
和B
t
和，这两个点必须是与B1相邻接的，判断如果在最大主曲率方向，B1的曲率大于等于B
f
的曲率并且小于等于B
t
的曲率，K2(B1)≥K2(B
f
)并且K2(B1)≤K2(B
t
)，把点B1确定为曲率极值点，否则就排除极值点的可能，一直按照该方法，按照从小到大的顺序，处理刚排序好的所有的备选点，最终获取三维点云的小分块栅格里的所有的沿着最大主曲率方向的极大值点，将这些点按照顺序存储进链表，从这个链表里取出最后一个点B
max
，重新做一个新的向量沿着点B
max
最小主曲率方向，这个向量指向下一个继续检索的点云数据分块栅格，以B
max
为初始点，以B
max
的最小主曲率方向为标准方向，检索这个新的栅...

【专利技术属性】
技术研发人员：王彬，
申请(专利权)人：王彬，
类型：发明
国别省市：