【技术实现步骤摘要】
散乱点云孔洞边界的判别方法
[0001]本专利技术涉及计算机图形学与计算机视觉结合领域，特别涉及一种散乱点云孔洞边界的判别方法。
技术介绍
[0002]三维重建技术广泛的应用于工业自动化检测、文物保护、生物医学和虚拟现实等
，也是逆向工程建模应用的基础工作，如何精确获取三维点云模型是计算机视觉的一个重要研究领域。目前随着三维重建技术的发展，设备的测量精度和速度不断提高，然而由于模型自身缺陷、物理遮挡、表面反光等因素，导致点云数据时常有缺失，影响三维重建模型的完整性，给视觉效果、形貌测量及形态识别的准确度带来较大的影响，而且对三维点云模型的后处理及研究应用造成了不可逾越的障碍。因此，对三维点云的孔洞进行准确的提取及修补成为基于点云的三维物体识别、曲面重构等研究和应用的基础工作，具有重要的研究和应用价值。
[0003]目前，针对三维点云孔洞提取与修复的研究主要有基于网格和基于点云这两类方式，基于网格的孔洞边界点提取算法相对比较成熟，但是网格模型是由点云模型进行网格化后得到的，然而网格化算法的优劣对结果的影响较大，高...
【技术保护点】
【技术特征摘要】
1.一种散乱点云孔洞边界的判别方法，其特征在于，包括以下步骤：S1、对点云进行切割分层和划分立方格，再对所述点云进行精简；S2、搜索与所述精简后的点云所在的立方格空间相邻的26个立方格中是否存在邻接点，将所述邻接点的数目小于8的点初步判别为边界点，将所述边界点和所述邻接点的数目存储到边界点集BP_Group中；S3、根据所述边界点之间的距离对所述边界点集BP_Group中的点进行聚类划分，得到初步的孔洞和边界点；S4、将所述孔洞所包含边界点的数目和相邻边界点的平均距离作为阈值，根据所述阈值对所述步骤S3得到的孔洞和边界点进行筛选，剔除错误的边界点后，得到具有实际意义的孔洞和边界点。2.根据权利要求1所述的散乱点云孔洞边界的判别方法，其特征在于，所述步骤S1包括如下子步骤：S1.1、获取三维点云模型在X、Y、Z坐标轴上的跨度X
sp
，Y
sp
，Z
sp
：XYZ坐标系与所述点云的坐标系完全相同；其中，x
max
、x
min
、y
max
、y
min
、z
max
、z
min
分别为所述点云在所述X、Y、Z坐标轴上的最大值和最小值，取所述X、Y、Z坐标轴中的跨度最大值作为所述点云的高度Δh，将所述跨度最大值所在的坐标轴作为H轴，所述点云在所述H轴方向上的最大值与最小值分别为h
max
和h
min
；S1.2、将预设分辨率d作为切割平面的间隔，计算切割的层数NumofCut：NumofCut＝(Cal2Center(h
max
)
‑
Cal2Center(h
min
))/d+1
ꢀꢀꢀꢀꢀꢀ
(1.2)其中，NumofCut为切割层数，Cal2Center函数用于计算该函数内自变量坐标值所属的立方格中心坐标值；S1.3、建立与所述切割层数NumofCut相等数量的点集group_i，其中：i＝1，2，
…
NumofCut；S1.4、计算所属的立方格中心坐标和层数，将所述中心坐标存储到相应的点集group_i中：其中，x
ic
，y
ic
，z
ic
表示点(x
i
，y
i
，z
i
)所属立方格的中心坐标，id＝(Cal2Center(x)
‑
Cal2Center(h
min
))/d+1
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(1.4)其中，id为所属切割层的编号，id从1到NumofCut，group_1为最底层的点集，group_NumofCut为最顶层的点集。3.根据权利要求2所述的散乱点云孔洞边界的判别方法，其特征在于，在将中心坐标存储到相应的点集group_i中时，需要进行唯一性检验，当相同的中心坐标已经存在时，无需
重复存储。4.根据权利要求2所述的散乱点云孔洞边界的判别方法，其特征在于，所述步骤S2包括如下子步骤：S2.1、逐个读取点集group_i中的待判别点p
ij
(x
ij
，y
ij
，z
ij
)，计算每个参考点到所述待判别点p
ij
的投影距离；其中，d
x
，d
y
，d
z
为其余参考点到所述待判别点p
ij
的投影距离，i为当前点集的id号，j＝1，2，
…
j
Ni
，j
Ni
为对应点集group_i中的点数；m的取值为：i、i+1或i
‑
1；n＝1，2，...
【专利技术属性】
技术研发人员：沙欧，吕源治，张洪宇，
申请(专利权)人：中国科学院长春光学精密机械与物理研究所，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。