一种基于局部质心的几何特征检测线的提取方法技术

本发明专利技术公开了一种基于局部质心的几何特征检测线的提取方法，包括几何特征点的提取、点云模型特征线的构造和点云模型特征线的结构化三个部分。本发明专利技术利用加权局部质心的一次计算可以将凸特征线、凹特征线以及边界线计算出几何特征检测线，在此基础上开发基于点云特征线结构的识别系统，预计可以实现判断目标模型在场景级点云中是否存在，以此为模型的软件系统具有时空复杂度、精度和鲁棒性高、移植性和扩展性强等特点。和扩展性强等特点。和扩展性强等特点。

【技术实现步骤摘要】
一种基于局部质心的几何特征检测线的提取方法


[0001]本专利技术涉及三维数据处理
，具体为一种基于局部质心的几何特征检测线的提取方法。

技术介绍

[0002]随着经济社会的不断发展以及科学技术的不断进步，新的数据获取手段增加以及三维模拟、实物重构等理论迅速发展，人们对空间数据的需求与日俱增。通过三维扫描技术，使我们能够准确、有效地管理三维空间的位置、颜色等属性，从而获取物体表面的几何和纹理等生成点云。从而构建出实体目标的线、面、体、三维模型等数据，可存储在计算机中。而且三维点云数据与二维图像相比，体现出多方面的优势。要想使计算机能从复杂的场景中准确地检测到目标物体，利用二维图像存在诸多不足。比如，二维图像获取会受到场景的光照、姿态等因素的影响，而光照强弱和纹理形式不会影响点云数据的获取。且三维点云数据与二维图像相比，能更具体的反映被测目标在空间上的特征以及其表面特征。
[0003]三维点云场景中的物体识别与特征提取主要受到两个因素的影响，首先，真实场景具有很强的复杂性，场景中的物体种类繁多，物体不规则，且物体与物体之间存在着连接、遮挡等问题；其次，点云数据精度容易受到设备以及场景分布特点的影响，导致数据存在缺失、密度不均匀、噪声点干扰和数据量大的问题。目前，在针对场景点云的识别与提取研究中，直接对场景中物体进行传统几何方法，在遮挡严重的场景中适用性较差，难以获得预期的结果；在针对单个物体的点云的识别时，根据点云获取设备自身特性、距离物体的远近以及物体自身的大小等因素都会影响所获取点云数据的规模，从而造成识别错误等问题。
[0004]所以我们提出了一种基于局部质心的几何特征检测线的提取方法，以便于解决上述中提出的问题。

技术实现思路

[0005]本专利技术的目的在于提供一种基于局部质心的几何特征检测线的提取方法，以解决上述
技术介绍
提出的在针对场景点云的识别与提取研究中，直接对场景中物体进行传统几何方法，在遮挡严重的场景中适用性较差，难以获得预期的结果；在针对单个物体的点云的识别时，根据点云获取设备自身特性、距离物体的远近以及物体自身的大小等因素都会影响所获取点云数据的规模，从而造成识别错误的问题。
[0006]为实现上述目的，本专利技术提供如下技术方案：一种基于局部质心的几何特征检测线的提取方法，包括以下步骤：
[0007]S1、几何特征点的提取：将所得三维模型进行法线一致化处理，对所述三维模型的每个点进行邻域质心计算，利用质心与其点的距离向量与法向量的夹角来对特征点种类进行划分，通过异化处理来精简所述特征点的数量；
[0008]S2、点云模型特征线的构造：通过所述步骤S1中获取的特征点来对其进行线性拟
合；
[0009]S3、点云模型特征线的结构化：通过所述步骤S2中获取的三维模型的相关线性参数，统计每一条线的信息，并且计算线与线之间的相关信息加入到所统计的信息中，通过统计信息对三维模型进行结构化构造。
[0010]优选的，在步骤S1中，所述几何特征点的提取，包括以下步骤：
[0011]S10、对点云进行法线一致化处理后，对每个点内计算其k近邻的质心；
[0012]S11、利用目标点p与其邻域质心μp的特征距离d，以及所述目标点p的法线np与其距离向量之间的夹角θ，来判断所述目标点p是否为特征点以及目标点的种类；
[0013]S12、在获得了所需的特征点后，对所得的所述特征点进行精简，只留下最能代表所述三维模型特征的点。
[0014]优选的，在步骤S2中，所述点云模型特征线的构造，包括以下步骤：
[0015]S20、将所述特征点拟合为直线；
[0016]S21、计算每条直线与其所有对应的特征点之间的方差；
[0017]S22、对所述方差进行排序，获得阈值，大于所述阈值的直线根据其特征点拟合为曲线。
[0018]优选的，在步骤S20中，所述将所述特征点拟合为直线式，直线拟合采取最小二乘法，并采用空间直线标准方程来表达。
[0019]优选的，在步骤S22中，所述获得阈值，包括以下步骤：计算完所有的距离和后，对其进行排序，选择最终位于中间的30％的数据，再乘以相应的倍数作为判断曲线的阈值。
[0020]优选的，在步骤S22中，判定为所述曲线的特征点，使用贝塞尔曲线进行拟合。
[0021]优选的，在步骤S3中，所述点云模型特征线的结构化，包括以下步骤：
[0022]S30、对每一条线统计其信息；
[0023]S31、基于步骤S30中的统计值，构建关于面的信息；
[0024]S32、统计每个面线与线的关系，以及线与线的相对位置；
[0025]S33、通过所统计的信息来构造相应的形状特征，所述形状特征即为点云模型的结构化。
[0026]优选的，在步骤S30中，所述对每一条线统计其信息的步骤包括：对于直线，统计其中点以及其方向向量；对于曲线，统计其控制点以及其出入点的方向。
[0027]与现有技术相比，本专利技术的有益效果是：
[0028]本专利技术提出一种基于局部质心的几何特征检测线的提取方法，该特征检测线利用加权局部质心的一次计算可以将凸特征线、凹特征线以及边界线计算出来，在此基础上开发基于点云特征线结构的识别系统，预计可以实现判断目标模型在场景级点云中是否存在，以此为模型的软件系统具有时空复杂度、精度和鲁棒性高、移植性和扩展性强等特点。
附图说明
[0029]图1为本专利技术一种基于局部质心的几何特征检测线的提取方法的技术路线图。
具体实施方式
[0030]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完
整地描述，显然，所描述的实施条例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0031]形状特征是对形状的简洁表达，它抓住了形状的一些本质。特征不能完全代表形状，而且不可能从特征中重建形状。然而，如果特征成功地表达了形状的一些特性，它可以在各种应用中作为一个简洁的形状代表。形状特征的一个典型应用领域是三维形状相似与匹配。在这些应用中，从三维几何对象中提取特征并用于确定形状相似度，而不是比较完整的3D对象模型。该技术在很大程度上加速了匹配过程。更重要的是，相似性的语义是由用于比较的特征所定义的。因此，形状特征本身的性质对于快速有效地测量形状之间的相似度具有重要意义。
[0032]请参阅图1，本专利技术提供一种技术方案：一种基于局部质心的几何特征检测线的提取方法，将技术路线划分为几何特征点的提取、点云模型特征线的构造、点云模型特征线的结构化三个部分。
[0033]一、几何特征点的提取
[0034]原始点云数据的数量一般都比较大，有的物体点云数量可达到几万甚至几十万个点，而场景点云数量可达到几十万乃至上百万个点，如果直接用这些数据来计算，效率将会大大降本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于局部质心的几何特征检测线的提取方法，其特征在于，包括以下步骤：S1、几何特征点的提取：将所得三维模型进行法线一致化处理，对所述三维模型的每个点进行邻域质心计算，利用质心与其点的距离向量与法向量的夹角来对特征点种类进行划分，通过异化处理来精简所述特征点的数量；S2、点云模型特征线的构造：通过所述步骤S1中获取的特征点来对其进行线性拟合；S3、点云模型特征线的结构化：通过所述步骤S2中获取的三维模型的相关线性参数，统计每一条线的信息，并且计算线与线之间的相关信息加入到所统计的信息中，通过统计信息对三维模型进行结构化构造。2.根据权利要求1所述的基于局部质心的几何特征检测线的提取方法，其特征在于，在步骤S1中，所述几何特征点的提取，包括以下步骤：S10、对点云进行法线一致化处理后，对每个点内计算其k近邻的质心；S11、利用目标点p与其邻域质心μp的特征距离d，以及所述目标点p的法线np与其距离向量之间的夹角θ，来判断所述目标点p是否为特征点以及目标点的种类；S12、在获得了所需的特征点后，对所得的所述特征点进行精简，只留下最能代表所述三维模型特征的点。3.根据权利要求1所述的基于局部质心的几何特征检测线的提取方法，其特征在于，在步骤S2中，所述点云模型特征线的构造，包括以下步骤：S20、将所述特征点拟合为直线；S21、计算每条直线与其所有对应的特征点之间的方差；...

【专利技术属性】
技术研发人员：吴雪峰，
申请(专利权)人：西北农林科技大学，
类型：发明
国别省市：