一种汽车轮廓曲面模型构建方法及系统技术方案

本申请提供一种汽车轮廓曲面模型构建方法及系统，所述构建方法包括以下步骤：对多个三维激光雷达扫描汽车获取的点云数据集合进行预处理，得到预处理后的汽车轮廓点云集合；基于改进的法向矢量算法对预处理后的汽车轮廓点云集合进行点云分割处理，得到多个汽车轮廓局部点云集合；对每个汽车轮廓局部点云集合进行曲面拟合得到对应的汽车轮廓局部曲面，将多个汽车轮廓局部曲面拼接得到汽车轮廓曲面模型。使用本申请提供的汽车轮廓曲面模型构建方法及系统，能够基于三维激光雷达获取的汽车点云数据，高效、精确地进行汽车轮廓曲面模型的构建。的构建。的构建。

【技术实现步骤摘要】
一种汽车轮廓曲面模型构建方法及系统


[0001]本申请处于图形图像处理
，具体地，涉及一种利用三维激光扫描的点云数据重构汽车轮廓曲面模型的方法和系统。

技术介绍

[0002]随着汽车行业及其相关技术的不断发展，人们对于交通状况调查工作的需求不断扩大。传统的车辆检测方式不仅效率低下，并且检测内容过于单一，仅能识别车辆的长宽高等信息，很难有效识别不同车辆，不能满足人们日益增加的需求。三维激光扫描技术能够对复杂场景进行非接触式扫描直接得到目标的三维信息，除此之外，激光测量还具有精度高，穿透能力强，受天气影响小等优点。以三维激光雷达为数据获取设备的车辆外形构造方法，将传统的以照片形式存储在数据库的方式改变为立体的三维模型，可以有效的提高车辆识别在恶劣环境下的准确率，在交通运输领域发挥巨大作用。
[0003]基于激光点云的车辆外形构建方法核心是对车辆各个点云面的分割处理，通过分割后的点云完成三角网格曲面分片拟合处理，进而完成整个模型的构建。具体实现过程中，由于扫描获取的汽车轮廓点云的原始数据受检测环境、周边及车辆内部人员、物体的影响，存在较多噪声，往往导致分割拟合效果不尽如人意，因此需要对现有的车辆轮廓曲面模型构建方法进行改进。

技术实现思路

[0004]本申请的目的在于解决上述现有技术中对汽车轮廓进行曲面重构过程中存在的问题，提供一种基于激光点云数据的高效、精确的汽车轮廓曲面模型构建方法及构建系统。
[0005]本申请的一方面提供一种汽车轮廓曲面模型构建方法，包括以下步骤：
[0006]S1：对多个三维激光雷达扫描汽车获取的点云数据集合进行预处理，得到预处理后的汽车轮廓点云集合；
[0007]S2：基于改进的法向矢量算法对预处理后的汽车轮廓点云集合进行点云分割处理，得到多个汽车轮廓局部点云集合；
[0008]S3：对每个汽车轮廓局部点云集合进行曲面拟合得到对应的汽车轮廓局部曲面，将多个汽车轮廓局部曲面拼接得到汽车轮廓曲面模型。
[0009]进一步地，所述步骤S1具体包括以下步骤：
[0010]S11：对每个三维激光雷达扫描汽车获取的点云数据集合进行点云滤波；
[0011]S12：对每个滤波后的点云数据集合进行数据降采样处理；
[0012]S13：对多个数据降采样处理后的点云数据集合进行点云融合处理，得到汽车轮廓点云集合。
[0013]优选地，所述数据降采样处理采用曲率精简算法，点云数据集合在不同区域的单位体积内的数据点的数量随曲率值的增大而增加。
[0014]进一步地，所述步骤S2具体包括以下步骤：
[0015]S21：对于汽车轮廓点云集合S＝{p1，p2，...，p
n
}，其中n为S中数据点的个数，随机选取一数据点p
i
以及与该点距离最近K邻域的点集{p
i
，p
i+1
，...，p
i+K
}并拟合得到点p
i
的K近邻平面，将所述点p
i
的K近邻平面的法向矢量确定为点p
i
的法向矢量；
[0016]S22：重复步骤S21直到确定S中所有数据点的法向矢量；
[0017]S23：将汽车轮廓点云集合S分割为多个子集：S＝{U1，U2，...U
j
，...，U
N
}，N为子集的个数，其中每个子集包含的多个数据点具有相同或相似的法向矢量；
[0018]S24：对任意一个子集U
j
，从其包含的多个数据点中随机抽取m个数据点进行平面拟合得到第一拟合平面L，L满足如下平面方程：
[0019]aX+bY+cZ＝d，
[0020]其中，(a、b、c)为L的单位法向矢量且a2+b2+c2＝1，d为坐标原点到L的距离。
[0021]S25：统计U
j
中与L的距离小于预设的第一距离的数据点个数k，判断k是否大于第一阈值δ，如果判断结果为假，则重新执行步骤S24，如果判断结果为真，则将此时的L作为当前平面，并执行步骤S26；
[0022]S26：从距离当前平面最近的k个点中随机抽取m个数据点进行平面拟合得到第二拟合平面L
′
，L
′
满足如下平面方程：
[0023]a
′
X+b
′
Y+c
′
Z＝d
′
，
[0024]其中，(a
′
、b
′
、c
′
)为L
′
的单位法向矢量且a
′2+b
′2+c
′2＝1，d
′
为坐标原点到L
′
的距离；
[0025]S27：判断L
′
与当前平面的夹角是否小于预设的第二阈值ε，如果判断结果为假，则将L
′
作为新的当前平面并重新执行步骤S26，如果判断结果为真，执行步骤S28；
[0026]S28：将U
j
中与当前平面的距离大于预设的第二距离的数据点滤除，得到汽车轮廓局部点云集合U
′
j
；
[0027]S29：对每一个子集U
j
重复执行步骤S24至步骤S28，直到遍历汽车轮廓点云集合S的全部子集{U1，U2，...U
j
，...，U
N
}，最终得到多个汽车轮廓局部点云集合{U
′1，U
′2，...U
′
j
，...，U
′
N
}。
[0028]优选地，所述步骤S23和步骤S24之间还包括以下步骤：
[0029]将U
j
中的所有数据点向预设的投影平面进行投影，如果投影后的数据点出现多个聚集区，则基于所述多个聚集区对U
j
进行进一步分割。
[0030]优选地，所述投影平面平行于U
j
的整体法向矢量，所述U
j
的整体法向矢量基于U
j
中各个数据点的法向矢量的指向确定。
[0031]进一步地，所述步骤S3进一步包括以下步骤：
[0032]S31：将汽车轮廓局部点云集合U
′
j
中包含的数据点投影到对应的当前平面上；
[0033]S32：对投影后的数据点进行三角剖分，构造三角网格平面；
[0034]S33：将三角网格平面映射回三维空间，得到三维空间分布的三角网格；
[0035]S34：基于三维空间分布的三角网格进行空间曲面拟合，得到与U
′
j
对应的汽车轮廓局部曲面；
[0036]S35：对每一个U
′
j
，j∈1...N，重复执行步骤S31至步骤S34，得到各自对应的汽本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种汽车轮廓曲面模型构建方法，其特征在于，包括以下步骤：S1：对多个三维激光雷达扫描汽车获取的点云数据集合进行预处理，得到预处理后的汽车轮廓点云集合；S2：基于改进的法向矢量算法对预处理后的汽车轮廓点云集合进行点云分割处理，得到多个汽车轮廓局部点云集合；S3：对每个汽车轮廓局部点云集合进行曲面拟合得到对应的汽车轮廓局部曲面，将多个汽车轮廓局部曲面拼接得到汽车轮廓曲面模型。2.根据权利要求1所述的一种汽车轮廓曲面模型构建方法，其特征在于，所述步骤S1具体包括以下步骤：S11：对每个三维激光雷达扫描汽车获取的点云数据集合进行点云滤波；S12：对每个滤波后的点云数据集合进行数据降采样处理；S13：对多个数据降采样处理后的点云数据集合进行点云融合处理，得到汽车轮廓点云集合。3.根据权利要求2所述的一种汽车轮廓曲面模型构建方法，其特征在于：所述数据降采样处理采用曲率精简算法，点云数据集合在不同区域的单位体积内的数据点的数量随曲率值的增大而增加。4.根据权利要求1所述的一种汽车轮廓曲面模型构建方法，其特征在于，所述步骤S2具体包括以下步骤：S21：对于汽车轮廓点云集合S＝{p1,p2,
…
,p
n
}，其中n为S中数据点的个数，随机选取一数据点p
i
以及与该点距离最近K邻域的点集{p
i
,p
i+1
,
…
,p
i+K
}并拟合得到点p
i
的K近邻平面，将所述点p
i
的K近邻平面的法向矢量确定为点p
i
的法向矢量；S22：重复步骤S21直到确定S中所有数据点的法向矢量；S23：将汽车轮廓点云集合S分割为多个子集：S＝{U1,U2,
…
U
j
,
…
,U
N
}，N为子集的个数，其中每个子集包含的多个数据点具有相同或相似的法向矢量；S24：对任意一个子集U
j
，从其包含的多个数据点中随机抽取m个数据点进行平面拟合得到第一拟合平面L，L满足如下平面方程：aX+bY+cZ＝d,其中，(a、b、c)为L的单位法向矢量且a2+b2+c2＝1，d为坐标原点到L的距离。S25：统计U
j
中与L的距离小于预设的第一距离的数据点个数k，判断k是否大于第一阈值δ，如果判断结果为假，则重新执行步骤S24，如果判断结果为真，则将此时的L作为当前平面，并执行步骤S26；S26：从距离当前平面最近的k个点中随机抽取m个数据点进行平面拟合得到第二拟合平面L
′
，L
′
满足如下平面方程：a
′
X+b
′
Y+c
′
Z＝d
′
,其中，(a
′
、b
′
、c
′
)为L
′
的单位法向矢量且a
′2+...

【专利技术属性】
技术研发人员：罗宇，姚英硕，施剑，崔行宇，
申请(专利权)人：山东科技大学，
类型：发明
国别省市：