基于点云的三维模型重建方法、装置、设备及存储介质制造方法及图纸

本申请属于数字孪生技术领域，尤其涉及一种基于点云的三维模型重建方法、装置、设备及存储介质。该方法通过对获取的待重建点云数据进行融合处理，将融合点云数据投影得到投影点集，对投影点集进行隐性特征识别得到二维边界特征，将所有投影面的二维边界特征拼接，得到融合点云数据的三维边界特征，并将三维边界特征与模型库中已有三维构件进行匹配，确定匹配的已有三维构件为目标构件，调整目标构件的尺度直至满足三维边界特征的尺度，确定调整后的目标构件为待重建点云数据的三维模型，实现三维模型的重建，上述过程无需精确分析点云特征，从而提高了分析的效率，且采用模型库匹配的方式可以提高准确率。的方式可以提高准确率。的方式可以提高准确率。

【技术实现步骤摘要】
基于点云的三维模型重建方法、装置、设备及存储介质


[0001]本申请属于数字孪生
，尤其涉及一种基于点云的三维模型重建方法、装置、设备及存储介质。

技术介绍

[0002]目前，在逆向工程中，三维模型重建是将目标对象的三维空间信息转化为数字模型的过程，该技术广泛应用于数字孪生、虚拟仿真、产生设计等领域，例如，建筑信息模型(Building Information Modeling，BIM)的重建。物体对象逆向重建的前提工作是获取目标对象的三维信息数据，三维信息数据的获取方式多种多样。然而，传统的数据获取方法主要通过人工测量的方法实现，该方法工作量大、自动化程度低，而且难以获取完整的几何数据。三维激光扫描是一种新型测量技术，具有主动性、全天候、非接触性等特点，在信息获取方面具有变革性意义，能够采集目标对象的真实坐标信息和三维空间几何属性信息。
[0003]基于点云数据的目标对象三维重建也被称为结构化重建，即从散乱的点云或基于散乱点云生成的三角网格中提取具有几何特征的线、面单元，并将其拼接成具有几何结构的三维模型。根据模型重建技术路径的不同，三维模型重建方法主要有数据驱动和模型驱动两种。数据驱动方法是以模型的三维空间信息为基础，通过提取模型数据的三维空间特征，进一步重建出目标对象的三维模型。该方法具有精度高，能够精确表达几何形状的优点。模型驱动是以模型库为基础，将提取到的目标对象的几何形状与模型库构件进行比对，从而调用与特征最为匹配的模型构件，并进一步重建出目标对象的三维模型。数据驱动的模型重建方式可分为基于特征的模型重建、三角网格模型重建、NURBS(Non
‑
Uniform Rational B
‑
Spline)曲面模型重建和体素模型重建。但模型驱动需要较为完备的模型库，而数据驱动中对于特征提取、点云数据完整度的要求较高，均不利于使用，影响三维模型重建的精确度和效率。因此，如何同时提高三维模型重建的精确度和效率成为亟待解决的问题。

技术实现思路

[0004]有鉴于此，本申请实施例提供了一种基于点云的三维模型重建方法、装置、设备及存储介质，以解决如何同时提高三维模型重建的精确度和效率的问题。
[0005]第一方面，本申请实施例提供一种基于点云的三维模型重建方法，所述三维模型重建方法包括：
[0006]获取待重建点云数据，并对所述待重建点云数据进行融合处理，得到融合点云数据；
[0007]将所述融合点云数据投影至任一投影面，得到对应投影面的投影点集，采用alpha
‑
shape算法对每个投影面的投影点集进行隐性特征识别，得到对应投影面的二维边界特征；
[0008]将所有投影面的二维边界特征拼接，得到所述融合点云数据的三维边界特征，并
将所述三维边界特征与模型库中已有三维构件进行匹配，确定匹配的已有三维构件为目标构件；
[0009]若所述目标构件的尺度与所述三维边界特征的尺度不相同，则调整所述目标构件的尺度直至所述目标构件的尺度满足所述三维边界特征的尺度，确定调整后的目标构件为所述待重建点云数据的三维模型。
[0010]第二方面，本申请实施例提供一种基于点云的三维模型重建装置，所述三维模型重建装置包括：
[0011]融合处理模块，用于获取待重建点云数据，并对所述待重建点云数据进行融合处理，得到融合点云数据；
[0012]二维特征识别模块，用于将所述融合点云数据投影至任一投影面，得到对应投影面的投影点，采用alpha
‑
shape算法对每个投影面的投影点进行隐性特征识别，得到对应投影面的二维边界特征；
[0013]构件匹配模块，用于将所有投影面的二维边界特征拼接，得到所述融合点云数据的三维边界特征，并将所述三维边界特征与模型库中已有三维构件进行匹配，确定匹配的已有三维构件为目标构件；
[0014]三维模型重建模块，用于若所述目标构件的尺度与所述三维边界特征的尺度不相同，则调整所述目标构件的尺度直至所述目标构件的尺度满足所述三维边界特征的尺度，确定调整后的目标构件为所述待重建点云数据的三维模型。
[0015]第三方面，本申请实施例提供一种终端设备，所述终端设备包括处理器、存储器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如第一方面所述的三维模型重建方法。
[0016]第四方面，本申请实施例提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如第一方面所述的三维模型重建方法。
[0017]第五方面，本申请实施例提供一种计算机程序产品，当计算机程序产品在终端设备上运行时，使得终端设备执行上述第一方面所述的三维模型重建方法。
[0018]本申请实施例与现有技术相比存在的有益效果是：本申请通过对获取的待重建点云数据进行融合处理，得到融合点云数据，将融合点云数据投影至任一投影面，得到对应投影面的投影点集，采用alpha
‑
shape算法对每个投影面的投影点集进行隐性特征识别，得到对应投影面的二维边界特征，将所有投影面的二维边界特征拼接，得到融合点云数据的三维边界特征，并将三维边界特征与模型库中已有三维构件进行匹配，确定匹配的已有三维构件为目标构件，若目标构件的尺度与三维边界特征的尺度不相同，则调整目标构件的尺度直至目标构件的尺度满足三维边界特征的尺度，确定调整后的目标构件为待重建点云数据的三维模型，采用隐性特征识别的方式得到点云的二维边界特征，使用拼接的方式得到三维边界特征，并与模型库中构件进行匹配，实现三维模型的重建，上述过程无需精确分析点云特征，从而提高了分析的效率，且采用模型库匹配的方式可以提高准确率。上述方法结合了初始融合与精确融合，提高了数据融合效率，降低了局部最优产生的可能性，能够实现数据集的高度融合，采用隐性特征识别和模型构件匹配度判定的方式调用模型库中的单元构件，缩减了特征提取的过程，在初始特征提取后即可实现模型调用，缩放因子控制模型尺
度，从而实现精确匹配。
附图说明
[0019]为了更清楚地说明本申请实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
[0020]图1是本申请实施例一提供的一种基于点云的三维模型重建方法的流程示意图；
[0021]图2是本申请实施例二提供的一种基于点云的三维模型重建方法的流程示意图；
[0022]图3是本申请实施例三提供的一种基于点云的三维模型重建装置的结构示意图；
[0023]图4是本申请实施例四提供的一种终端设备的结构示意图。
具体实施方式
[0024]以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于点云的三维模型重建方法，其特征在于，所述三维模型重建方法包括：获取待重建点云数据，并对所述待重建点云数据进行融合处理，得到融合点云数据；将所述融合点云数据投影至任一投影面，得到对应投影面的投影点集，采用alpha
‑
shape算法对每个投影面的投影点集进行隐性特征识别，得到对应投影面的二维边界特征；将所有投影面的二维边界特征拼接，得到所述融合点云数据的三维边界特征，并将所述三维边界特征与模型库中已有三维构件进行匹配，确定匹配的已有三维构件为目标构件；若所述目标构件的尺度与所述三维边界特征的尺度不相同，则调整所述目标构件的尺度直至所述目标构件的尺度满足所述三维边界特征的尺度，确定调整后的目标构件为所述待重建点云数据的三维模型。2.根据权利要求1所述的三维模型重建方法，其特征在于，对所述待重建点云数据进行融合处理，得到融合点云数据包括：提取所述待重建点云数据中基准点云，将所述待重建点云数据中剩余点云以所述基准点云为基准进行刚体变换，得到变换后的点云数据；使用ICP算法对变换后的点云数据进行融合，得到融合点云数据。3.根据权利要求1所述的三维模型重建方法，其特征在于，采用alpha
‑
shape算法对每个投影面的投影点集进行隐性特征识别，得到对应投影面的二维边界特征包括：针对任一投影面，从投影点集中随机选择第一投影点作为第一圆心，在所述第一圆心的第一预设半径范围内随机选择第二投影点，根据所述第一投影点和所述第二投影点，确定半径为第二预设半径的圆的第二圆心，第一预设半径为第二预设半径的两倍；计算在所述第一圆心的第一预设半径范围内所有投影点与所述第二圆心的距离，返回在所述第一圆心的第一预设半径范围内选择其他投影点作为所述第二点，直至在所述第一圆心的第一预设半径范围内所有投影点与所述第二圆心的距离均大于第二预设半径，确定对应的第一投影点和第二投影点为所述投影点集的边界点，两者的连线为边界线；返回执行从所述投影点中随机选择一个投影点作为所述第一圆心的步骤，直至遍历所有投影点，得到所述投影点集的所有边界点和所有边界线为对应投影面的二维边界特征。4.根据权利要求1所述的三维模型重建方法，其特征在于，将所有投影面的二维边界特征拼接，得到所述融合点云数据的三维边界特征包括：获取所有投影面间的连接关系；根据任两个投影面之间的连接关系，将对应两个投影面的二维边界特征拼接，遍历所有投影面，确定拼接结果为所述融合点云数据的三维边界特征。5.根据权利要求1所述的三维模型重建方法，其特征在于，将所述三维...

【专利技术属性】
技术研发人员：刘亚坤，薛均晓，万里红，
申请(专利权)人：河南爬客智能机器人有限公司，
类型：发明
国别省市：