一种航天器表面外形的高精度彩色三维曲面重建方法技术

本发明专利技术公开了一种航天器表面外形的高精度彩色三维曲面重建方法，包括：输入彩色点云数据集；将三维点云变换到二维平面；提取二维平面点云边界；点云坐标网格化；依次判断各物体点云的矩形网格坐标是否在凸包范围内；对网格点云数据集的每个坐标点增加深度信息Z、颜色信息R、颜色信息G和颜色信息B；输出三维彩色点云数据；输出新的三维彩色网格点云数据集；输出最终带有色彩纹理信息的三维彩色重建模型。本发明专利技术对原始输入点云数据集进行扩充，改善了点距差异带来的问题，重建出更加平滑，更高精度的曲面模型。本发明专利技术进行了彩色纹理信息的重建，使得重建出的曲面更加细腻，色彩信息更加丰富，无论从可视化效果还是整体轮廓都更加贴近真实。加贴近真实。加贴近真实。

【技术实现步骤摘要】
一种航天器表面外形的高精度彩色三维曲面重建方法


[0001]本专利技术属于航天器结构设计与装配测量
，更具体地说，本专利技术涉及一种航天器表面外形的高精度彩色三维曲面重建方法。

技术介绍

[0002]随着空间技术的发展,各类先进航天器的设计、加工、装配水平也不断提高，对航天器进行高精度三维特征测量重建的需求也更加迫切。高精度的三维重建模型无论是对航天器进行精确测量，还是对航天器进行日常维护、检测和装配等都具有重要作用。
[0003]近些年来，工程技术人员通过摄像机获得航天器表面的高分辨率图片，利用这些图片来重建出航天器的表面三维模型，从而对表面进行精确测量。虽然拍摄图像分辨率越高，重建出的模型点云数量就会越多，模型曲面重建的精度也就越高，但是由于硬件条件的限制，获取图像的分辨率不可能无限增加，获得的三维点云数据始终有限，因此如何在硬件条件有限的情况下重建出更多的点云来确保曲面重建精度成为了当前亟待解决的问题。
[0004]同时重建出来的点云数据集之间点距也对曲面重建的精度和效果有着至关重要的影响：如果重建出的点云稀疏，分部散乱，点距不均匀且相差太远，重建出的曲面会显得很粗糙，导致曲面重建精度过低，无法还原出真实的航天器表面情况；如果重建出的点云太过于密集，虽然重建精度可能相对较高，但是曲面重建时间会成几何倍数的增加，效率过于低下，得不偿失。因此如何改善点距给曲面重建带来的问题并且在效率与精度两者之间找到一个平衡点也是当前一个很严峻的问题。
[0005]除此之外，对航天器进行日常维护、检测和装配时，单纯的三维空间数据构建而成的航天器表面模型不足以满足工作的需求。人的肉眼对彩色纹理信息更加的敏感，如果只是三维空间信息，人的肉眼是很难进行分辨的。然而绝大多数曲面重建仅仅只是重建了物体表面的模型(通过算法重建出了深度信息)，忽略了表面原有的彩色纹理信息(并未重建出 RGB颜色信息)。
[0006]本专利技术通过提出的算法，在输入点云数量一定的情况下，对原始输入点云数据集进行扩充，在增加了点云数量的同时最大程度上改善了点距差异带来的问题，从而重建出更加平滑，更高精度的曲面模型。并且在重建出深度信息的基础上进行了彩色纹理信息的重建，使得重建出的曲面更加细腻，色彩信息更加丰富，无论从可视化效果还是整体轮廓都更加贴近真实。

技术实现思路

[0007]本专利技术的一个目的是解决至少上述问题和/或缺陷，并提供至少后面将说明的优点。
[0008]为了实现根据本专利技术的这些目的和其它优点，提供了一种航天器表面外形的高精度彩色三维曲面重建方法，包括以下步骤：
[0009]步骤S1、从航天器表面彩色图片中获取彩色点云数据集，输入数量为Pointcloud_
Count 的彩色点云数据集Pointcloud，其中第i个点的三维坐标为的彩色点云数据集Pointcloud，其中第i个点的三维坐标为点云颜色纹理为Pointcloud_Color
i
＝[R
i
,G
i
,B
i
]，i＝1,2,...,Pointcloud_Count；
[0010]步骤S2、将三维点云变换到二维平面；
[0011]步骤S3、提取二维平面点云边界；
[0012]步骤S4、点云坐标网格化；
[0013]步骤S5、依次判断各物体点云的N
×
N个矩形网格坐标是否在凸包范围内；
[0014]步骤S6、对网格点云数据集的每个坐标点增加深度信息Z；
[0015]步骤S7、对网格点云数据集的每个坐标点增加颜色信息R；
[0016]步骤S8、对网格点云数据集的每个坐标点增加颜色信息G；
[0017]步骤S9、对网格点云数据集的每个坐标点增加颜色信息B；
[0018]步骤S10、输出带有深度信息Z和颜色纹理信息RGB的三维彩色点云数据；
[0019]步骤S11、重复步骤S6～步骤S10输出新的三维彩色网格点云数据集；
[0020]步骤S12、将被拍摄物体的完整三维彩色网格点云数据集和原始三维彩色点云数据集进行合并，选择合适的曲面可视化算法，生成三维彩色曲面，输出最终带有色彩纹理信息的三维彩色重建模型。
[0021]优选的是，其中，所述步骤S2将三维点云变换到二维平面的具体步骤包括：
[0022]步骤S21、对三维彩色点云数据集Pointcloud进行旋转变换，使其变换到与XOY平面平行，彩色点云数据集Pointcloud经过旋转变换后其数据集坐标变为以下形式：
[0023][X
′
D
,Y
′
D
,Z
′
D
,1]＝[X
D
,Y
D
,Z
D
,1]R
X
(α)R
Y
(β)R
Z
(γ)
[0024]在上式中有：
[0025][0026][0027][0028]其中，α表示沿X轴旋转的翻滚角，β表示沿Y轴旋转的俯仰角，γ表示沿Z轴旋转的偏航角，α、β、γ的数值大小根据物体点云实际所处空间位置进行设定，而旋转至与X OY平面平行通常情况下只需要设定偏航角γ的大小即可；根据三维空间中的倾斜点云布大致拟合一条直线，将其斜率作为偏航角γ的初始值，不断调整角度大小使得点云与XO
ꢀꢀ
Y平面平行；将彩色点云数据集Pointcloud通过旋转变换到与二维XOY平面平行后，得到变换后的彩
色点云数据集Pointcloud，其中第i个点的三维坐标为色点云数据集Pointcloud，其中第i个点的三维坐标为颜色纹理Pointcloud
′
_Color
i
＝[R
i
,G
i
,B
i
]；
[0029]步骤S22、对物体点云进行分离；假设点云数据集由M个物体点云数据集组成，依据各物体点云数据集Pointcloud
′
在X轴上的坐标差异进行区分，取相邻物体点云在X轴上的间隔范围的中间坐标点x1,x2,...,x
M
‑1作为分界点，分离后的M个物体点云分别记为 Pointcloud1,Pointcloud2,...,Pointcloud
M
，其分离公式为：
[0030][0031]其中，物体点云Pointcloud1的数量为Pointcloud
1_
Count，第i1个点的三维空间坐标为颜色纹理为颜色纹理为同理物体点云Pointcloud
M
的数量为Pointcloud
M
_Count，第i
M
个点的三维空间坐标为颜色纹理为颜色纹理为M个物体点云的点云数量关系为 Pointcloud_Count＝Pointcloud1_Count+...+Pointc本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种航天器表面外形的高精度彩色三维曲面重建方法，其特征在于，包括以下步骤：步骤S1、从航天器表面彩色图片中获取彩色点云数据集，输入数量为Pointcloud_Count的彩色点云数据集Pointcloud，其中第i个点的三维坐标为点云颜色纹理为Pointcloud_Color
i
＝[R
i
,G
i
,B
i
]，i＝1,2,...,Pointcloud_Count；步骤S2、将三维点云变换到二维平面；步骤S3、提取二维平面点云边界；步骤S4、点云坐标网格化；步骤S5、依次判断各物体点云的N
×
N个矩形网格坐标是否在凸包范围内；步骤S6、对网格点云数据集的每个坐标点增加深度信息Z；步骤S7、对网格点云数据集的每个坐标点增加颜色信息R；步骤S8、对网格点云数据集的每个坐标点增加颜色信息G；步骤S9、对网格点云数据集的每个坐标点增加颜色信息B；步骤S10、输出带有深度信息Z和颜色纹理信息RGB的三维彩色点云数据；步骤S11、重复步骤S6～步骤S10输出新的三维彩色网格点云数据集；步骤S12、将被拍摄物体的完整三维彩色网格点云数据集和原始三维彩色点云数据集进行合并，选择合适的曲面可视化算法，生成三维彩色曲面，输出最终带有色彩纹理信息的三维彩色重建模型。2.如权利要求1所述的航天器表面外形的高精度彩色三维曲面重建方法，其特征在于，所述步骤S2将三维点云变换到二维平面的具体步骤包括：步骤S21、对三维彩色点云数据集Pointcloud进行旋转变换，使其变换到与XOY平面平行，彩色点云数据集Pointcloud经过旋转变换后其数据集坐标变为以下形式：[X
′
D
,Y
′
D
,Z
′
D
,1]＝[X
D
,Y
D
,Z
D
,1]R
X
(α)R
Y
(β)R
Z
(γ)在上式中有：中有：中有：其中，α表示沿X轴旋转的翻滚角，β表示沿Y轴旋转的俯仰角，γ表示沿Z轴旋转的偏航
角，α、β、γ的数值大小根据物体点云实际所处空间位置进行设定，而旋转至与XOY平面平行通常情况下只需要设定偏航角γ的大小即可；根据三维空间中的倾斜点云布大致拟合一条直线，将其斜率作为偏航角γ的初始值，不断调整角度大小使得点云与XOY平面平行；将彩色点云数据集Pointcloud通过旋转变换到与二维XOY平面平行后，得到变换后的彩色点云数据集Pointcloud，其中第i个点的三维坐标为数据集Pointcloud，其中第i个点的三维坐标为颜色纹理Pointcloud
′
_Color
i
＝[R
i
,G
i
,B
i
]；步骤S22、对物体点云进行分离；假设点云数据集由M个物体点云数据集组成，依据各物体点云数据集Pointcloud
′
在X轴上的坐标差异进行区分，取相邻物体点云在X轴上的间隔范围的中间坐标点x1,x2,...,x
M
‑1作为分界点，分离后的M个物体点云分别记为Pointcloud1,Pointcloud2,...,Pointcloud
M
，其分离公式为：其中，物体点云Pointcloud1的数量为Pointcloud1_Count，第i1个点的三维空间坐标为颜色纹理为颜色纹理为同理物体点云Pointcloud
M
的数量为Pointcloud
M
_Count，第i
M
个点的三维空间坐标为个点的三维空间坐标为颜色纹理为颜色纹理为M个物体点云的点云数量关系为Pointcloud_Count＝Pointcloud1_Count+...+Pointcloud
M
_Count，由于未对颜色信息进行处理，则各物体点云的颜色纹理与原点云保持一致；步骤S23、划分大致的重建范围；根据各物体点云Pointcloud1,Pointcloud2,...,Pointcloud
M
所处空间的实际位置，分别设定各物体点云的圆心和半径大小，利用圆域c1,c2,...,c
M
分别划分出重建点云的大致XOY空间范围，其划分圆域公式如下所示：其中，(x
01
,y
01
),(x
02
,y
02
),
…
,(x
0M
,y
0M
)分别为设定的Pointcloud1,Pointcloud2,
…
Pointcloud
M
点云所处XOY平面的圆心坐标，分别为Pointcloud1,Pointcloud2,
…
Pointcloud
M
的圆域半径，生成的圆域c1,c2,...,c
M
分别为Pointcloud1,
Pointcloud2,
…
Pointcloud
M
的大致重建范围；构建M个新的二维点云数据集，设定物体1点云处在平面圆域c1范围内的二维点云数据集记为同理设定物体M点云处在平面圆域c
M
范围内的二维点云数据集记为将Pointcloud1,Pointcloud2,
…
,Pointcloud
M
的X,Y坐标信息和彩色纹理信息依次赋给二维点云数据集其坐标信息赋值过程如下：其中，表示点云数据集Pointcloud1的X,Y坐标信息，若第i1个点的X,Y坐标位于圆域c1内则将其作为二维点云数据集中的一个数据点，依次完成对Pointcloud1每个点的判断更新从而得到圆域c1范围内的点云二维点云数据集的点云数量为_Count，其中第个点的二维空间坐标为颜色纹理为其点云数量关系满足同理可得各自圆域内的物体二维平面点云数据集3.如权利要求2所述的航天器表面外形的高精度彩色三维曲面重建方法，其特征在于，所述步骤S3提取二维平面点云边界的具体步骤包括：步骤S31、设Pointcloud
cτ
由离散点集P(p1,p2,...,p
nu
)组成，其中)组成，其中输入点云P(p1,p2,...,p
nu
)，设定半径r的数值；步骤S32、遍历点云中的任意两点，同时将对应两点生成线段，将各线段组成边集合E；步骤S33、遍历边集合E，删除其中边长大于2r的线段，将剩余的线段组成新的边集合E
′
；步骤S34、遍历边集合E
′
的每条线段，由每条线段的两个端点p
a
和p
b
，a,b＝1,2,...nu，以及半径r计算圆心坐标和设线段p
a
p
b
的方向向量为v
ab
，垂直单位向量为u
ab
，线段p
a
p
b
的长度为d
ab
，其线段中点坐标为根据几何关系有v
ab
＝(x
b
‑
x
a
,y
b
‑
y
a
)，其中圆心到线段p
a
p
b
的距离为D
ab
，则圆心坐标为步骤S35、若以和为圆心的两个圆中，有一个圆的内部不包含点集P(p1,p2,...,
p
nu
)中的其他任何点，即存在一个圆心使得任意其他点到该圆心的距离都大于半径r，则边p
a
p
b
即为边界边；若以和为圆心的两个圆中，两个圆的内部都包含点集P(p1,p2,...,p
nu
)中的其他任何点，说明p
a
p
b
为点云内两点之间的线段或内部点与边界点之间的线段，则边p
a
p
b
不是边界边；步骤S36、重复步骤S34至步骤S35，提取出边集合E
′
的所有边界边，直至提取出完整边界Ω
τ
即可；步骤S37、对各物体点云数据集经过步骤S31至步骤S36可得到各自的完整边界Ω1,
…
,Ω
M
。4.如权利要求3所述的航天器表面外形的高精度彩色三维曲面重建方法，其特征在于，所述步骤S4点云坐标网格化的具体步骤包括：步骤S41、针对二维点云数据集求取点集中X,Y轴方向对应的最大值和最小值然后生成X向量和Y向量步骤S42、以为矩形左下角顶点，在XOY平面上生成长为宽为的矩形区域，其中|
·
|表示向量的模；然后对矩形的长和宽分别进行N等分，则一共生成N
×
N个矩形网格坐标格点，其中从而生成对应的矩形网格并输出矩形网格点的X,Y点集坐标矩阵步骤S43、对各二维点云数据集依次重复步骤S41至步骤S42，对应生成N
×
N个矩形网格坐标格点并输出矩形网格点的X,Y点集坐标矩阵5.如权利要求4所述的航天器表面外形的高精度彩色三维曲面重建方法，其特征在于，所述步骤S5依次判断各物体点云的N
×
N个矩形网格坐标是否在凸包范围内的具体...

【专利技术属性】
技术研发人员：黄雪刚，罗健浩，陈薇，殷春，石安华，于哲峰，
申请(专利权)人：中国空气动力研究与发展中心超高速空气动力研究所，
类型：发明
国别省市：