一种大城市场景下规则物体点云优化系统及方法技术方案

本发明专利技术提供一种大城市场景下规则物体点云优化系统及方法，涉及点云数据处理技术领域，包括：根据包含待优化规则物体的多张倾斜摄影图像处理得到相应的三维点云；筛选出表征待优化规则物体的各三维点得到第一优化点云，并重建得到三角网格模型；对三角网格模型中的三维点进行平滑处理得到第二优化点云，并处理得到第二优化点云中的各三维点之间的拓扑关系；根据拓扑关系重建得到待优化规则物体的白膜网格，并根据各倾斜摄影图像获取待优化规则物体的烘焙贴图，并根据烘焙贴图对白膜网格进行烘焙得到待优化规则物体的三维网格模型。有益效果是实现减少点云数据容量、提高处理速度的同时去除点云中的噪声，有效提升三维网格模型的模型精度。型的模型精度。型的模型精度。

【技术实现步骤摘要】
一种大城市场景下规则物体点云优化系统及方法


[0001]本专利技术涉及点云数据处理
，尤其涉及一种大城市场景下规则物体点云优化系统及方法。

技术介绍

[0002]建筑物的三维重构是近年来空间信息
的一个研究热点，构建完整的建筑物三维模型是"数字城市","数字地球"等众多虚拟平台构建和发展的重要前提和基础。同时随着对地观测技术的创新发展，使得建筑物点云数据可以通过各种方式便捷地获取,为进行建筑物点云重构研究打下了基础。
[0003]但大城市场景结构复杂，包含建筑、车辆、树木、广告牌、路灯等各种组成要素，使得大城市场景下的建筑物点云数据含有大量杂点或噪声，进而使得现有的点云重构技术得到的重构模型精度不高，无法满足现有城市场景的应用需求。

技术实现思路

[0004]针对现有技术中存在的问题，本专利技术提供一种大城市场景下规则物体点云优化系统，包括：
[0005]图像处理模块，用于获取大城市场景下的包含待优化规则物体的多张倾斜摄影图像，并根据各所述倾斜摄影图像处理得到相应的三维点云；
[0006]第一优化模块，连接所述图像处理模块，用于由所述三维点云中筛选出表征所述待优化规则物体的各三维点得到第一优化点云，并根据所述第一优化点云重建得到所述待优化规则物体的三角网格模型；
[0007]第二优化模块，连接所述第一优化模块，用于对所述三角网格模型中的三维点进行平滑处理得到第二优化点云，并处理得到所述第二优化点云中的各三维点之间的拓扑关系；
[0008]烘焙处理模块，分别连接所述图像处理模块和所述第二优化模块，用于根据所述拓扑关系重建得到所述待优化规则物体的白膜网格，并根据各所述倾斜摄影图像获取所述待优化规则物体的烘焙贴图，并根据所述烘焙贴图对所述白膜网格进行烘焙得到所述待优化规则物体的三维网格模型，作为所述待优化规则物体的点云优化结果。
[0009]优选的，所述第一优化模块包括：
[0010]剔除单元，用于对所述三维点云进行聚类得到多个聚类簇，并处理得到各聚类簇所属的特征类群，随后于所述三维点云中剔除不属于所述待优化规则物体的所述特征类群对应的各所述聚类簇包含的各三维点；
[0011]下采样单元，连接所述剔除单元，用于针对保留的每个所述聚类簇，分别构建所述聚类簇中的各三维点与预设的参考点之间的向量，并计算两两所述三维点关联的所述向量之间的距离，并提取所述距离小于预设值对应的各所述三维点作为冗余点，随后采用各所述冗余点的重心点代替各所述冗余点，以对所述聚类簇进行下采样；
[0012]滤波单元，连接所述下采样单元，用于针对下采样后的每个所述聚类簇，统计所述聚类簇包含的各所述三维点的总数量以及各所述三维点的外接球的半径，并在所述总数量小于预设数量且所述半径小于预设半径时，删除所述聚类簇，得到所述第一优化点云；
[0013]重建单元，连接所述滤波单元，用于根据所述第一优化点云重建得到所述待优化规则物体的所述三角网格模型。
[0014]优选的，所述剔除单元包括：
[0015]构建子单元，用于根据所述三维点云构建Kd树，并为所述Kd树中的各节点配置相应的点云索引；
[0016]聚类子单元，连接所述构建子单元，用于根据预设的聚类点数目范围并在预设的搜索半径范围内按照搜索半径从小到大的顺序依次对所述Kd树进行近邻搜索聚类得到各所述搜索半径关联的多个聚类簇；
[0017]识别子单元，连接所述聚类子单元，用于将各所述搜索半径及其关联的各所述聚类簇的数量按照所述搜索半径从小到大的顺序依次排列形成序列，并将所述序列输入预先训练得到的识别模型，以得到各所述聚类簇所属的特征类群；
[0018]剔除子单元，连接所述识别子单元，用于根据识别得到所述特征类群和各节点的所述点云索引于所述三维点云中剔除不属于所述待优化规则物体的所述特种类群对应的各所述聚类簇包含的各三维点。
[0019]优选的，所述预设聚类点数目范围为100至25000。
[0020]优选的，所述重建单元采用点云贪心三角化算法对所述第一优化点云进行重建得到所述待优化规则物体的所述三角网格模型。
[0021]优选的，所述第二优化模块包括：
[0022]共面点过滤单元，用于删除所述三角网格模型中的各共面点；
[0023]平滑单元，连接所述共面点过滤单元，用于对删除各所述共面点后的所述三角网格模型中保留的非棱边点进行双线性插值处理，以得到所述第二优化点云；
[0024]拓扑关系生成单元，连接所述平滑单元，用于处理得到所述第二优化点云中的各三维点之间的拓扑关系。
[0025]优选的，所述共面点过滤单元包括：
[0026]第一处理子单元，用于针对所述三角网格模型中的各三角网格的每个顶点，分别进行邻域搜索得到预设邻域范围内的其他顶点作为邻域点，随后分别计算所述顶点与各所述邻域点之间形成的各直线之间的线线角；
[0027]判断子单元，连接所述第一处理子单元，用于在所述顶点对应的任意一个所述线线角不在第一预设范围内时将所述顶点作为所述共面点并删除，以及在所述顶点对应的各所述线线角均在所述第一预设范围内时生成判断信号；
[0028]第二处理子单元，连接所述判断子单元，用于根据所述判断信号对所述顶点关联的各所述邻域点进行邻域搜索得到继邻域点，随后分别计算各所述邻域点与对应的所述继邻域点之间形成的各直线之间的线线角；
[0029]第三处理子单元，分别连接所述第一处理子单元和所述第二处理子单元，用于计算所述顶点关联的所有所述邻域点和所有所述继邻域点对应的各所述线线角的方差，并在所述方差在第二预设范围内时将所述顶点作为所述共面点并删除。
[0030]优选的，所述平滑单元包括：
[0031]第一标记子单元，用于将关联的所述线线角在第三预设范围内的各所述顶点标记为所述非棱边点；
[0032]插值处理子单元，连接所述第一标记子单元，用于对各所述非棱边点关联的各所述线线角进行栅格收敛得到多个收敛值，随后根据各所述收敛值对各所述非棱边点进行双线性插值处理，以得到所述第二优化点云。
[0033]优选的，所述拓扑关系生成单元包括：
[0034]第二标记子单元，用于将关联的所述线线角在第四预设范围内的各所述顶点标记为棱边点；
[0035]投影子单元，用于将所述第二优化点云中的各三维点通过法线投影到同一二维平面内形成投影点云；
[0036]回归处理子单元，分别连接所述第二标记子单元和所述投影子单元，用于将所述投影点云中对应于各所述棱边点且属于同一所述聚类簇的各投影点进行线性回归纠正，以将各所述棱边点形成的棱边拉直，得到纠正后点云；
[0037]拓扑连接子单元，连接所述回归处理子单元，用于将所述纠正后点云在所述二维平面内进行三角化，得到所述第二优化点云中各三维点的所述拓扑关系。
[0038]本专利技术还提供一种大城市场景下规则物体点云优化方法，应用于上述的大城市场景下规则物体点云优化系统本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种大城市场景下规则物体点云优化系统，其特征在于，包括：图像处理模块，用于获取大城市场景下的包含待优化规则物体的多张倾斜摄影图像，并根据各所述倾斜摄影图像处理得到相应的三维点云；第一优化模块，连接所述图像处理模块，用于由所述三维点云中筛选出表征所述待优化规则物体的各三维点得到第一优化点云，并根据所述第一优化点云重建得到所述待优化规则物体的三角网格模型；第二优化模块，连接所述第一优化模块，用于对所述三角网格模型中的三维点进行平滑处理得到第二优化点云，并处理得到所述第二优化点云中的各三维点之间的拓扑关系；烘焙处理模块，分别连接所述图像处理模块和所述第二优化模块，用于根据所述拓扑关系重建得到所述待优化规则物体的白膜网格，并根据各所述倾斜摄影图像获取所述待优化规则物体的烘焙贴图，并根据所述烘焙贴图对所述白膜网格进行烘焙得到所述待优化规则物体的三维网格模型，作为所述待优化规则物体的点云优化结果。2.根据权利要求1所述的大城市场景下规则物体点云优化系统，其特征在于，所述第一优化模块包括：剔除单元，用于对所述三维点云进行聚类得到多个聚类簇，并处理得到各聚类簇所属的特征类群，随后于所述三维点云中剔除不属于所述待优化规则物体的所述特征类群对应的各所述聚类簇包含的各三维点；下采样单元，连接所述剔除单元，用于针对保留的每个所述聚类簇，分别构建所述聚类簇中的各三维点与预设的参考点之间的向量，并计算两两所述三维点关联的所述向量之间的距离，并提取所述距离小于预设值对应的各所述三维点作为冗余点，随后采用各所述冗余点的重心点代替各所述冗余点，以对所述聚类簇进行下采样；滤波单元，连接所述下采样单元，用于针对下采样后的每个所述聚类簇，统计所述聚类簇包含的各所述三维点的总数量以及各所述三维点的外接球的半径，并在所述总数量小于预设数量且所述半径小于预设半径时，删除所述聚类簇，得到所述第一优化点云；重建单元，连接所述滤波单元，用于根据所述第一优化点云重建得到所述待优化规则物体的所述三角网格模型。3.根据权利要求2所述的大城市场景下规则物体点云优化系统，其特征在于，所述剔除单元包括：构建子单元，用于根据所述三维点云构建Kd树，并为所述Kd树中的各节点配置相应的点云索引；聚类子单元，连接所述构建子单元，用于根据预设的聚类点数目范围并在预设的搜索半径范围内按照搜索半径从小到大的顺序依次对所述Kd树进行近邻搜索聚类得到各所述搜索半径关联的多个聚类簇；识别子单元，连接所述聚类子单元，用于将各所述搜索半径及其关联的各所述聚类簇的数量按照所述搜索半径从小到大的顺序依次排列形成序列，并将所述序列输入预先训练得到的识别模型，以得到各所述聚类簇所属的特征类群；剔除子单元，连接所述识别子单元，用于根据识别得到所述特征类群和各节点的所述点云索引于所述三维点云中剔除不属于所述待优化规则物体的所述特征类群对应的各所述聚类簇包含的各三维点。
4.根据权利要求3所述的大城市场景下规则物体点云优化系统，其特征在于，所述预设聚类点数目范围为100至25000。5.根据权利要求2所述的大城市场景下规则物体点云优化系统，其特征在于，所述重建单元采用点云贪心三角化算法对所述第一优化点云进行重建得到所述待优化规则物体的所述三角网格模型。6.根据权利要求2所述的大城市场景下规则物体点云优化系统，其特征在于，所述第二优化模块包括：共面点过滤单元，用于删除所述三角网格模型中的各共面点；平滑单元，连接...

【专利技术属性】
技术研发人员：周令珩，朱仁，温骏炎，赵亮，
申请(专利权)人：宁波美象信息科技有限公司，
类型：发明
国别省市：