一种基于三维激光扫描数据的建模方法及系统技术方案

本发明专利技术提出了一种基于三维激光扫描数据的建模方法及系统，涉及三维建模技术领域。首先，获取待测物体的多个方位的点云数据，并对点云数据进行预处理。接着，对预处理后的点云数据进行点云特征提取，得到各个方位下的特征点。然后，对相邻两个方位的特征点进行匹配，形成特征点匹配对，并基于特征点匹配对，利用ICP算法对相邻两个方位的点云进行粗配准。之后，通过基于k维树近邻搜索法改进的ICP算法对粗配准结果进行优化，得到精配准结果。最后，基于精配准后的点云数据建立上述待测物体的三维模型。从而为点云配准提供良好的初始位姿，提升点云配准的效率，进而提高建模质量。进而提高建模质量。进而提高建模质量。

【技术实现步骤摘要】
一种基于三维激光扫描数据的建模方法及系统


[0001]本专利技术涉及三维建模
，具体而言，涉及一种基于三维激光扫描数据的建模方法及系统。

技术介绍

[0002]三维激光扫描采用非接触式高速激光测量方式，以点云形式获取被测对象表面的阵列式几何图形的三维数据，其激光测距的基本原理已发展成熟，数据获取的准确性和有效性也得以保障，然而扫描的结果只是待测实体表面的点云数据，在应用中需要更具有实际意义的三维实体表面模型，因此，对扫描数据的后处理一直面临着困难。
[0003]解决点云数据建模问题的方法可分为三类：基于隐式曲面法、区域生长法和基于Delaunay三角剖分法。Hoppe等最早提出的零集法属于基于隐式曲面法，该类方法不能在点云中插值点从而使其应用受到限制；Bernardini等提出的Ball
‑
Pivoting法和CochenSteiner提出的贪婪算法属于区域生长法，该类方法构建的网格质量过分依赖于种子面片的选取和自定义参数的设置，采样不均匀的情况下还需要后续补孔；具有代表性的基于Delaunay三角剖分的算法有Guo等提出的α
‑
shape法、Dey等提出的Cocone算法和Amenta等提出的Crust算法及PowerCrust算法等，该类算法由于使用了中间数据结构，计算量大，时效性比较差。

技术实现思路

[0004]本专利技术的目的在于提供一种基于三维激光扫描数据的建模方法及系统，其能够为点云配准提供良好的初始位姿，提升点云配准的效率，进而提高建模质量。
[0005]本专利技术的实施例是这样实现的：
[0006]第一方面，本申请实施例提供一种基于三维激光扫描数据的建模方法，其包括：
[0007]获取待测物体的多个方位的点云数据，并对点云数据进行预处理；
[0008]对预处理后的点云数据进行点云特征提取，得到各个方位下的特征点；
[0009]对相邻两个方位的特征点进行匹配，形成特征点匹配对，并基于上述特征点匹配对，利用ICP算法对相邻两个方位的点云进行粗配准；
[0010]通过基于k维树近邻搜索法改进的ICP算法对粗配准结果进行优化，得到精配准结果；
[0011]基于精配准后的点云数据建立上述待测物体的三维模型。
[0012]基于第一方面，在本专利技术的一些实施例中，上述获取待测物体的多个方位的点云数据，并对点云数据进行预处理的步骤包括：
[0013]利用曲线检查法寻找噪声点和失真点并剔除；
[0014]利用非均匀网格法对剩余的点云数据进行精简处理；
[0015]利用高斯滤波法对精简后的点云数据进行平滑处理。
[0016]基于第一方面，在本专利技术的一些实施例中，上述对预处理后的点云数据进行点云
特征提取，得到各个方位下的特征点的步骤包括：
[0017]对各个方位下的点云中的每个点建立一个局部坐标系，并设置该点对应的搜索半径；
[0018]利用KD树确定该点对应半径区域内的邻近点，并计算邻近点的权值；
[0019]基于邻近点计算该点的协方差矩阵及协方差矩阵对应的特征值，并将特征值排序；
[0020]基于上述特征值，通过预设的阈值条件对点云中的点进行判断，提取出各个方位下的特征点。
[0021]基于第一方面，在本专利技术的一些实施例中，上述对相邻两个方位的特征点进行匹配，形成特征点匹配对的步骤包括：
[0022]利用FPFH算法对提取出的特征点进行特征描述，得到特征参数向量；
[0023]计算并得到上述特征参数向量之间的欧氏距离；
[0024]基于欧氏距离对相邻两个方位的特征点进行匹配，形成特征点匹配对。
[0025]基于第一方面，在本专利技术的一些实施例中，还包括：将特征参数向量之间的欧氏距离与预设的距离阈值相对比，剔除错误的特征点匹配对。
[0026]基于第一方面，在本专利技术的一些实施例中，上述通过基于k维树近邻搜索法改进的ICP算法对粗配准结果进行优化，得到精配准结果的步骤包括：
[0027]将粗配准后的点云作为精配准的原始点集；
[0028]基于特征点匹配对之间的欧式距离，利用基于k维树近邻搜索法搜索出对应点对；
[0029]基于对应点对计算点云的旋转矩阵和平移矩阵，并利用ICP算法对旋转矩阵和平移矩阵进行迭代更新；
[0030]基于更新后的旋转矩阵和平移矩阵，将相邻两个方位的点云变换到同一坐标系中，得到精配准结果。
[0031]基于第一方面，在本专利技术的一些实施例中，上述方法还包括：获取待测物体的图片并处理，将处理后的图片赋予到三维模型中，对三维模型进行渲染。
[0032]第二方面，本申请实施例提供一种基于三维激光扫描数据的建模系统，其包括：
[0033]预处理模块，用于获取待测物体的多个方位的点云数据，并对点云数据进行预处理；
[0034]特征点提取模块，用于对预处理后的点云数据进行点云特征提取，得到各个方位下的特征点；
[0035]粗配准模块，用于对相邻两个方位的特征点进行匹配，形成特征点匹配对，并基于上述特征点匹配对，利用ICP算法对相邻两个方位的点云进行粗配准；
[0036]精配准模块，用于通过基于k维树近邻搜索法改进的ICP算法对粗配准结果进行优化，得到精配准结果；
[0037]三维建模模块，用于基于精配准后的点云数据建立上述待测物体的三维模型。
[0038]第三方面，本申请实施例提供一种电子设备，其包括存储器，用于存储一个或多个程序；处理器。当上述一个或多个程序被上述处理器执行时，实现如上述第一方面中任一项上述的方法。
[0039]第四方面，本申请实施例提供一种计算机可读存储介质，其上存储有计算机程序，
该计算机程序被处理器执行时实现如上述第一方面中任一项上述的方法。
[0040]相对于现有技术，本专利技术的实施例至少具有如下优点或有益效果：
[0041]本申请实施例提供一种基于三维激光扫描数据的建模方法及系统，首先，获取待测物体的多个方位的点云数据，并对点云数据进行预处理。接着，对预处理后的点云数据进行点云特征提取，得到各个方位下的特征点。然后，对相邻两个方位的特征点进行匹配，形成特征点匹配对，并基于特征点匹配对，利用ICP算法对相邻两个方位的点云进行粗配准。之后，通过基于k维树近邻搜索法改进的ICP算法对粗配准结果进行优化，得到精配准结果。最后，基于精配准后的点云数据建立上述待测物体的三维模型。本申请利用ISS特征点提取点云的特征点，并通过改进描述子，基于特征参数向量之间的欧氏距离将点云特征进行匹配，进而通过单次最优变换进行粗配准，为精配准提供良好的初始位姿。在粗配准的基础上，通过基于k维树近邻搜索法改进的ICP算法完成点云精细配准，从而提升点云配准的效率，提高建模质量。
附图说明
[0042]为了更清楚地说明本专利技术实施例的技术方案，下面将对实施例中所需要使用的附图作简单本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于三维激光扫描数据的建模方法，其特征在于，包括：获取待测物体的多个方位的点云数据，并对点云数据进行预处理；对预处理后的点云数据进行点云特征提取，得到各个方位下的特征点；对相邻两个方位的特征点进行匹配，形成特征点匹配对，并基于所述特征点匹配对，利用ICP算法对相邻两个方位的点云进行粗配准；通过基于k维树近邻搜索法改进的ICP算法对粗配准结果进行优化，得到精配准结果；基于精配准后的点云数据建立所述待测物体的三维模型。2.如权利要求1所述的一种基于三维激光扫描数据的建模方法，其特征在于，所述获取待测物体的多个方位的点云数据，并对点云数据进行预处理的步骤包括：利用曲线检查法寻找噪声点和失真点并剔除；利用非均匀网格法对剩余的点云数据进行精简处理；利用高斯滤波法对精简后的点云数据进行平滑处理。3.如权利要求1所述的一种基于三维激光扫描数据的建模方法，其特征在于，所述对预处理后的点云数据进行点云特征提取，得到各个方位下的特征点的步骤包括：对各个方位下的点云中的每个点建立一个局部坐标系，并设置该点对应的搜索半径；利用KD树确定该点对应半径区域内的邻近点，并计算邻近点的权值；基于邻近点计算该点的协方差矩阵及协方差矩阵对应的特征值，并将特征值排序；基于所述特征值，通过预设的阈值条件对点云中的点进行判断，提取出各个方位下的特征点。4.如权利要求1所述的一种基于三维激光扫描数据的建模方法，其特征在于，所述对相邻两个方位的特征点进行匹配，形成特征点匹配对的步骤包括：利用FPFH算法对提取出的特征点进行特征描述，得到特征参数向量；计算并得到所述特征参数向量之间的欧氏距离；基于欧氏距离对相邻两个方位的特征点进行匹配，形成特征点匹配对。5.如权利要求4所述的一种基于三维激光扫描数据的建模方法，其特征在于，还包括：将特征参数向量之间的欧氏...

【专利技术属性】
技术研发人员：贺江涛，
申请(专利权)人：中软航科数据科技珠海横琴有限公司，
类型：发明
国别省市：