【技术实现步骤摘要】
本专利技术属于古建筑数字化保护领域，针对古建筑文化遗产进行高精度三维模型变形，涉及一种基于自适应权重拉普拉斯的古建筑构件模型变形方法。
技术介绍
1、古建筑现状模型是文物保护中的重要内容。传统的古建筑保护的基础是为摄影与纸质记录。随着科技的不断进步，古建筑三维数字化已经成为古建保护及修缮不可或缺的技术，不仅可以对古建筑现状结构、纹理等进行精细的三维数字化留存，还可以通过分割、建模、量测、分析等得到古建筑的健康情况，还可以在虚拟环境下对其进行重建、管理、展示、改造设计等，为古建筑保护及修复提供全方位的可靠数据。在上述过程中，古建筑的现状模型重建对于古建筑健康状况的评估是非常重要的数据，虽然三维激光扫描技术可直接快速获取到现状的点云数据，但是离散点云数据不能用来进行古建筑健康分析，有很多研究者通过3dsmax或revit软件对点云进行建模从而生成古建筑构件模型，但是基于软件的手动建模方法需经过点云分割、局部建模、拉伸、连接等工序，且地面激光扫描点云往往会存在一定的数据漏洞的问题，即使数据完整的部分也只是表面点云，缺少古建筑构件之间连接的榫卯结构，所以基于软件的手动建模方式费时、费力、精度不能得到保证问题。手动建模的缺陷在于人工建模的熟练度，并且通过肉眼将三维模型变形贴近三维激光点云，以次来保证建模精度，事实上局部贴近需要局部放大，而忽略整体其他部分，效率低下。
技术实现思路
1、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。
2、本专利技术还
3、为此，本专利技术提供的技术方案为：
4、一种基于自适应权重拉普拉斯的古建筑构件模型变形方法，包括：
5、步骤一、采集古建筑构件变形对象的三维激光扫描点云获得构件现状点云，并建造其相应的标准构件模型；
6、步骤二、计算所述标准构件模型和所述构件现状点云的同名点对；
7、步骤三、进行迭代变形直至输出变形结果，包括：
8、3.1)采用了余切拉普拉斯变形算法，利用所述标准构件模型构建一个拉普拉斯矩阵，且设置所述拉普拉斯矩阵中控制点约束权重系数的初始值和权重步长的初始值，输入所述同名点对，计算，实现所述标准构件模型的一次变形；
9、3.2)计算均方根误差：将经过一次变形的标准构件模型数据转为点云数据，并和所述构件现状点云配准后计算均方根误差rmse；
10、3.3)以一定的权重步长δw增加控制点约束权重系数，重复进行步骤3.1)中的计算，实现所述标准构建模型的新的一次变形，根据步骤3.2)计算出新的均方根误差rmsenew与上一次变形结果的均方根误差rmseold相比较，若新的均方根误差rmsenew降低，则减少所述权重系数，若新的均方根误差rmsenew增加，则增加所述权重系数；
11、3.4)判断至少连续两次的均方根误差的差值是否在一定阈值内，如果在一定阈值内，且最后一次的均方根误差的值低于所述一定阈值，则输出标准构件模型的该次变形结果；如果均方根误差不收敛，则根据步骤3.3)继续调整所述权重步长δw值，直至连续两次均方根误差的差值在所述一定阈值内，且最后一次的均方根误差的值低于所述一定阈值，并输出标准构件模型的最后一次变形结果。
12、优选的是，所述的基于自适应权重拉普拉斯的古建筑构件模型变形方法中，步骤3.2)中，依照下式计算所述均方根误差：
13、rmse＝|vi-pi|i∈e(9)
14、其中，vi表示变形后的标准构件模型新顶点，pi表示所述构件现状点云中与vi最邻近的点。
15、优选的是，所述的基于自适应权重拉普拉斯的古建筑构件模型变形方法中，步骤3.3)中，所述权重系数的计算方法为：
16、
17、其中，wnew为下一次变形中的权重系数的设定值，wold为上一次变形中的权重系数的设定值。
18、优选的是，所述的基于自适应权重拉普拉斯的古建筑构件模型变形方法中，步骤3.3)中，所述一定阈值kthreshold为所出现数据点位极大值和极小值中均方值误差最小值、包含在多个数据点连线中斜率正负号改变的前两次数据点的数值，δwnew为新的权重系数步长，如公式(12)所示：
19、
20、
21、通过精度范围波动确定阈值kthreshold，在进行多次变形的同时更新阈值kthreshold，每次产生数据波动后计算阈值kthreshold的范围差值是否在高于设置的精度，如果高于设置的精度则输出变形结果，如果低于设置的精度则继续改变系数步长，更新权重系数继续变形，更新范围。
22、优选的是，所述的基于自适应权重拉普拉斯的古建筑构件模型变形方法中，步骤二中，计算所述标准构件模型和所述构件现状点云的同名点对的方法包括：
23、对所述标准构件模型，首先根据模型包围盒大小对所述标准构件模型进行均分，然后设置相应的z坐标阈值，利用公式(1)计算中轴线上的点，根据模型顶点使用随机采样一致算法拟合出所述标准构件模型的中轴线；
24、
25、对所述构件现状点云，用随机采样一致算法拟合点云的数学模型并提取点云的中轴线；
26、对所述标准构建模型的中轴线和所述构件现状点云的中轴线取n个点对，并通过每个中轴线的n个点分别其的垂面，在每个所述垂面上，分别以n个点为起始点，以某个方向为起始方向，做m个角平分射线，通过分别计算两组m*n条射线与所述标准构件模型、构件现状点云的交点，得到所述标准构件模型、构件现状点云的所述同名点对信息。
27、优选的是，所述的基于自适应权重拉普拉斯的古建筑构件模型变形方法中，步骤3.1)中，拉普拉斯变形算法公式，如下所示：
28、
29、
30、
31、δ＝lv (5)
32、其中，l为拉普拉斯矩阵，lij为非零对角线元素取值、是边(vi,vj)的长度，lii为对角线元素取值，si是顶点vi的维诺域面积，δi代表该点位经过拉普拉斯变形之后的坐标组，分别代表经过变形坐标之后的x、y、z坐标分量，di代表该点位领域内顶点个数，cotμij，cotγij，分别为顶点vi和相邻顶点vj作为两个相邻三角面片的共用边时在三角面片中的对着的角的余切值；
33、然后对控制点加入约束权重wanchor
34、
35、最后解算计算超定方程组，至此所述一次变形完成，如公式(7)：
36、
37、优选的是，所述的基于自适应权重拉普拉斯的古建筑构件模型变形方法中，所述权重系数的初始值设置为1，所述权重步长δw的初始值设置为0.1。
38、优选的是，所述的基于自适应权重拉普拉斯的古建筑构件模型变形方本文档来自技高网...
【技术保护点】
1.一种基于自适应权重拉普拉斯的古建筑构件模型变形方法，其特征在于，包括：
2.如权利要求1所述的基于自适应权重拉普拉斯的古建筑构件模型变形方法，其特征在于，步骤3.2)中，依照下式计算所述均方根误差：
3.如权利要求1所述的基于自适应权重拉普拉斯的古建筑构件模型变形方法，其特征在于，步骤3.3)中，所述权重系数的计算方法为：
4.如权利要求1所述的基于自适应权重拉普拉斯的古建筑构件模型变形方法，其特征在于，步骤3.3)中，所述一定阈值Kthreshold为所出现数据点位极大值和极小值中均方值误差最小值、包含在多个数据点连线中斜率正负号改变的前两次数据点的数值，ΔWnew代表新的权重系数步长，ΔWold为旧的权重系数步长，如公式(12)所示：
5.如权利要求1所述的基于自适应权重拉普拉斯的古建筑构件模型变形方法，其特征在于，步骤二中，计算所述标准构件模型和所述构件现状点云的同名点对的方法包括：
6.如权利要求1所述的基于自适应权重拉普拉斯的古建筑构件模型变形方法，其特征在于，步骤3.1)中，拉普拉斯变形算法公式，如下所示
7.如权利要求1所述的基于自适应权重拉普拉斯的古建筑构件模型变形方法，其特征在于，所述权重系数的初始值设置为1，所述权重步长ΔW的初始值设置为0.1。
8.如权利要求1所述的基于自适应权重拉普拉斯的古建筑构件模型变形方法，其特征在于，步骤三中，将连续多次均方值误差并在所述一定阈值内得到的权重系数作为最佳控制点约束权重系数Wanchor。
9.如权利要求1所述的基于自适应权重拉普拉斯的古建筑构件模型变形方法，其特征在于，所述古建筑构建包括柱、梁、枋和斗拱。
...【技术特征摘要】
1.一种基于自适应权重拉普拉斯的古建筑构件模型变形方法，其特征在于，包括：
2.如权利要求1所述的基于自适应权重拉普拉斯的古建筑构件模型变形方法，其特征在于，步骤3.2)中，依照下式计算所述均方根误差：
3.如权利要求1所述的基于自适应权重拉普拉斯的古建筑构件模型变形方法，其特征在于，步骤3.3)中，所述权重系数的计算方法为：
4.如权利要求1所述的基于自适应权重拉普拉斯的古建筑构件模型变形方法，其特征在于，步骤3.3)中，所述一定阈值kthreshold为所出现数据点位极大值和极小值中均方值误差最小值、包含在多个数据点连线中斜率正负号改变的前两次数据点的数值，δwnew代表新的权重系数步长，δwold为旧的权重系数步长，如公式(12)所示：
5.如权利要求1所述的基于自适应权重拉普拉斯的...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。