基于自适应正圆溅射的三维点云表面重建方法技术

本发明专利技术公开了基于自适应正圆溅射的三维点云表面重建方法，涉及机器视觉技术领域，包括输入激光雷达点云数据集；基于输入的点云数据，计算其中每个点云数据点的正圆半径；计算所有数据点的最小邻域；利用主元分析法计算所有最小邻域的法向量；基于输出的数据计算所有点的语义标签值，并进行语义分类；构造所有数据点的初始正圆；对所有最小邻域内的数据点进行排序；更新正圆半径，从最小邻域内提取数据点；更新正圆圆心；删除正圆内的部分数据；若剩余数据点，则回到第二步骤；否则算法结束，表面重建完成。本发明专利技术所述方法所采用的语义分类方式不依赖于神经网络，具有计算开销低、计算成本低的优势。

【技术实现步骤摘要】

本专利技术涉及机器视觉，特别是基于自适应正圆溅射的三维点云表面重建方法及系统。

技术介绍

1、激光雷达三维重建技术是一种基于激光点云数据实现三维场景数字化建模的技术，在计算机视觉、测绘遥感、虚拟现实、导航定位等领域得到广泛应用。点云表面重建是激光雷达三维重建的经典技术和关键环节，可在点云配准的基础上生成扫描物的包络，采用delaunay三角化网格是实现表面重建的主流技术。然而，在实际建模应用环境中(如开放环境和薄片结构)，此类方法在表达复杂结构时效果欠佳，存在应用局限性。为解决该问题，本专利技术提出一种正圆形表面重建方法，其大小可根据语义或者本地集合信息自适应调整。针对这些不足，我方专利技术提出了基于自适应正圆溅射的三维点云表面重建方法。本专利技术与常规方法主要有两方面不同点：第一，传统表面重建技术通常基于三角网格模型或者混合式网格模型，在复杂三维结构(开放式形状、超薄结构等)情况下重建精度较低；而本方法采用自适应调整大小的正圆模型进行表面建模，精度更高。第二，传统表面重建技术通常采用深度学习、人工标注的方式进行点云数据的语义分割，在点云数量巨大的情况下分本文档来自技高网...

【技术保护点】

1.基于自适应正圆溅射的三维点云表面重建方法，其特征在于：包括，

2.如权利要求1所述的基于自适应正圆溅射的三维点云表面重建方法，其特征在于：所述输入激光雷达点云数据集包括输入激光雷达点云数据集：

3.如权利要求2所述的基于自适应正圆溅射的三维点云表面重建方法，其特征在于：所述计算所有数据点的最小邻域包括确定所有点的最小邻域：

4.如权利要求3所述的基于自适应正圆溅射的三维点云表面重建方法，其特征在于：所述利用主元分析法计算所有最小邻域的法向量包括以点ipi为例，PCA后获得特征向量和相应的特征值(λi1,λi3,λi3)，其中λi1≥λi3≥λi3，...

【技术特征摘要】

1.基于自适应正圆溅射的三维点云表面重建方法，其特征在于：包括，

2.如权利要求1所述的基于自适应正圆溅射的三维点云表面重建方法，其特征在于：所述输入激光雷达点云数据集包括输入激光雷达点云数据集：

3.如权利要求2所述的基于自适应正圆溅射的三维点云表面重建方法，其特征在于：所述计算所有数据点的最小邻域包括确定所有点的最小邻域：

4.如权利要求3所述的基于自适应正圆溅射的三维点云表面重建方法，其特征在于：所述利用主元分析法计算所有最小邻域的法向量包括以点ipi为例，pca后获得特征向量和相应的特征值(λi1,λi3,λi3)，其中λi1≥λi3≥λi3，则点ipi最小邻域的法向量为

5.如权利要求4所述的基于自适应正圆溅射的三维点云表面重建方法，其特征在于：所述计算所有点的语义标签值，并进行语义分类包括计算点云中每个点的三种语义分类标签值用于点云语义分类：

6.如权利要求5所述的基于自适应正圆溅射的三维点云表面重建方法，其特征在于：所述构造所有数据点的初始正圆包括以点ipi为例，其正圆si定义为...

【专利技术属性】
技术研发人员：陈亚杰，陆敏安，徐友刚，谭佳，黄强，周青，马晔晖，漆璇，张红燕，陈娟，牟锴，谢伟，吴奕峰，庄晟，郑真，王超，陈林，熊骏，
申请(专利权)人：国网上海市电力公司，
类型：发明
国别省市：