一种保留细节与边界特征的点云精简方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN110807781A(43)申请公布日2020.02.18(21)申请号201911016983.7(22)申请日2019.10.24(71)申请人华南理工大学地址510640广东省广州市天河区五山路381号(72)发明人肖恭兵刘伟东刘屿(74)专利代理机构广州市华学知识产权代理有限公司44245代理人陈宏升(51)Int.Cl.G06T7/11(2017.01)G06K9/62(2006.01)权利要求书3页说明书7页附图3页(54)发明名称一种保留细节与边界特征的点云精简方法(57)摘要本发明公开的一种保留细节与边界特征的点云精简方法，包括以下步骤，读取原始点云模型数据，得到原始点云数据并进行栅格化处理，建立局部k-d树；拟合最小微切平面，计算该点云数据的投影点的加权等效合力Fi及其平均值F，当Fi＞F，则为边界点并保留，得到边界精简子集PSet1；对于非边界点，估算其局部密度ρi并进行分块得到相应子集；计算非边界点的法向量，根据局部密度ρi计算局部特征因子Di及其平均值D，分别为相应子集选定阈值μTH，当Di/D＞μTH，保留该点云数据，得到特征点精简子集PSet2；将边界精简子集PSet1和特征点精简子集PSet2合并，获得精简点云数据集PSet，本发明便于获取数据量合适且不失真的点云模型，提高点云精简效率，使曲面细节特征和边界特征描述更精确。CN110807781ACN110807781A权利要求书1/3页1.一种保留细节与边界特征的点云精简方法，其特征在于，包括以下步骤：S1、读取原始点云模型数据，得到原始点云数据；S2、将原始点云数据进行栅格化处理，并建立局部k-d树，所述建立局部k-d树，具体为每个点云数据只在其所在栅格及其邻域栅格建立k-d树；其中每个点云数据的邻域栅格定义为(lx±i,ly±j,lz±k)，i,j,k∈[-1,1]；S3、对栅格化处理后的点云数据及其k邻域的点拟合最小微切平面，并将该点云数据及其k邻域的点投影到微切平面上，求取该点云数据的投影点出发到其邻域投影点的向量，将其向量进行归一化，得到归一化数据计算该点云数据的投影点的加权等效合力Fi，进而计算加权等效合力的平均值F，如果Fi＞F，则该点云数据被视为边界点，对其进行保留，得到边界精简子集PSet1；S4、对于非边界点，估算每个点云数据所属k邻域内的局部密度ρi并进行分块，得到欠特征点集S1、特征点集S2和富特征点集S3；S5、计算非边界点的法向量，并根据距离权重计算每个点云数据与其邻域各点法向量夹角的加权平均值θi；S6、根据局部密度ρi计算局部特征因子Di，进而计算其平均值D，分别为欠特征点集S1、特征点集S2和富特征点集S3选定阈值μTH，即对应的阈值分别为当Di/D＞μTH时，保留该点云数据，否则删除该点云数据，合并每个子集保留后的点云数据集合得到特征点精简子集PSet2；S7、将边界精简子集PSet1和特征点精简子集PSet2合并，获得精简点云数据集PSet。2.根据权利要求1所述的一种保留细节与边界特征的点云精简方法，其特征在于，所述步骤S2具体为：根据点云数据随机采样密度ρ划分立方体栅格边长L，所述立方体栅格边长L最小为采样密度ρ的m倍，将点云数据包围盒分割为空间栅格，并对每个点云数据建立k邻域。3.根据权利要求2所述的一种保留细节与边界特征的点云精简方法，其特征在于，所述将点云数据包围盒分割为空间栅格，具体为：将点云数据按照x,y,z方向划分的栅数Mx,My,Mz，计算如下：其中，xmax为坐标x方向最大值，xmin为坐标x方向最小值，ymax为坐标y方向最大值，ymin为坐标y方向最小值，zmax为坐标z方向最大值，zmin为坐标z方向最小值；为取整，δ为扩张量。4.根据权利要求1所述的一种保留细节与边界特征的点云精简方法，其特征在于，所述采样密度ρ通过以下计算获得：2CN110807781A权利要求书2/3页其中，n为随机取出的点云数据个数，n取值范围为20～30，di为与点云数据最近点的间隔。5.根据权利要求1所述的一种保留细节与边界特征的点云精简方法，其特征在于，所述步骤S3具体为：对每个点云数据及其k邻域的点拟合一个微切平面，所述最小微切面的拟合使用最小二乘法，将该点云数据及其k邻域的点投影到微切平面上，求取该点云数据的投影点出发到其邻域投影点的向量，将其向量进行归一化，得到归一化数据其中j∈[1,k]；计算该点云数据的投影点的加权等效合力，计算如下：其中，wij为的加权系数；dij为的模，即该点云数据的投影点到该点云数据的邻域投影点的距离；计算加权等效合力的平均值，计算如下：其中，N为点云数据总个数；如果Fi＞F，则该点云数据被视为