一种基于动态网格k邻域搜索的激光点云精简方法.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CN108830931A(43)申请公布日2018.11.16(21)申请号201810502410.4(22)申请日2018.05.23(71)申请人上海电力学院地址200090上海市杨浦区平凉路2103号(72)发明人陈辉黄晓铭冯燕徐鹏崔承刚(74)专利代理机构上海科盛知识产权代理有限公司31225代理人叶敏华(51)Int.Cl.G06T17/10(2006.01)G06K9/62(2006.01)权利要求书2页说明书7页附图9页(54)发明名称一种基于动态网格k邻域搜索的激光点云精简方法(57)摘要本发明涉及一种基于动态网格k邻域搜索的激光点云精简方法，该方法首先由点云数据点的k邻域计算点的曲率、点与邻域点法向夹角平均值、点与邻域点的平均距离，然后利用上述三个参数定义特征判别参数和特征阈值，比较大小，对特征点进行提取保留，最后利用包围盒法对非特征点进行二次精简，将精简后的点云与特征点拼接，最终得到精简后的点云数据。与现有技术相比，本发明方法可高精度的保留模型几何特征，避免空白区域的产生，有效提高了计算效率，具有很好的实用价值。CN108830931ACN108830931A权利要求书1/2页1.一种基于动态网格k邻域搜索的激光点云精简方法，其特征在于，该方法包括以下步骤：1)构建动态约束网格，获取点云数据点的k邻域点；2)利用PCA方法求取点云数据点的曲率及法向量；3)计算点云数据点与邻域点法向夹角平均值及平均距离；4)根据步骤2)获取的曲率及步骤3)获取的法向夹角平均值及平均距离，定义特征判别参数及判别阈值，并判断特征判别参数是否大于判别阈值，若是，将该点云数据点作为特征点保留，输出点云数据，否则，将该点云数据点构成非特征点集，执行下一步；5)采用包围盒精简法对非特征点进行二次精简，获取最终点云数据；6)对精简后的点云数据进行精度评估。2.根据权利要求1所述的一种基于动态网格k邻域搜索的激光点云精简方法，其特征在于，步骤1)具体包括以下步骤：101)扩展一定边长的立方体范围，并能根据实际情况改变边长的大小，以此获取一个动态约束网格；102)在扩展的立方体范围内，求出此范围内点集的点数m；103)当点数m的值为αk≤m≤βk时，在该点集内搜索k邻域点，当m≤αk时，将边长的取值增大，扩大网格的约束范围，回到步骤102)，当m≥βk时，将边长的取值减小，缩小网格的约束范围，回到步骤102)，其中，α和β为调节系数。3.根据权利要求1所述的一种基于动态网格k邻域搜索的激光点云精简方法，其特征在于，步骤2)的具体内容为：利用PCA方法对点云数据点的k邻域点进行协方差分析，估算点云数据点的法向量，在法向量估算的基础上进行点云数据点的曲率估算。4.根据权利要求1所述的一种基于动态网格k邻域搜索的激光点云精简方法，其特征在于，步骤3)中，点与邻域点法向夹角平均值θ(gi)的计算公式为：式中，gi与gj分别为数据点及其邻域点，为gi与gj的法向夹角余弦，其表达式为：式中，与分别为gi和gj的法向。5.根据权利要求4所述的一种基于动态网格k邻域搜索的激光点云精简方法，其特征在于，步骤3)中，点与邻域点的平均距离D(gi)的计算公式为：6.根据权利要求5所述的一种基于动态网格k邻域搜索的激光点云精简方法，其特征在于，步骤4)中，特征判别参数w(gi)定义为：2CN108830931A权利要求书2/2页式中，λH，λθ，λd分别为曲率系数、夹角系数和距离系数，Hi为点云数据点的曲率。7.根据权利要求6所述的一种基于动态网格k邻域搜索的激光点云精简方法，其特征在于，步骤4)中，特征判别阈值δ定义为：式中，η为特征点数量控制系数，N为点云数据点个数。8.根据权利要求7所述的一种基于动态网格k邻域搜索的激光点云精简方法，其特征在于，步骤5)具体包括以下步骤：501)将步骤4)判定的非特征点作为待处理点云集读入，求出点云数据点在x、y、z方向上的最大值和最小值，获取大包围盒的边长；502)根据精简率的需要确定小包围盒的边长，将大包围盒分割成均匀大小的小包围盒；503)将点云集中所有点按其三维坐标划分到不同的小包围盒内，对每一个小包围盒，获取其内部所有点到其中心的距离并进行排序，保留距离中心最近的点；504)将步骤503)中保留的点与步骤4)判定的特征点数据进行拼接整合，获取二次精简后的点云数据。9.根据权利要求8所述的一种基于动态网格k邻域搜索的激光点云精简方法，其特征在于，步骤6)中，采用最大误差和平均误差对精简后的点云数据与原始点云进行评估，最大误差的表达式为：平均误差的表达式为：式中，d(g,S*)为原始曲面S上采样点g到二次精简点云曲面S*上投影点g*的欧式距离，*