[发明专利]心脏散乱点云数据曲面重建的方法

说明书

技术领域

本发明涉及曲面重建领域，尤其涉及一种心脏曲面重建方法。

背景技术

曲面重建即由从实物或样件上采集的三维数据快速准确高效地获取其复杂的三维表面模型的过程，目前在逆向工程中应用较多。所谓逆向工程，是利用电子仪器从实物或样件上采集原始数据，再利用计算机设备将数据转换成概念模型，并在此基础上对产品进行分析、修改及优化等相关信息的技术，是CAD/CAM 中一个相对独立的范畴。目前，曲面重建技术已在许多领域广泛应用，如生产制造业、动画游戏、模具设计、医学仿真以及考古等。

由于测量设备采集的三维数据通常比较密集，因而形象地称之为点云数据(Point Cloud)，点云数据可认为是三维空间中点的集合，每个点云具有x、y、z三个方向的坐标值。按照数据的组织形式不同，点云数据可分为有序点云和散乱点云。有序点云的重建是指对采集于已知曲面上的一系列采样点，构造出依次通过这些采样点的曲面，作为原曲面的逼近；而在实际中，由于采集设备的限制和采集方式的不同，获取的数据点集并没有特定的组织形式，称之为散乱点云。由于采样密度足够大，造成采集到的数据有冗余和噪声，因此无法找到通过采样点的准确曲面，对于散乱点云，通常是根据采样点集重建出能够反应原始点云形状的面作为重建曲面。

目前，关于点云数据曲面重建的研究已在国内外广泛展开，大体有基于组合结构和基于隐函数两大类方法。基于组合结构的方法，如Delaunay三角化、                                               shape、Crust等，这类方法是通过建立三角网格来插值全部或大部分点从而重建曲面。基于隐函数的方法，如快速傅立叶变换和径向基函数等，这类方法则通过定义分段函数，设定模型内外阈值，提取等值面来直接重建逼近表面。

发明内容

本发明所要解决的技术问题是提供一种心脏散乱点云数据曲面重建的方法，该方法利用计算机图形学和图像处理等技术由大量心脏散乱点云数据进行曲面重建得到三维可视化模型，不但可以直观精确地显示心脏的空间位置关系，而且能够实现三维空间内的任意显示、缩放、旋转和切割。

本发明是这样实现的：一种心脏散乱点云数据曲面重建的方法，对导管采集的含有噪声和大量外点且采样不均匀的心脏散乱点云数据重建出心脏三维表面模型，包括以下步骤：

步骤一、对采集的点云数据定义其数据表示形式，建立八叉树拓扑关系，并定义空间函数；

步骤二、创建向量场，选取局部邻接平面，由局部邻接平面的面法向量的均值求出顶点法向量；

步骤三、将顶点法向量一致化；

步骤四、求解泊松方程得到指示函数，根据指示函数及其梯度，采用MC算法提取等值面，完成心脏三维表面模型的重建。

所述步骤一中建立八叉树拓扑关系，定义空间函数，其具体步骤如下：

1)对导管采集的心脏散乱点云数据建立八叉树拓扑关系；

2)设置八叉树的最大递归深度，将所有心脏散乱点云数据都加入到八叉树中；

3)对建好的八叉树的每个结点定义结点函数，并采用包围盒滤波的n维卷积来选择空间函数：

 

其中，是点云数据点集中任一点的坐标，是包围盒滤波函数，，n是滤波器的阶数，这里取3。

所述八叉树的最大递归深度为8。

所述步骤二中创建向量场，选取局部邻接平面，并求出顶点法向量，其具体步骤如下：

1)用KNN算法获取其最近的K个邻点，用最小二乘逼近法计算拟合该点及其邻接点集的局部邻接平面；

2)求邻接面的面法向量：

并由其均值求出顶点法向量：

其中，、是整数，用于标记点云数据点集中的点，是其中的任一点，在这里称为顶点，用于标记第个点云数据的K近邻区域中的点，是K近邻区域中的任一点，是点与点构成的局部邻接平面，为点到坐标原点的距离，是高斯权重函数，它以每个点在三维坐标平面上的投影点的距离为参数，符号表示点和点之间的距离，函数表示在约束条件下求得法向量的最小化的坐标；

3)定义指示函数向量场的逼近：

其中，是点云数据点集，是点集中任一点的K近邻区域，是任一结点的K近邻区域中深度为的8个结点，是线性系数，是点的结点函数，是点的顶点法向量。

所述步骤三中将顶点法向量一致化，其具体步骤如下：