[发明专利]一种大规模稠密点云法线的确定方法

说明书

一种大规模稠密点云法线的确定方法，解决法线确定效率问题，采用的方法是，将点云整体视为曲面，将点云数据分割到很小的空间立方体内，同立方体内的点云数据均视为在同一平面上，对于包含点云的立方体，为其构造一个附着在该曲面上的插值节点，从而形成一系列插值节点。通过邻域搜索、主成分分析计算所有插值节点的法线。将同一立方体内的所有点云及相邻立方体内所有插值节点沿法线最大分量方向投影到坐标平面内，得一系列二维点，利用双线性插值，求每个二维点法线。利用投影对应关系将法线指定给相应的三维点云数据，完成点云法线计算。有益效果为：邻域搜索和法线计算次数大大减少，通过设置立方体边长大小可获得不同精度的法线计算结果，使用方便、灵活。

技术领域：

本发明属于光学三维测量数据处理领域，一种对大规模稠密点云法线的确定方法。

背景技术

光学三维测量技术的发展使得大规模稠密点云的获取能够在几秒钟内完成，一个物体的模型往往需要百万以上的三维点云来表达。由于三维点云数据使用十分方便，从而获得越来越广泛的应用。点云数据的法线计算是特征提取、数据精简、数据平滑、曲面重建等处理的基础，是点云数据处理的关键基础技术。

三维点云数据在空间上往往是散乱的，点与点之间没有直接的联系，因此，点云数据的法线计算通常先针对散乱数据进行分割，建立空间拓扑结构，根据给定点的坐标计算其处于空间拓扑结构的具体位置，缩小点云数据的搜索范围，加快局部搜索速度，在获得给定点的邻域后，进行曲面或平面拟合从而获得法线。然而，由于点云数据量大以及处理技术的局限性导致大规模稠密点云数据的法线计算效率低、处理能力受限。大规模稠密点云数据的法线计算难以满足效率上的要求，其不足之处主要为：

(1)点云分割的大小需要人为的指定，往往需要多次尝试以获得合理值。

(2)点云数据的邻域在空间上虽然接近给定点，然而邻域分布的均匀性难以保证，法线计算结果难免出现偏差。

(3)利用邻域进行曲面或平面拟合一般需要进行矩阵的奇异值分解，对于给定的m×n矩阵，当m≥n时奇异值分解的时间复杂度为O (mn²)。伴随点云数量增加，庞大的计算量令效率成几何级数下降。

基于以上原因，大规模稠密点云法线计算往往成为制约处理效率的瓶颈，快速发展的光学三维测量技术需要高效、精确的点云数据处理技术和方法。

发明内容

本发明针对大规模稠密点云数据的法线计算效率低的问题，将点云整体视为曲面，采用空间分块处理策略，将点云数据分割到很小的空间立方体内，每个立方体内的点云数据均可视为在同一平面上。对于包含点云的立方体，为其构造一个附着在该曲面上的插值节点，从而形成一系列插值节点。通过邻域搜索、主成分分析算法计算所有插值节点的法线。将同一立方体内的所有点云及相邻立方体内所有插值节点沿法线最大分量方向投影到坐标平面内，从而得到一系列二维点，利用双线性插值思想，为每个二维点计算一个法线。利用投影对应关系将法线指定给相应的三维点云数据，最终形成完整的大规模稠密三维点云法线计算技术。

本发明为实现发明目的采用的技术方案是：

一种大规模稠密点云法线的确定方法，该方法基于法线的双线性插值算法，通过对稠密点云进行空间分割，构造插值节点，确定插值节点计算法线及为点云数据法线的插值计算处理，得到所有稠密点云数据的法线，该方法由以下步骤实现：

步骤1.给定点云数据S＝{X_t＝(x_t,y_t,z_t)∈R³|t＝1,…,N}，遍历点云数据获得点云数据在X、Y和Z方向上的最大坐标值和最小坐标值x_max、 x_min、y_max、y_min、z_max、z_min；

根据总点数N利用公式(1)计算分割点云立方体边长L；