[发明专利]一种针对三维点云的多平面识别方法

说明书

本发明公开了一种针对三维点云的多平面识别方法，其特征在于：包括步骤：步骤1，在存在多个平面的三维点云中，为每一个点评估附近存在平面的可能性，使每个点获得一个可靠性评分；步骤2，利用点的可靠性评分、点与点间的法向偏差与位面偏差来为平面分割构建整片点云的空间密度树；步骤3，对构建好的空间密度树进行裁剪，使不同平面上的点分别聚集在不同子树上，从而实现多平面识别。本发明对三维点云建立适用于平面分割的空间密度树模型，在无需指定平面个数的情况下，自然地将点云中的多个平面分割出来，尤其对于距离很近的平行平面有很强的区分能力，具有识别高效、准确的特点，对各类拥有平面的点云都具有广泛的适用性。

技术领域

本发明涉及计算机视觉三维感知与三维点云处理领域，具体涉及一种针对三维点云的多平面识别方法。

背景技术

随着三维扫描技术、摄影测量和深度传感器的发展与普及，我们能够便捷地获得到海量的三维点云信息。相比于二维图像信息，三维点云能够更为准确直观地描述物体的几何属性。事实上，生活与工业产品的几何外形由平面、球面、柱面及锥面等几何基元构成的。从含丰富信息的点云数据利用计算机自动高效地分析出零件的几何基元是三维点云处理领域的一个重要部分。

平面作为基本几何基元是最常见、最有特点的一类物体，大量存在于生活与工业产品中。从无序点云中高效识别其中的所有平面，获取其准确几何属性是点云处理中的关键问题。有效解决平面识别问题可以降低计算机的运算难度，确定目标物体的姿态和属性，进而使机器能够更好的感知世界。

三维点云是目标物体的表面采样点，具有高精度、高密度的特点。现主要三维点云平面识别方法有Hough变换法与RANSAC算法。在实际应用过程中，Hough变换法检测时需要庞大的参数空间，参数空间中各个轴的单位尺度严重影响平面参数估计的准确度；RANSAC算法在处理大场景或者多平面的情况下，常常出现错误拟合，造成错误识别。这些方法都不能很好的解决多平面识别问题。

发明内容

为解决现有技术中的不足，本发明提供一种针对三维点云的多平面识别方法，解决了现有三维点云平面识别方法估计不准确的问题。

为了实现上述目标，本发明采用如下技术方案：一种针对三维点云的多平面识别方法，其特征在于：包括步骤：

步骤1，在存在多个平面的三维点云中，为每一个点评估附近存在平面的可能性，使每个点获得一个可靠性评分m_i；

步骤2，利用点的可靠性评分m_i、点与点间的法向偏差e_ij与位面偏差f_ij来为平面分割构建整片点云的空间密度树；

步骤3，对构建好的空间密度树进行裁剪，使不同平面上的点分别聚集在不同子树上，从而实现多平面识别。

前述的一种针对三维点云的多平面识别方法，其特征是：所述步骤1具体步骤包括：

1)，假设输入点云为含有n个点的点集P＝{P₁,......,P_n}，其中P_i(1≤i≤n)代表点云中第i个三维点，根据点P_i的坐标(x_i,y_i,z_i)与其法向N_i(n_xi,n_yi,n_zi)建立该点的局部平面模型假设S_i，S_i的平面方程为：

n_xi×(x-x_i)+n_yi×(y-y_i)+n_zi×(z-z_i)＝0 (1)