[发明专利]一种场景理解的网格曲面重建方法

权利要求书

1.一种场景理解的网格曲面重建方法，其特征在于，步骤如下：

步骤一、采用光学或非光学设备获取点云模型，并输入来源自不同场景的点云模型；

步骤二、对输入的数据进行异常数据识别、法矢量计算和一致性调整；

步骤三、对点云进行视觉感知特性的广义几何图元区域分割；所述的步骤三具体为：

3.1，将复杂的场景根据局部区域的特征划分为由多个基本的“块”或“片”对应的广义几何图元组合体，把点云整体模型的重建问题统一转化为对广义几何图元的重建；

3.2，基于“先提取分支区域，再切片剩余区域”的点云分割思路，提取模型的以2D曲面或1D曲线呈现的低维度内在特征信息，作为视觉感知分割的基础依据；

3.3，基于视觉投影映射的可视区域采集方法，将对三维点云的分析降维到对二维深度图的分析，基于顶点与法矢量内在一致统一的分割算法，实现对形态复杂区域具有局部视觉感知的“片”状分割，从而最终实现点云具有视觉感知特性的区域分割；

3.4，根据骨架点在其对应法向n所在直线上的特性，设计面向开放、噪声曲面点云的近似骨架点求解算法：

为点云对应的骨架；(p,q)对应的最大内切球球心c_p＝q＝p-ρ_pn_p，为B_p与的切点，θ_p为球心到两切点的张角，半径骨架点的求解可转化为迭代计算是否为1的问题；

蕴含顶点位置、半径信息等的相似度度量函数可表示为k(B_pi,B_pj)＝f₁(||p_i-p_j||)f₂(|ρ_i-ρ_j|)，采用异常数据识别的最优化目标函数，依据局部形态的几何信息重新计算准确的数据信息；

骨架点可表示为从中提取出对应的1D结构骨架中心曲线表示为骨架中心曲线的提取转化为求解类似AX＝BQ方程，A为严格对角占优矩阵；

3.5，对求解得出的结果采用基于MLS的移动最小二乘曲线拟合和基于主成分分析投影的方法得到最终的骨架中心曲线，对应曲线的分支为

采用骨架中心曲线并结合扫掠判断准则，提取得到视觉感知明显的“最小”化分支区域，扫掠依据的判断准则可设计为：

g(θ_i|Θ)越大，θ_i越优，当g(θ_i|Θ)小于给定阈值时延分支的扫掠停止；

骨架曲线分支的垂直平面表示为π_⊥，θ作为垂直平面π_⊥的临近区域，为前后相邻的K个临近区域提取结果，核函数f(x)计算θ_i临近之间的相似度；

骨架点对应内切球B_p的并集能准确的对模型Ω进行基于体方式的描述，因此点p的可见性即转化成其是否落在球的可见范围内，从而采用深度图映射的方式实现对视场可见区域点云的提取；

3.6，构建单位球在与视平面平行的H×H的正方形栅格化板上的深度值映射函数T(u,v)，T(u,v)为单位球在位置对应的深度值；对所有进行栅格化映射后即可得到模型对应视场方向上的深度图矩阵D，点p的可见性由其深度值可以直接计算；从视场L^*方向上提取的可见点云为P_V，根据D与P_V之间的对应关系，对D中对应像素点进行平面网格化即可得到P_V对应的空间网格M_V；对整个点云模型从多个不同视场方向进行基于深度图映射的分割，最终得到对整个点云模型的具有视觉感知的分割结果；

步骤四、对分割后的点云广义几何图元进行基于场景的自学习理解和缺失区域自动修复；

步骤五、对进行场景理解和自动修复后的分割点云进行视觉超球面二元映射的拟计算几何点云曲面重建；

步骤六、对应为重建后的点云网格模型，重建结果遵循ρ-ε重建准则。