[发明专利]一种场景理解的网格曲面重建方法

说明书

本发明公开了一种场景理解的网格曲面重建方法，属于三维图形学领域，本发明方法通过基于无向图网络的数学模型自动识别异常数据，采用内在曲面映射的方式估算调整点云法向矢量；求解点云模型的低纬度特征信息，抽取骨架中心曲线，设计复杂分支区域的“块”体分割模式；对去除分支后的点云，采用深度图映射的方式识别构建点云的视场可见区域，设计基于视觉聚类的“片”体分割模式；基于分割结果构建自学习场景理解模型，对缺失区域实现自动修复；最后，设计基于超球面映射机制的点云重建算法，实现忠实于原始点云的表面数据重建，该能够应用于对CAD模型、建筑物、有机体及多种场景混合的点云模型进行高效准确的重建。

技术领域

本发明属于三维图形学领域，本发明涉及一种场景理解的网格曲面重建方法及系统，具体是一种场景理解的网格曲面重建方法。

背景技术

针对测量所得点云的大数据量、散乱无序、局部缺失的特点，如何能对多种类型(如：LIDAR数据，ATOS结构光、Faro激光等扫描仪获取的数据)的被测实体进行高效、准确的重建出其对应的三角网格模型，一直是学界研究的热点。

综合从重建算法理论、模型来源分类、处理海量点云的方式三个方面的研究分析来看，重建算法在具有以下三个方面的特性时，将使得重建算法能有效处理复杂形态、多种来源的海量点云数据：(a)具有一定视觉感知的面向广义几何图元的分割；(b)具有一定场景理解的局部缺失区域自动修；(c)遵循ρ-ε准则具有整体和增量特性的拟计算几何重建模型。

针对测量所得点云的大数据量、散乱无序、局部缺失的特点，如何能对多种类型(如：LIDAR数据，ATOS结构光、Faro激光等扫描仪获取的数据)的被测实体进行高效、准确的重建出其对应的三角网格模型，一直是学界研究的热点。从国内已公开发表的文献资料、软件系统研究成果来看，针对源自不同场景的点云模型，仍缺少对同时具备“面向网格曲面重建的点云分割”、“具有模型场景理解的缺失区域自动修复”、“具有计算几何特性的点云曲面重建理论”三个特性的点云网格曲面重建算法方面的系统性实现。

此外，随着测量设备精度、效率的提高，测量获取的点云模型所包含的顶点多以千万、亿计数。由于点云模型是对实物模型或场景的直接三维采样，所蕴含的信息有限，并不能准确的表示被测实体的表面形态，为对实物模型进行更准确的数字化表达，并且进行高效的建模、编辑、分析、渲染等后续操作，需对点云进行基于三角网格的曲面模型重建。因此，本发明的研究应运而生。

发明内容

本发明针对现有技术中存在的问题，本发明提供一种针对来源自不同场景的点云数据，模拟和抽象视觉成像原理，遵循ρ-ε重建准则、不依赖于采样密度的网格重建方法和系统。

本发明是这样实现的：

本发明公开了一种场景理解的网格曲面重建方法，具体步骤如下：

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；点云的异常数据识别和法向量计算，包括：对点云进行基于无向图网络的异常数据识别和法矢量计算调整的预处理。

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；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，实现分支区域点云对应的“块”体分割方法；针对分支区域提取后的点云，根据对模型的仔细观察分析，对取出分支区域后剩下的形态复杂区域或结构化明显的点云采用基于“片体”的划分更为合理。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；