[发明专利]基于K均值聚类的多帧点云融合方法及装置

说明书

本发明提供一种基于K均值聚类的多帧点云融合方法及装置，该方法包括：获取待融合的第一帧点云数据和第二帧点云数据；识别第一帧点云数据与第二帧点云数据的重叠区域及非重叠区域；对重叠区域进行数据处理并划分聚类为多个球形区域，根据球形区域内的点数据计算聚类中心初始化的点数据；根据K均值算法对聚类中心进行迭代优化并计算每个聚类的加权平均值作为更新后的聚类中心直到每个聚类中心不再移动为止，获得重叠区域融合完成的点数据；将重叠区域融合完成的点数据与非重叠区域的点数据合并作为下一次待融合的第一帧点云数据，并逐帧融合所有单帧点云数据。本发明通过K均值聚类对点云数据进行融合，融合精度高。

【技术领域】

本发明属于图像处理技术领域，尤其涉及一种基于K均值聚类的多帧点云融合方法及装置。

【背景技术】

在三维成像中由于物体本身的相互遮挡和视场大小的限制，单帧的三维点云通常无法完整的反映物体表面完整的三维信息，因此需要将不同视角下得到的单帧点云进行匹配。通过匹配可以得到不同视角下多帧点云之间的变换关系，但是将这些点云数据变换到统一坐标系后，各个不同视点下的点云数据往往存在着重叠区域，还需要将它们融合在一起，形成统一的、有序的、无冗余的三维物体表面数据表示。

点云融合是决定三维模型构建成功与否的最关键技术之一，由于噪声、匹配误差、单帧点云的重建精度等因素的影响会使不同帧的点云数据存在分层现象。目前对点云融合的方法很多，其中常用的是边界加权平均法，通过对重叠对应点进行不同比例的加权，能够平滑由于分层现象造成的台阶，但是其融合精度较低，数据的质量较低。鉴于此，实有必要提供一种基于K均值聚类的多帧点云融合方法及装置以克服上述缺陷。

【发明内容】

本发明提出一种能够提高融合精度的基于K均值聚类的多帧点云融合方法及装置。

为了实现上述目的，本发明提供一种基于K均值聚类的多帧点云融合方法，包括以下步骤：

获取待融合的第一帧点云数据和第二帧点云数据，其中，所述第一帧点云数据为未融合的单帧点云数据或者至少两帧经融合后的点云数据，所述第二帧点云数据为未融合的单帧点云数据；

识别所述第一帧点云数据与所述第二帧点云数据的重叠区域以及非重叠区域；

对所述重叠区域进行数据处理并划分聚类为多个球形区域，根据所述球形区域内的点数据计算聚类中心初始化的点数据；

根据K均值算法对聚类中心进行迭代优化并计算每个聚类的加权平均值作为更新后的聚类中心直到每个聚类中心不再移动为止，以获得重叠区域融合完成的点数据；

将所述重叠区域融合完成的点数据与所述非重叠区域的点数据合并在一起作为下一次待融合的第一帧点云数据，并逐帧融合所有单帧点云数据。

在一个优选实施方式中，所述识别所述第一帧点云数据与所述第二帧点云数据的重叠区域以及非重叠区域，包括：

将所述第一帧点云数据旋转平移至第二帧坐标系下得到预处理点云数据；

遍历所述预处理点云数据和所述第二帧点云数据中所有点并查找重叠点，由所述预处理点云数据中重叠点的集合构成第一重叠区域，由所述第二帧点云数据中重叠点的集合构成第二重叠区域。

在一个优选实施方式中，所述对所述重叠区域进行数据处理并划分聚类为多个球形区域，根据所述球形区域内的点数据计算聚类中心初始化的点数据，包括：

由所述第一重叠区域中的每个点数据查找在所述第二重叠区域中与其最邻近的一个点数据计算得到第一向量，将所述第一重叠区域中的各个点沿其法向量的反方向移动第一预设距离得到第一移动点，所述第一预设距离为所述第一重叠区域中点数据对应的第一向量在其法向量方向上投影的0.5倍；