[发明专利]一种从三维点云中提取二次曲面的方法

说明书

本发明公开了一种从三维点云中提取二次曲面的方法，首先利用每个点的K邻域点集拟合每个点对应的曲面并计算其对应的曲面参数标准差；其次按曲面参数标准差从小到大的顺序排列点集；然后从排序后的点集中依序取出每个点，当取出点对应的曲面参数标准小于设置的阈值且未被标记为已生长点时，视为初始种子点；从初始种子点开始进行区域生长，并以当前区域的序号对属于该曲面的生长点进行标记，同时对该曲面的特征参数进行动态拟合，直到一个曲面生长完毕；重复步骤从点集中取出点并进行动态拟合，直到曲面参数标准差大于阈值，最后按点云中的标记序号提取对应曲面。本发明能从三维点云中快速准确地提取二次曲面，获得最优的曲面参数。

技术领域

本发明涉及计算机视觉技术研究领域，更特别地，涉及一种从三维点云中提取二次曲面的方法。

背景技术

随着计算机技术的发展和三维数据获取技术的不断进步，通过计算机视觉来处理三维几何数据成为现代制造业和工业的重要的技术之一。在基于三维数据的计算机视觉技术中，点云是其主流的表达形式，它有获取方便、数据结构简单、表达灵活的特点，适用于大小型规模的三维模型或三维场景的描述。

在制造业和工业生产领域，其产品大多为基于CAD软件设计的人造物体，含有大量的标准平面或二次曲面，尤以圆柱面、圆锥面、球面和平面居多，它们往往是后续处理(如质量监测、姿态识别、逆向工程等)的重要研究对象。而实际上，这些处理过程一般都在生产流水线上完成，对实时性有很高的要求，因此研究如何从三维点云数据中快速准确地提取二次曲面将具有重大的意义。

近来，二次曲面的提取方法被相继提出，其中较为主流的包括最小二乘拟合、RANSAC(Random Sample Consensus，随机采样一致性)、霍夫变换、遗传算法、张量投票法和区域生长法(Rabbani T,Van Den Heuvel F,Vosselmann G.Segmentation of pointclouds using smoothness constraint[J].International archives ofphotogrammetry,remote sensing and spatial information sciences,2006,36(5):248-253.)等。最小二乘拟合法是最为典型和成熟的数据拟合方法，其计算较为简单，易于实现，但对噪声非常敏感，对初值的要求较高，而且容易出现不收敛的情况，特别是拟合圆柱面和圆锥面时需要采用非线性方法，大大提高计算复杂度。基于RANSAC的二次曲面提取技术是近年来研究的热点，它在较多噪声的情况下依然能非常精准地提取出曲面，但由于其算法需要多次迭代，导致效率往往较为低下，难以满足实时性要求，而且容易出现过拟合的现象。霍夫变换是识别几何形状的基本方法之一，它基于参数空间投票的方法，有抗噪声能力强、结果为全局最优的特点，但对于多维的参数空间，其时间复杂度则呈指数型增长，因此一般只用于平面的分割。而遗传算法和张量投票法虽然有一定的抗噪声能力，但其算法都较为复杂，其中遗传算法的变异算子和交叉算子难以选择，张量投票法不能提取指定曲面类型，因此实用度均不高。区域生长法最初主要应用于二维图像处理，它首先从数据中选取一个种子点，然后通过判定种子点与邻域点的关系来确定是否把邻域点纳入增长集合，只要初始种子点选取恰当，制定有效的生长法则，它能快速准确地完成指定区域分割。该原理被推广到点云数据中，进行二次曲面的提取。但目前基于区域生长的方法在生长点选取和生长法则制定方面都没有很好的解决办法，因此区域生长在三维点云数据的应用多在于平面的提取或平滑区域的分割上，或采用最小二乘与区域生长结合的方法进行二次曲面提取，但这样的效率会大大降低。

发明内容

本发明的目的在于克服现有技术的缺点与不足，提供一种从三维点云中提取二次曲面的方法，该方法基于区域生长原理，具有效率高，且提取结果准确的优点。

本发明的目的通过以下的技术方案实现：一种从三维点云中提取二次曲面的方法，包括步骤：

(1)从三维点云数据提取每个点的K领域点集，并计算每个点的法线，利用每个点的K邻域点集拟合每个点对应的二次曲面并计算其对应的二次曲面参数标准差；