[发明专利]一种基于权值的点云压缩方法和装置

说明书

本申请涉及一种基于权值的点云压缩方法和装置，通过考虑到点与其邻近域内的点的关系，赋予每个点一权值，权值反应点云的疏密情况，在点密集的地方，权值相对较小，在点稀疏的地方，权值相对较大，压缩掉权值较低的点，从而在压缩度相同时，能够提高保真度，并且提高压缩效率。

技术领域

本申请属于三维点云数据压缩技术领域，尤其是涉及一种基于权值的点云压缩方法和装置。

背景技术

随着三维激光扫描仪数据获取的速度越来越快，单次扫描获取的点云数据可达几十万乃至上百万个点，而利用点云进行曲面重构、三角网格构造或用于评价被测曲面的误差,一般都不需要过密或过多的数据点,特别是在被测曲面的曲率较小处。在重构曲面时,过密的点云不但计算量大,而且可能影响其光顺性。由于过密点云构造的三角面片模型过于巨大,因此存储、处理或显示都将消耗大量的时间和计算机资源。另外,用于误差评价时,点云也不能过密,否则计算量会更大。因此,研究点云的压缩与简化算法对后期的表面重建有重要的意义。

目前，常见的包围盒压缩算法的基本思想如下：首先，求取点云数据的最小包围盒，然后把最小包围盒划分成若干大小相等的包围盒，使每个包围盒中包含一定个数的点云数据，最后选取每个包围盒中最靠近包围盒中心的点来代替整个包围盒中的点。图1显示的是包围盒压缩点云数据的流程，首先显示点云数据的最小包围盒，然后对最小包围盒进行细分，直到每个包围盒中都包含一定数量的点，这里点的个数一般取1≤i≤5。在使用包围盒压缩点云时，一般使用经验公式：

来设定子包围盒的边长。在这里，(x_min,y_min,z_min),(x_max,y_max,z_max)是包围盒的最小和最大点，n是点的个数。包围盒压缩点云的特点是：执行效率高，且易于编程实现，如果包围盒划分较小，则特征保留较好；如果包围盒划分较大，则特征保留较差。然而在针对散乱点云时，包围盒压缩算法和其它压缩算法不能很好地适应散乱点云的特征，导致压缩后无法显示原先特征。

发明内容

本发明要解决的技术问题是：为解决现有技术中的不足，从而提供一种压缩效率高、保真率高的基于权值的点云压缩方法和装置。

本发明解决其技术问题所采用的技术方案是：

一种基于权值的点云压缩方法，

S1：获取一点云数据；

S2：将点云数据规格化，将点云数据划分出若干近邻域；

S3：对点云数据中的所有点赋予一个权值，权值反映点云在该区域的采样密度，所述权值通过点的近邻域得出，

设一局部点集则集中点p_i的权值为：其中是点p_i的K个近邻域；

S4：设定初始的权阈值为：

其中(x_min,y_min,z_min),(x_max,y_max,z_max)为近邻域的最小和最大点，n是近邻域内点的个数；

S5：舍去集中点p_i中权值小于权阈值的点，将大于等于权阈值的点保留，计算压缩率；

S6：判断计算得到的压缩率与设定的压缩率的大小，若计算得到的压缩率大于等于设定的压缩率，则停止，输出压缩后的点云；

若计算得到的压缩率小于设定的压缩率，则增大权阈值，并重复S5步骤。