[发明专利]一种基于三维可视化的交互式点云对象提取方法

说明书

本发明提供了一种基于三维可视化的交互式点云对象提取方法，本发明针对海量无序点云数据中的复杂对象提取问题，利用三维可视化环境中的人机交互功能，划定对象分布范围以提取对象数据；采用三维平面视图直观表达点云中对象的位置及分布；借助三维交互技术，在平面视图中人工划分对象外包多边形；根据外包多边形从原始点云数据中提取对象点云，使用有效网格法进行化简。本发明提出的有效网格法利用规则网格快速表示点云分布，使用网格索引表示数据点的位置，通过网格有效性来判断和提取特征点，避免建立表达数据点空间分布的空间索引结构，提高检索效率。

技术领域

本发明属于三维表面重建技术领域，具体涉及一种基于三维可视化的交互式点云对象提取方法。

背景技术

激光扫描技术已广泛应用于人工建筑、自然地物的空间数据采集，三维点云数据中的对象识别与提取研究也取得了很大进展，为建筑、地物等的三维表面重建提供支持。

基于三维点云的三维表面重建需要提取点云中的对象，并化简提取到的对象点云以减小数据量。对象提取涉及点云的分割与抽稀处理。常用点云分割算法，如区域增长法、采样一致算法、近邻搜索算法、超体聚类算法、凹凸性分割算法等，基于对象的先验特征，通过特征匹配模式选择性地提取对象，比如建筑立面、平面、柱状物体等；深度学习方法不需要人工定义特征，通过大量样本学习以归纳对象特征。抽稀算法分为损特征算法和保特征算法，损特征抽稀算法速度快、精度低、适合于点云快速显示,保特征抽稀算法计算量大，不适于海量点云。

现有对象提取算法需要大量空间资源及计算，对海量点云数据的处理超出普通计算机的承受能力。

场点云的常规处理方法可以分为两种：一、先对点云数据进行整体抽稀，然后分割场景提取对象；二、先从分割场景提取对象，然后将对象分别化简。方法一不能满足分别控制对象点云密度的要求；方法二中场景分割过程对空间资源要求高。由于场站点云中对象的复杂性，常规点云分割算法不能保证点云中对象分割的正确性。此外，提取点云中对象需要建立点的空间关系，具有空间相关性的点集构成一个对象。场站点云具有无序性，点云空间关系的建立耗费大量时间和资源。而点云中对象特征的不确定性导致点集的空间相关性准则无法确定，因此常规方法不适用。

发明内容

本发明提供了一种基于三维可视化的交互式点云对象提取方法，本发明针对海量点云数据的区域场景整体恢复建模应用，利用三维可视化交互技术，以较小的空间复杂度，解决海量点云数据中对象的提取问题。

为实现上述发明目的，本发明采用以下技术方案予以实现：

本发明提供了一种基于三维可视化的交互式点云对象提取方法，它包括以下步骤：

步骤1、获取场站内对象的点云数据，得到原始点云；

步骤2、将原始点云进行交互分割得到对象范围；

步骤3、根据对象范围，将原始点云进行点云简化，得到结果点云。

进一步的，所述步骤1中点云数据的获取方法为三维激光扫描方法。

进一步的，所述步骤2具体为：

步骤21、将原始点云进行三维可视化，得到原始点云的平面视图；

步骤22、在平面视图中，通过交互操作，人工构造可见对象的外包多边形，并将屏幕多边形映射为实际坐标多边形，每个需保留对象的外包多边形构造完成之后，即实现了对象的范围分割。

进一步的，所述步骤21还包括三维对象的位置表示方法，具体为：三维对象自动置于窗口中央，对象的实际位置使用地理坐标标识，表示地理坐标的刻度包括刻度值和刻度线两部分，将刻度线与刻度值组合为一个面对象，通过坐标分量判断对象的位置。

进一步的，所述步骤21中对于大尺寸设备的原始点云先进行抽稀，得到离散原始点云，然后进行三维可视化。