[发明专利]一种基于逐点生长的点云法矢一致性校准方法

说明书

本发明公开了一种基于逐点生长的点云法矢一致性校准方法，由点云中点与其相临点的关系构造几何平面模型，获取各点的法线，以及每条法线的曲率值；依据曲率值的大小进行点排序，由曲率值最小的点作为当前种子点，并将其加入到种子点序列中,并计算需要加入种子点序列的邻域点法线和邻域点指向种子点向量的夹角阈值、曲率阈值以及种子点和邻域点的法线点积阈值，判断邻域点法线和邻域点指向种子点向量的夹角值、曲率阈值以及法线点积阈值，符合要求则将其加入到种子点序列中，并反转该邻域点的法线方向并标记该邻域点，处理完成，其他邻域点按照上述操作进行处理，直到种子点序列被清空，一个区域增长完成，加入聚类数组，并依次进行下个区域生长。

技术领域

本发明涉及计算机视觉和三维点云数据处理技术领域，具体为一种基于逐点生长的点云法矢一致性校准方法。

背景技术

在三维点云处理领域，法线作为最重要的点云特征，通常用PCA主成分分析法来估计法线进而会产生法线二义性问题。目前解决法矢一致性方法有最小生成树法、光度立体视觉法、曲面重建法。最小生成树法是以不两点间距离作为权重来建立点云得最小生成树（MST），通过相邻法线间夹角来判断是否需要反转法线，以距离做权重很难处理点云数据量大的情况，存在针对点云数据量大、阈值设定、奇异情况等问题。光度立体视觉法则是依靠曲面反射与光照等先验条件通过Phong光照模型来调整法线一致性，由于依赖先验条件，所以稳定性较差，当点云稀疏时则很难有较好的效果，其稳定性较差，对于稀疏点云无法得到完全的一致性调整。曲面重建法则是通过对点云采用下采样滤波等使得点云均匀分布，然后三角网格化点云，通过三角网格来调整法线方向，当点云数据量很大时则相当耗费计算、处理流程复杂。

发明内容

本发明目的在于提供精度高、且稳定的基于逐点生长的点云法矢一致性校准方法。

本发明所述的基于逐点生长的点云法矢一致性校准方法，包括以下步骤：

由点云中点与其相临点的关系构造几何平面模型，获取各点的法线，以及每条法线的曲率值；

依据曲率值的大小进行点排序，获取曲率值最小的点作为当前种子点，并将其加入到种子点序列中；

搜索种子点的邻域点，检查未标记的邻域点,并计算需要加入种子点序列的邻域点法线和邻域点指向种子点向量的夹角阈值、曲率阈值以及种子点和邻域点的法线点积阈值，判断当前邻域点法线和邻域点指向种子点向量的夹角值是否等于夹角阈值且当前邻域点的曲率值是否小于曲率阈值，以及种子点和邻域点的法线点积是否小于法线点积阈值，是则将其加入到种子点序列中，并反转该邻域点的法线方向并标记该邻域点，否则不做任何处理，继续搜索其他邻域点；

当前种子点的邻域点判断完成后删除当前种子点，利用新加入种子点序列的邻域点作为种子点继续生长，搜索种子点的邻域点，直到种子点序列被清空，一个区域增长完成，加入聚类数组，并依次进行下个区域生长，最终完成点云法矢一致性校准。

本发明所述基于逐点生长的点云法矢一致性校准方法，采用具有几何不变性的曲率值来判断各点是否为平缓点，并依据曲率值缩小传播搜索范围、增加搜索个数，增加法线方向的约束条件，进而提高法失调整效率。在种子点序列中，计算需要加入种子点序列的邻域点法线和邻域点指向种子点向量的夹角阈值、曲率阈值以及种子点和邻域点的法线点积阈值，由加入排序好的各点在种子点序列中进行计算曲率阈值，能够自适应调整各种加入种子点序列产生的不同曲率阈值，克服了传统的单一从经验中获得而设定的阈值不准确的问题，进而提高了点云法矢一致性校准的效率。当前种子点的邻域点判断完成后删除当前种子点，利用新加入种子点序列的邻域点作为种子点继续生长，在点云生长判断的过程中删除已经处理好的点，可以有效的减少后期点云生长的计算量，进而提高了点云法矢一致性校准的效率。

附图说明

图1为本发明基于逐点生长的点云法矢一致性校准方法的流程示意图。

具体实施方式