[发明专利]点云数据不均匀的三维重建方法、系统、设备及存储介质

权利要求书

1.一种点云数据不均匀的三维重建方法，其特征在于，所述方法包括：

使用扫描设备对物体做尽可能全视角的扫描，得到空间中一个完整的点集数据；

对所述点集数据进行预处理，并保存为PLY数据格式，并对数据格式中的每个点的法向量进行归一化；

对于没有扫描到的缺失数据部分人为增加简要的轮廓线条，得到缺失数据的稀疏点集；

利用所述缺失数据的稀疏点集构造埃米特矩阵，再利用该矩阵通过最优化的方法求得所述缺失数据的稀疏点集的法向量；

通过所述稀疏点集的法向量和所述稀疏点集的数据来计算得到插值函数，再根据该插值函数上采样增加点云的密度使得与完整数据部分的采样点密度一致，得到缺失数据的最终点云；

结合扫描得到的点云以及所述缺失数据的最终点云，进行三角形化的操作，得到最终的三维重建模型。

2.如权利要求1所述的点云数据不均匀的三维重建方法，其特征在于，所述对所述点集数据进行预处理，并保存为PLY数据格式，具体为：

所述点集数据表示为点集P，其中p∈P代表空间中的每一个点；

根据PLY数据格式，添加文档头，之后逐行写入每个顶点的数据类型、顶点的三维坐标信息以及法向量信息，如果顶点缺少法向量信息则做相应的标记。

3.如权利要求1所述的点云数据不均匀的三维重建方法，其特征在于，所述利用所述缺失数据的稀疏点集构造埃米特矩阵，再利用该矩阵通过最优化的方法求得所述缺失数据的稀疏点集的法向量，具体为：

将所述缺失数据的稀疏点集转换得到插值矩阵，通过计算此插值矩阵的逆矩阵，再对此逆矩阵之中的子矩阵做变换计算得到一个埃米特矩阵；

通过构建最优化问题得到所述缺失数据的稀疏点的法向量的估计，最优化问题的描述如下：

Minimizes：：g^THg

其中H矩阵是所述埃米特矩阵，g表示所述缺失数据的稀疏点集的法向量；

采用拉格朗日法对这个最优化问题求解，求得所述缺失数据的稀疏点集的法向量。

4.如权利要求2或3所述的点云数据不均匀的三维重建方法，其特征在于，所述通过所述稀疏点集的法向量和所述稀疏点集的数据来计算得到插值函数，再根据该插值函数上采样增加点云的密度使得与完整数据部分的采样点密度一致，得到缺失数据的最终点云，具体为：

插值函数表示了缺失部分的物体表面的隐式函数；

插值函数表示为：

其几何意义是空间中的任意一点x与表面的距离函数，其中，a,b,c,d是待求解的系数，核函数φ是一个径向基核；

分别表示所述点集数据中采样点p的函数值以及其法向量，法向量g包括缺少法向量的顶点以及所述缺失数据的稀疏点集通过最优化所得到的法向量，函数值s由所述埃米特矩阵H以及法向量g计算得到；

使用分块矩阵的解方程方法加速求解线性方程组，得到插值函数的系数a,b,c,d，从而得到完整的插值函数；

设定半径r，计算所述点集数据中每一个采样点p为中心、半径为r的球中其他点的数量，得到每个采样点的邻居数量，再对每个采样点的邻居数量进行平均，得到样本点的平均密度，最后将所述完整的插值函数，在空间中以平均密度采样，得到缺失数据的最终点云。