[发明专利]一种曲面变分阈值的自适应确定方法

说明书

本发明属于点云数据处理技术领域，具体涉及一种曲面变分阈值的自适应确定方法。该方法首先计算原始采样点云数据中各点云的曲面变分值，并进行排序；然后对排序后的各点云的曲面变分值进行曲线拟合；接着计算拟合曲线上各点云所对应的曲率半径/斜率，选取曲率半径在曲率半径最小值附近设定范围内/斜率的绝对值为1±x的点云所对应的曲面变分值作为曲面变分阈值。该方法自适应确定的曲面变分阈值准确合理，能够区分出原始采样点云数据的高低曲率区域，避免了人工法选取曲面变分阈值造成的随机性、缺乏依据和耗时长的缺陷，保证了最终提取的特征点中既没有过多的冗余平缓点、且有足够多的反映物体细节的特征点。

技术领域

本发明属于点云数据处理技术领域，具体涉及一种曲面变分阈值的自适应确定方法。

背景技术

三维激光扫描设备的扫描速度及精度的不断提高促进了激光扫描技术在各领域的广泛应 用，这些应用采集了目标区域的海量的点云数据。高密度的海量点云数据不仅冗余信息多， 而且占用大量内存，还降低了后续处理步骤的效率。因此，在实际应用中会在点云模型表达 的精细度与处理效率方面找到恰当的平衡，即根据不同的应用需求从原始采样点云中抽取出 足够表达模型特征的有用信息，这就是点云数据的简化。

保留特征的点云简化法在实现点云数据简化的同时，又保留点云数据的细节特征信息， 在点云数据的简化率和特征信息保留之间寻求一个最佳平衡。该方法首先选取点云曲率、法 向、法向夹角、局部特征尺寸、特征参数和最小曲面距离等相关特征度量因子，用以衡量每 个点的特征显著度，通过保留点云数据中的特征点，删除一定数量的非特征点的策略，最终 得到保留细节信息的简化点云。

点云曲率信息是点云的内在属性信息，其大小反映了特征分布信息，是最常用的特征度 量因子。点云曲率种类很多，应用到点云简化中的有：法曲率、平均曲率、高斯曲率、主曲 率、曲面变分、圆的平均曲率、混合曲率等。曲面变分作为描述曲面局部几何特征的指标， 与法曲率具有相似性。同时，曲面变分具有几何不变性，其大小和点云模型的尺度无关，用 曲面变分来区分平缓点和非平缓点适用性更强。

特征度量因子阈值是区分特征点与非特征点的重要依据，是点云简化算法的关键。目前， 曲面变分阈值均是人工确定，需要多次试凑才能完成，耗费大量时间，且人工确定方法缺乏 科学的可量化的标准，给点云后续处理带来很大的不确定性，或者造成提取的点云特征点稀 少，不能完整地反映物体的细节特征，或者提取了较多的冗余的平缓点，造成后续点云数据 处理数据量较大。

发明内容

本发明的目的在于提供一种曲面变分阈值的自适应确定方法，用以解决采用采用人工法 确定曲面变分阈值引起的特征点提取较少造成的不能反映物体细节特征、或者特征点提取较 多造成的后续点云数据处理量大的问题。

为解决上述技术问题，本发明所提供的技术方案以及技术方案对应的有益效果如下：

本发明提供了一种曲面变分阈值的自适应确定方法，包括如下步骤：

1)获取原始采样点云数据，计算各点云的曲面变分值；

2)根据各点云的曲面变分值的大小，对各点云进行排序；

3)对排序后的各点云的曲面变分值进行曲线拟合，得到拟合曲线；

4)计算拟合曲线上各点云所对应的曲率半径/斜率，选取曲率半径在曲率半径最小值附 近设定范围内/斜率的绝对值为1±x的点云所对应的曲面变分值作为曲面变分阈值，x为0或 者表示远小于1的正数。