[发明专利]一种引入法向量优化的RANSAC点云平面拟合方法

说明书

本发明公开了一种引入法向量优化的RANSAC点云平面拟合方法：步骤1，将待拟合的点云数据集作为当前点云数据集；步骤2，生成当前点云平面：步骤3，得到当前点云平面模型；步骤4，判断迭代次数是否到达设定次数，则输出当前点云平面模型；否则返回执行步骤2；步骤5，令j＝1；步骤6，设定当前点p_j；步骤7，计算当前点p_j的法向量n_j；步骤8，计算当前点p_j与其任意一个邻域点的法向量夹角β；步骤9，若β不小于平滑度阈值，则剔除该点，得到更新后的点云平面模型，将其作为当前点云平面模型；遍历所有点，输出当前点云平面模型；否则，令j＝j+1，返回步骤6；本发明的方法能够较精确拟合除连续完整平面之外的点云平面模型。

技术领域

本发明属于三维点云数据处理技术领域，具体涉及一种引入法向量优化的RANSAC点云平面拟合方法。

背景技术

随着点云数据处理技术和三维测量技术的不断进步，点云的平面拟合成为三维重建工程的重要研究方向。由于三维场景中有大量的平面特征，如工件表面、机械设备平面、道路桥梁等,将三维测量得到的点云数据拟合成平面，经过点云去噪、采样后可实现高精度重建该物体的三维模型，这使得点云的平面拟合成为了多数平面重建工程的重要组合部分。

点云的平面拟合技术主要有最小二乘拟合和随机采样一致法(RANSAC)，其中：

传统的最小二乘拟合只考虑到观测向量中的误差，忽略了系数矩阵中的误差，拟合平面的精度差，不具有鲁棒性。

随机采样一致法(RANSAC)是一种以随机采样确定初始模型并根据距离阈值，迭代多次寻求最佳参数估计的算法。其最大的优点就是能够在数据中包含大量噪声点的情况下，拟合出指定规律的平面模型。但同时RANSAC算法也存在以下局限性：提取精度不高，对输入的点云数据随机选取点集计算预设的判别模型参数，使用欧氏距离这一个阈值判别，对于不连续平面点云模型中一些空洞等平面特征不能够高精度的拟合，也就不能得到完整精确的平面建模结果。

发明内容

针对现有点云的平面拟合技术存在的提取精度不高的技术问题，本发明的目的在于，提供一种引入法向量优化的RANSAC点云平面拟合方法解决该问题。

为了实现上述目的，本发明所采用的技术方案如下：

一种引入法向量优化的RANSAC点云平面拟合方法，具体包括如下步骤：

步骤1，将待拟合的点云数据集作为当前点云数据集；初始的迭代次数为0；

步骤2，从当前点云数据集中随机选取三个点p₁,p₂,p₃生成点云平面，作为当前点云平面：

ax₀+by₀+cz₀+d＝0

该式为平面方程的一般表达式，其中，a、b、c、d为方程系数，c≠0；

步骤3，分别计算当前点云数据集中除p₁,p₂,p₃以外的点p_i与当前点云平面的欧氏距离d_pi；如果点p_i与当前点云平面的欧氏距离d_pi满足如下公式，则将点p_i视为当前点云平面模型内的点，否则将其剔除；最后得到当前点云平面模型；

其中，d_T为距离阈值；本发明中，取值为0.02。

步骤4，判断迭代次数是否到达设定次数，则输出当前点云平面模型；否则将当前点云平面模型内的点的集合作为当前点云数据集，并将迭代次数加1，返回执行步骤2；