[发明专利]一种航天器表面外形的高精度彩色三维曲面重建方法

权利要求书

1.一种航天器表面外形的高精度彩色三维曲面重建方法，其特征在于，包括以下步骤：

步骤S1、从航天器表面彩色图片中获取彩色点云数据集，输入数量为Pointcloud_Count的彩色点云数据集Pointcloud，其中第i个点的三维坐标为点云颜色纹理为Pointcloud_Color_i＝[Rⁱ,Gⁱ,Bⁱ]，i＝1,2,...,Pointcloud_Count；

步骤S2、将三维点云变换到二维平面；

步骤S3、提取二维平面点云边界；

步骤S4、点云坐标网格化；

步骤S5、依次判断各物体点云的N×N个矩形网格坐标是否在凸包范围内；

步骤S6、对网格点云数据集的每个坐标点增加深度信息Z；

步骤S7、对网格点云数据集的每个坐标点增加颜色信息R；

步骤S8、对网格点云数据集的每个坐标点增加颜色信息G；

步骤S9、对网格点云数据集的每个坐标点增加颜色信息B；

步骤S10、输出带有深度信息Z和颜色纹理信息RGB的三维彩色点云数据；

步骤S11、重复步骤S6～步骤S10输出新的三维彩色网格点云数据集；

步骤S12、将被拍摄物体的完整三维彩色网格点云数据集和原始三维彩色点云数据集进行合并，选择合适的曲面可视化算法，生成三维彩色曲面，输出最终带有色彩纹理信息的三维彩色重建模型。

2.如权利要求1所述的航天器表面外形的高精度彩色三维曲面重建方法，其特征在于，所述步骤S2将三维点云变换到二维平面的具体步骤包括：

步骤S21、对三维彩色点云数据集Pointcloud进行旋转变换，使其变换到与XOY平面平行，彩色点云数据集Pointcloud经过旋转变换后其数据集坐标变为以下形式：

[X′_D,Y′_D,Z′_D,1]＝[X_D,Y_D,Z_D,1]R_X(α)R_Y(β)R_Z(γ)

在上式中有：

其中，α表示沿X轴旋转的翻滚角，β表示沿Y轴旋转的俯仰角，γ表示沿Z轴旋转的偏航角，α、β、γ的数值大小根据物体点云实际所处空间位置进行设定，而旋转至与XOY平面平行通常情况下只需要设定偏航角γ的大小即可；根据三维空间中的倾斜点云布大致拟合一条直线，将其斜率作为偏航角γ的初始值，不断调整角度大小使得点云与XOY平面平行；将彩色点云数据集Pointcloud通过旋转变换到与二维XOY平面平行后，得到变换后的彩色点云数据集Pointcloud，其中第i个点的三维坐标为颜色纹理Pointcloud′_Color_i＝[Rⁱ,Gⁱ,Bⁱ]；

步骤S22、对物体点云进行分离；假设点云数据集由M个物体点云数据集组成，依据各物体点云数据集Pointcloud′在X轴上的坐标差异进行区分，取相邻物体点云在X轴上的间隔范围的中间坐标点x₁,x₂,...,x_M-1作为分界点，分离后的M个物体点云分别记为Pointcloud₁,Pointcloud₂,...,Pointcloud_M，其分离公式为：

其中，物体点云Pointcloud₁的数量为Pointcloud₁_Count，第i₁个点的三维空间坐标为颜色纹理为同理物体点云Pointcloud_M的数量为Pointcloud_M_Count，第i_M个点的三维空间坐标为颜色纹理为M个物体点云的点云数量关系为Pointcloud_Count＝Pointcloud₁_Count+...+Pointcloud_M_Count，由于未对颜色信息进行处理，则各物体点云的颜色纹理与原点云保持一致；

步骤S23、划分大致的重建范围；根据各物体点云Pointcloud₁,Pointcloud₂,...,Pointcloud_M所处空间的实际位置，分别设定各物体点云的圆心和半径大小，利用圆域c₁,c₂,...,c_M分别划分出重建点云的大致XOY空间范围，其划分圆域公式如下所示：

其中，(x₀₁,y₀₁),(x₀₂,y₀₂),…,(x_0M,y_0M)分别为设定的Pointcloud₁,Pointcloud₂,…Pointcloud_M点云所处XOY平面的圆心坐标，分别为Pointcloud₁,Pointcloud₂,…Pointcloud_M的圆域半径，生成的圆域c₁,c₂,...,c_M分别为Pointcloud₁,Pointcloud₂,…Pointcloud_M的大致重建范围；构建M个新的二维点云数据集，设定物体1点云处在平面圆域c₁范围内的二维点云数据集记为同理设定物体M点云处在平面圆域c_M范围内的二维点云数据集记为将Pointcloud₁,Pointcloud₂,…,Pointcloud_M的X,Y坐标信息和彩色纹理信息依次赋给二维点云数据集其坐标信息赋值过程如下：

其中，表示点云数据集Pointcloud₁的X,Y坐标信息，若第i₁个点的X,Y坐标位于圆域c₁内则将其作为二维点云数据集中的一个数据点，依次完成对Pointcloud₁每个点的判断更新从而得到圆域c₁范围内的点云二维点云数据集的点云数量为_Count，其中第个点的二维空间坐标为颜色纹理为其点云数量关系满足同理可得各自圆域内的物体二维平面点云数据集