[发明专利]一种保留边界点的点云精简方法

摘要

本发明涉及一种保留边界点的点云精简方法，属于计算机三维建模技术领域。本发明提出的点云精简方法的具体步骤为：①读取原始点云数据；②点云数据的空间划分，并计算出每个数据的最近K邻域；③估算出每个数据点的单位法向量；④获取点云数据的边界数据点，并进行保留；⑤对于非边界点的点云数据，进行重要特点的判断；⑥对非边界数据点进行精简。本文方法与其他方法相比，在对点云数据达到有效的精简时，而且还很好的保留了点云模型的边界特征点；避免了曲率估计的耗时长，在点云平坦区域产生大面积的孔洞现象；对封闭的点云模型和单片的点云模型都适用。

主权项

1.一种保留边界点的点云精简方法，其特征在于：包括如下步骤:步骤1:读取原始点云数据；步骤2:点云数据的空间划分及K近邻域,具体为：步骤2.1:根据读取的点云数据,获取在X、Y、Z三个方向上的边界值Xmax、Ymax、Zmax和Xmin、Ymin、Zmin，计算出点云数据在X、Y、Z三个方向上的最大范围分别为其中,Lx、Ly、Lz分别为点云数据在X、Y、Z轴三个方向上的最大范围,α为在最大范围上增加α长度的距离；步骤2.2:根据空间划分的依据,计算出每个最小立方体的边长为其中,χ为调节比例因子,β为比例系数；N为输入点云的总数；步骤2.3:把输入的点云数据分配到对应的小立方体(nx,ny,nz)中，其中其中,Xp，Yp,Zp为某一点点云的坐标数值；表示取整；步骤2.4:计算出每个数据点的k最近邻域,k值取值范围在10～18；步骤3:估计出每个点云数据的单位法向量,并将法向量方向进行归一化；步骤4:提取点云数据的边界点进行保留,具体为：步骤4.1:将检测数据点p及其k邻域点拟合最小二乘平面,将数据点p及其K邻域点投影到拟合最小二乘平面内；步骤4.2:从K邻域数据点的投影点中,选取到数据点p投影点的最近点Q_i,并作有向向量以向量作为基准,分别计算出数据点p的投影点与剩余K‑1个邻域点的投影点Q_j的有向向量之间的逆时针夹角，得到夹角序列为：S＝(α₁,α₂,...,α_k‑1)；步骤4.3:将得到的夹角序列,重新按照升序的排列得到新的角度序列为：S'＝(α'1,α'2,...,α'k‑1)；步骤4.4:将得到的升序角度序列,分别计算出两相邻有向向量之间的夹角为θ＝α'i+1‑a'i i∈[0,k]      (4)其中,θ为两相邻有向向量之间的夹角，找出θ中最大θmax值，设定一个判断数据点p为边界点的阈值θTH，当θmax>θTH时认为数据点p为边界点，需要将其保留下来；步骤5：非边界点重要特征点保留，具体为：步骤5.1：对于非边界数据点p，其k邻域点集合为(q1,q2,...,qk)，由步骤3得到k邻域点的单位法向量集合为(n1,n2,...,nk)，则重要特征点可以用下面的式子来判定公式(5)中，i∈[1,k]，g(||p‑qi||)为高斯权重函数，来调节各点的法向量权重；公式(5)中δ(p)表示数据点p到K邻域点拟合切平面的平均距离；步骤5.2：根据公式(5)可知，数据点p位于K邻域点拟合切平面时，平均距离δ(p)会非常的小，说明数据点p对K邻域点，实际对应的几何曲面的贡献值几乎没有，可以看作为非重要的特征点，相反，当数据点p位于点云数据曲率变换较大的区域时，平均距离δ(p)非常大，说明数据点p不能够被它邻域的点云所代替，对实际对应的几何曲面的贡献值非常大，在点云精简的过程中，看着重要的特征点进行保留；步骤6：点云数据精简，具体为；步骤6.1：根据步骤5，预先设定阈值δ(p)min，当δ(p)>δ(p)min时数据点p为重要的特征点进行保留，反之为非重要特征点进行删除；步骤6.2：当未达到所设定的点云精简率时，需要由步骤3，更新删除非重要特征点之后点云数据的单位法向量；需要由步骤5，更新删除非重要特征点之后点云数据的重要特征点，然后再进行步骤6.1对点云数据精简。