[发明专利]一种点云骨架提取方法及装置

说明书

本发明涉及一种点云骨架提取方法及装置，属于三维图像处理技术领域。本发明提供的一种点云骨架提取方法及装置，该方法的步骤包括：基于最优质量传输理论，从点云模型中进行随机下采样，得到采样点集合，然后基于最优质量传输的方法迭代收缩采样点提取点云模型的骨架点，根据传输计划确定骨架点相邻关系并连接骨架点，最后对骨架作平滑化处理得到连续的一维曲线骨架。本发明所述的点云骨架提取方法及装置，基于最优质量传输理论，提取曲线骨架具有很好的抗噪性，使用熵正则化计算最优质量传输，降低了程序的时间复杂度，具有较高的准确性。

技术领域

本发明涉及三维图像处理技术领域，特别涉及一种点云骨架提取方法及装置。

背景技术

计算机图形学的快速发展，与之相关的各项技术在理论和实践方面都取得了重大突破。特别是点云模型，在医疗卫生、动画制作、工业设计、模式识别等领域有了十分广泛的应用，因此对于点云模型的分析和处理是图形学研究领域的重要方向之一。但是原始的点云数据存在信息量大、冗余量多、不易保存等问题，因此研究者们提出了图形曲线骨架的概念，用一维的曲线表达三维点云数据，不仅信息量小、易保存，同时还能包含丰富的拓扑信息。目前，曲线骨架已经在三维重建、形状匹配中起到了重要的作用。

随着研究的不断深入，研究者们已经提出了很多骨架提取方法。这些骨架提取方法大致可以分为以下四种：第一种是体素细化法，该方法每次删除位于模型最外层的体素，直到没有可以删除的体素为止，最后剩下的就是模型的骨架。第二种是距离变换法，该方法先计算模型内部每个点到边界上的距离变换，距离的局部极值就是模型中心部位的关键点，连接这些关键点得到模型的骨架。第三种是Voronoi图法，该方法基于中轴线利用Voronoi图思想计算得到模型的骨架。第四种是Reeb图法，该方法先定义一个函数f，然后根据函数f确定模型中每个点对应的函数值，将模型上每个顶点分类聚合到各个分支位置，这些顶点就是Reeb图中的边或者节点，最后得到Reeb图表示的模型骨架。

尽管这些骨架提取方法各有优点，但是也存在不同的缺点。体素细化法只是从模型的局部范围考虑，没有顾虑全局的连通性，因此抗噪声能力差，提取的骨架精确度不高。距离变换法对模型边界噪声敏感，无法保持模型的原始拓扑信息。Voronoi图法和Reeb法都存在抗噪能力低同时计算量大，效率低等问题。

发明内容

有鉴于此，本发明的目的在于提供一种点云骨架提取方法及装置，针对现有点云骨架提取方法对噪声敏感和不能体现图形细节等不足，本发明提出的点云骨架提取方法具有抗噪且精确的特点，使其能基于最优质量传输的方法计算骨架点位置并得到连续的一维曲线骨架，最优质量传输有很强的抗噪声能力，并且通过熵约束可以减少计算复杂度，本发明所述方法能有效解决现有骨架提取方法存在的问题。

为达到上述目的，本发明提供如下技术方案：

一种点云骨架提取方法，包括以下步骤：

对原始点云模型进行采样；

采用基于最优质量传输的方法迭代收缩采样点，提取点云模型的骨架点；

连接骨架点得到曲线骨架。

进一步，所述迭代收缩采样点前包括合并采样点步骤，所述合并采样点步骤具体为通过质量相似度比较来合并采样点。

进一步，所述采用基于最优质量传输的方法迭代收缩采样点，通过以下迭代公式计算质量中心：

其中，W_ij为质量传输计划，表示点云集合中第i个点和采样点集合中第j个点之间质量传输的大小；p_i为点云集合中第i个点的质量；q_i为采样点集合中第j个点所能接受的质量；||p_i-q_j||为点云集合中第i个点与采样点集合中第j个点之间的欧式距离。