CN103985149B - 三维彩色点云点特征描述方法 - Google Patents
三维彩色点云点特征描述方法 Download PDFInfo
- Publication number
- CN103985149B CN103985149B CN201410214551.8A CN201410214551A CN103985149B CN 103985149 B CN103985149 B CN 103985149B CN 201410214551 A CN201410214551 A CN 201410214551A CN 103985149 B CN103985149 B CN 103985149B
- Authority
- CN
- China
- Prior art keywords
- point
- points
- color
- prime
- dimensional colour
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Landscapes
- Image Generation (AREA)
- Image Analysis (AREA)
Abstract
本发明提供一种三维彩色点云点特征描述方法,包含以下步骤:步骤1,颜色空间转换,将三维彩色点云中点的颜色值从原颜色空间转换到 Lab颜色空间;步骤2,近邻搜索,以r为半径,计算点云中各点在半径r内的近邻点;步骤3,法向量计算,计算点云中各点与近邻点空间坐标的协方差矩阵,并计算该协方差矩阵的特征值和特征向量,最小特征值对应的特征向量即为该点的法向量方向;步骤4,计算点云中各点的颜色特征;步骤5,计算点云中各点的几何特征;步骤6,根据各点的颜色特征和几何特征,计算彩色点云点的特征直方图。本发明融合融合空间彩色点的颜色特征和几何特征所得到的直方图能够较稳定的描述一个空间彩色点的集合特征和色彩特征。
Description
技术领域
本发明属于一种特征提取方法,特别是一种彩色点云点特征的提取方法。
背景技术
随着传感器技术的进步,三维点云的获取越来越容易,如何理解以点云表示的三维场景是智能机器人导航、环境建模、体感游戏等领域要解决的重要问题。直接以点为计算单位理解一个点云场景是难以实现的,适用几何推理技术提取紧凑、有效的点特征能够更好的描述点云,便于开展下一步的计算。一个点的表面曲率和法向量是使用的最广泛的特征,在数据配准、分割等方面应用广泛。采用点特征直方图描述一个空间点的特征是近年来使用较多的方法。
目前对点云中点特征的描述方法都只考虑点的几何特征,对点的描述只包含空间集合信息,而不能还原出点本身的颜色信息,以及不能为彩色点云的配准、聚类、分割等提供计算依据。从底层数据融合的角度,如何描述彩色点云这种既包含空间几何信息又包含真实颜色信息的彩色空间点的特征是目前着重需要解决的问题。
发明内容
本发明的目的是提供一种有效且稳定地描述三维彩色点云中彩色空间点的特征的描述方法,从而便于对使用彩色点云表示的三维场景或模型开展分析和计算。
一种三维彩色点云点特征描述方法,包含以下步骤:
步骤1,颜色空间转换,将三维彩色点云中点的颜色值从原颜色空间转换到Lab颜色空间;
步骤2,近邻搜索,以r为半径,计算点云中各点在半径r内的近邻点;
步骤3,法向量计算,计算点云中各点与近邻点空间坐标的协方差矩阵,并计算该协方差矩阵的特征值和特征向量,最小特征值对应的特征向量即为该点的法向量方向;
步骤4,计算点云中各点的颜色特征;
步骤5,计算点云中各点的几何特征;
步骤6,根据各点的颜色特征和几何特征,计算彩色点云点的特征直方图。
本发明与现有技术相比,其显著优点在于:通过融合空间彩色点的颜色特征和几何特征,在一定半径的空间邻域内统计计算得到点的特征直方图,该直方图的分布能够较稳定的描述一个空间彩色点,并有一定的抗光照亮度变化的能力,从而为彩色点云的配准、聚类、分割等提供计算依据。
附图说明
图1为根据某点及其近邻计算特征时如何取点对;
图2为位于彩色点云种不同类型表面上的点的特征直方图示例。
具体实施方式
下面结合附图对本发明作进一步详细描述。
一种三维彩色点云点特征描述方法,其特征在于,包含以下步骤:
步骤1,颜色空间转换,将三维彩色点云中点的颜色值从原颜色空间转换到Lab颜色空间,其中Lab颜色空间的颜色分量a和颜色分量b的值域均为[-128,127],颜色分量L不参与计算。
步骤2,如图1所示,以r为半径对点pi近邻搜索,计算三维彩色点云中点pi在半径r内的k个近邻点;
步骤3,法向量计算,计算三维彩色点云中点pi与半径r内的近邻点空间坐标的协方差矩阵,并计算该协方差矩阵的特征值和特征向量,最小特征值对应的特征向量即为该点pi的法向量方向。
步骤4,计算三维彩色点云中各点的颜色特征,具体步骤如下:
步骤4.1,取三维彩色点云中的点pi和其k个近邻点共k+1个点,i是三维彩色点云中点的索引值,将所取的k+1个点记为{q(i',1),q(i',2),...,q(i',k),q(i',k+1)},令pi=q(i',1),q(i',ε),ε∈[2,k+1]为点pi的近邻点,其中i'=i;
步骤4.2,初始化点pi的Lab颜色分量,取点pi及其k个近邻点的k+1颜色分量a的中值作为点pi的初始化颜色分量取点pi及其k个近邻点的k+1颜色分量b的中值作为点pi的初始化颜色分量其中aτ,bτ为q(i',τ)的颜色分量a和颜色分量b,τ=1,2,...,k+1;
步骤4.3,根据颜色分量a和颜色分量b的值域范围,将点pi的和颜色分量归一化成两个百分比作为点pi的颜色特征Labi1和Labi2,
4.4,重复步骤4.1-4.3,直至所有点云中的点完成颜色特征的计算。
步骤5,计算三维彩色点云中各点的几何特征,具体过程如下:
步骤5.1,取三维彩色点云中的点pi和其k个近邻点共k+1个点,i是三维彩色点云中点的索引值,将所取的k+1个点记为{q(i',1),q(i',2),...,q(i',k),q(i',k+1)},令pi=q(i',1),q(i',ε),ε∈[2,k+1]为点pi的近邻点,其中i'=i;
步骤5.2,从k+1个点中取一对点对,令点的法向量与这两个点连线夹角小的点作为起点,记为q(i',b),其法向量记为n(i',b),另一个点作为终点,记为q(i',e),其法向量记为n(i',e),其中b≠e,e<b,b∈[1,k+1],e∈[1,k+1];近邻点的法向量的计算方法与步骤3的方法一致,即遍历点云的时候每个点都会作为中心点计算其法向量,计算法向量时只需要每个点为中心点的半径r的范围内的K+1个点的空间坐标,即可组成一个协方差矩阵求的法向量的方向;
步骤5.3,通过公式(3)、(4)、(5)计算起点和终点法向量之间的角度关系
其中u=n(i',b),v=(q(i',e)-q(i',b))×n(i',b),w=u×v;和表示从三维彩色点云中的点pi及近邻点中选取的第m点对两个法向量n(i',b)、n(i',e)夹角的余弦值,其值域均为[-1,1],表示从三维彩色点云中的点pi及近邻点中选取的第m点对两个法向量n(i',b)、n(i',e)夹角的反正切函数,其值域为[-π/2,π/2];m为所取点对的索引值;
步骤5.4,重复步骤5.2和步骤5.3,直到点pi和其k个近邻点共k(k-1)2个点对的起点和终点法向量之间的角度关系全部计算完成,达到点pi的几何特征,记为
步骤6,根据各点的颜色特征和几何特征,计算三维彩色点云点的特征直方图,具体步骤如下:
步骤6.1,描绘点pi的几何特征直方图,具体过程如下:
步骤6.1.1,利用公式将二值化,其中γ∈[1,3],step(s,f)为一个二值函数,取值为0或者1,计算中通过比较和的大小确定其取值,即时取0,否则取1,为的值域的中值,即将二值化后得到(0,0,0),(1,0,0),(0,1,0),(1,1,0),(0,0,1),(1,0,1),(0,1,1),(1,1,1)共23种组合;
步骤6.1.2,重复步骤6.1.1,将所有点对的二值化;
步骤6.1.3,通过公式(6)将点云中所有点的几何特征转化为几何特征直方图中取值点,具体为将步骤6.1.1计算得到的8种组合的每一种组合转化为几何特征直方图中的一个取值点,
其中idx即为第idx-bin取值点;统计各取值点上点对的个数占总点对数的百分比作为直方图中的某个取值点的值;
步骤6.2,描绘点pi的颜色特征直方图,将两个颜色特征作为颜色特征直方图的两个取值点,其中一个取值点的值为Labi1,另一个取值点的值为Labi2;
步骤6.3,将几何特征直方图和颜色特征直方图合成点pi的特征直方图。
如图2所示的是不同表面的三维彩色点云点的特征直方图,由图可以看出对每个点的特征描述可以帮助分析点云场景,且每种表面每种颜色的点云中的点,其表面曲率、法向量和颜色等特征并不相同,因此,本发明提供的既包含空间几何信息又包含真实颜色信息的彩色空间点的特征直方图可以更有效的描述空间彩色点的特征。
Claims (4)
1.一种三维彩色点云点特征描述方法,其特征在于,包含以下步骤:
步骤1,颜色空间转换,将三维彩色点云中点的颜色值从原颜色空间转换到Lab颜色空间;
步骤2,近邻搜索,以r为半径,计算三维彩色点云中各点在半径r内的近邻点;
步骤3,法向量计算,计算三维彩色点云中各点与近邻点空间坐标的协方差矩阵,并计算该协方差矩阵的特征值和特征向量,最小特征值对应的特征向量即为该点的法向量方向;
步骤4,计算三维彩色点云中各点的颜色特征;
步骤5,计算三维彩色点云中各点的几何特征;
步骤6,根据各点的颜色特征和几何特征,计算三维彩色点云点的特征直方图;
步骤4计算点云中各点的颜色特征的具体步骤为:
步骤4.1,取三维彩色点云中的点pi和其k个近邻点共k+1个点,i是三维彩色点云中点的索引值;
步骤4.2,初始化点pi的Lab颜色分量,取点pi及其k个近邻点的k+1颜色分量a的中值作为点pi的初始化颜色分量取点pi及其k个近邻点的k+1颜色分量b的中值作为点pi的初始化颜色分量
步骤4.3,根据颜色分量a和颜色分量b的值域范围,将点pi的和颜色分量归一化成两个百分比作为点pi的颜色特征Labi1和Labi2,
4.4,重复步骤4.1-4.3,直至所有点云中的点完成颜色特征的计算。
2.根据权利要求1所述的三维彩色点云点特征描述方法,其特征在于,步骤1中Lab颜色空间的颜色分量a和颜色分量b的值域均为[-128,127],颜色分量L不参与计算。
3.根据权利要求1所述的三维彩色点云点特征描述方法,其特征在于,步骤5计算三维彩色点云中各点的几何特征的具体步骤为:
步骤5.1,取三维彩色点云中的点pi和其k个近邻点共k+1个点,i是三维彩色点云中点的索引值,将所取的k+1个点记为{q(i',1),q(i',2),...,q(i',k),q(i',k+1)},令pi=q(i',1),q(i',ε),ε∈[2,k+1]为点pi的近邻点,其中i'=i;
步骤5.2,从k+1个点中取一对点对,令点的法向量与这两个点连线夹角小的点作为起点,记为q(i',b),其法向量记为n(i',b),另一个点作为终点,记为q(i',e),其法向量记为n(i',e),其中b≠e,e<b,b∈[1,k+1],e∈[1,k+1];
步骤5.3,通过公式(3)、(4)、(5)计算起点和终点法向量之间的角度关系
其中u=n(i',b),v=(q(i',e)-q(i',b))×n(i',b),w=u×v;和表示从三维彩色点云中的点pi及近邻点中选取的第m点对两个法向量n(i',b)、n(i',e)夹角的余弦值,其值域均为[-1,1],表示从三维彩色点云中的点pi及近邻点中选取的第m点对两个法向量n(i',b)、n(i',e)夹角的反正切函数,其值域为[-π/2,π/2];m为所取点对的索引值;
步骤5.4,重复步骤5.2和步骤5.3,直到点pi和其k个近邻点共k(k-1)/2个点对的起点和终点法向量之间的角度关系全部计算完成,达到点pi的几何特征,记为
4.根据权利要求1所述的三维彩色点云点特征描述方法,其特征在于,步骤6计算彩色点的特征直方图的具体步骤为:
步骤6.1,描绘点pi的几何特征直方图,具体过程如下:
步骤6.1.1,利用公式将二值化,其中γ∈[1,3],step(s,f)为一个二值函数,取值为0或者1,计算中通过比较和的大小确定其取值,即时取0,否则取1,为的值域的中值,即将二值化后得到(0,0,0),(1,0,0),(0,1,0),(1,1,0),(0,0,1),(1,0,1),(0,1,1),(1,1,1)共23种组合;
步骤6.1.2,重复步骤6.1.1,将所有点对的二值化;
步骤6.1.3,通过公式(6)将点云中所有点的几何特征转化为几何特征直方图中取值点,具体为将步骤6.1.1计算得到的8种组合的每一种组合转化为几何特征直方图中的一个取值点,
其中idx即为第idx-bin取值点;统计各取值点上点对的个数占总点对数的百分比作为直方图中的某个取值点的值;
步骤6.2,描绘点pi的颜色特征直方图,将两个颜色特征作为颜色特征直方图的两个取值点,其中一个取值点的值为Labi1,另一个取值点的值为Labi2;
步骤6.3,将几何特征直方图和颜色特征直方图合成点pi的特征直方图。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410214551.8A CN103985149B (zh) | 2014-05-20 | 2014-05-20 | 三维彩色点云点特征描述方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410214551.8A CN103985149B (zh) | 2014-05-20 | 2014-05-20 | 三维彩色点云点特征描述方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103985149A CN103985149A (zh) | 2014-08-13 |
CN103985149B true CN103985149B (zh) | 2017-05-17 |
Family
ID=51277106
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410214551.8A Active CN103985149B (zh) | 2014-05-20 | 2014-05-20 | 三维彩色点云点特征描述方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103985149B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109345570B (zh) * | 2018-09-10 | 2021-05-14 | 大连理工大学 | 一种基于几何形状的多通道三维彩色点云配准方法 |
CN109978885B (zh) * | 2019-03-15 | 2022-09-13 | 广西师范大学 | 一种树木三维点云分割方法及系统 |
CN114930402A (zh) * | 2020-11-12 | 2022-08-19 | 深圳元戎启行科技有限公司 | 点云法向量计算方法、装置、计算机设备和存储介质 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102799763A (zh) * | 2012-06-20 | 2012-11-28 | 北京航空航天大学 | 一种基于点云姿态标准化的点云线特征提取方法 |
-
2014
- 2014-05-20 CN CN201410214551.8A patent/CN103985149B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102799763A (zh) * | 2012-06-20 | 2012-11-28 | 北京航空航天大学 | 一种基于点云姿态标准化的点云线特征提取方法 |
Non-Patent Citations (1)
Title |
---|
基于点云数据的自然地形分类算法;袁夏;《南京理工大学学报(自然科学版)》;20100430;第34卷(第2期);摘要,223-224页 * |
Also Published As
Publication number | Publication date |
---|---|
CN103985149A (zh) | 2014-08-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103645480B (zh) | 基于激光雷达和图像数据融合的地形地貌特征构建方法 | |
CN101763429B (zh) | 一种基于颜色和形状特征的图像检索方法 | |
CN107392947B (zh) | 基于轮廓共面四点集的2d-3d图像配准方法 | |
CN103400151B (zh) | 一体化的光学遥感影像与gis自动配准与水体提取方法 | |
CN103727930B (zh) | 一种基于边缘匹配的激光测距仪与相机相对位姿标定方法 | |
CN105528589A (zh) | 基于多列卷积神经网络的单张图像人群计数算法 | |
CN108319957A (zh) | 一种基于超点图的大规模点云语义分割方法 | |
CN104240297A (zh) | 一种救援机器人三维环境地图实时构建方法 | |
CN104143210A (zh) | 一种多尺度法向特征点云配准方法 | |
CN104463856A (zh) | 基于法向量球的室外场景三维点云数据的地面提取方法 | |
CN105118059A (zh) | 一种多尺度坐标轴夹角特征的点云快速配准方法 | |
CN105938619A (zh) | 一种融合RGB和Depth信息的视觉里程计实现方法 | |
CN103606170B (zh) | 基于彩色尺度不变的街景影像特征检测与匹配方法 | |
CN103793922B (zh) | 一种特定姿态实时检测方法 | |
CN103985149B (zh) | 三维彩色点云点特征描述方法 | |
CN106875329A (zh) | 一种人脸替换方法及装置 | |
CN104751111B (zh) | 识别视频中人体行为的方法和系统 | |
CN106355607B (zh) | 一种宽基线彩色图像模板匹配方法 | |
CN109902585A (zh) | 一种基于图模型的手指三模态融合识别方法 | |
CN103400373A (zh) | 相机检校控制场人工标志像点坐标自动识别定位方法 | |
CN106529431A (zh) | 基于车载激光扫描数据的路坎点自动提取及矢量化方法 | |
CN104851089A (zh) | 一种基于三维光场的静态场景前景分割方法和装置 | |
CN106446785A (zh) | 基于双目视觉的可行道路检测方法 | |
CN103927758A (zh) | 一种基于对比度与角点最小凸包的显著性检测方法 | |
CN103106650A (zh) | 利用三个两两不同心圆求解摄像机内参数 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |