CN104778691A - 一种三维点云数据的处理方法 - Google Patents

Abstract

本发明属于三维点云数据处理方法技术领域，具体涉及一种三维点云数据的精简处理方法。本发明主要解决了现有对三维点云进行精简的方法存在的三维物体表面特征保留不好、重建的效果不好和计算量大的技术问题。本发明利用采集点云数据时Kinect相机同步得到的彩色图像中的信息对三维点云进行精简，该方法将彩色图与点云结合起来进行精简，能够避免采集及精简过程造成的物体表面一些曲率没有显著变化但却是特征信息的点云数据的丢失；可以根据物体本身的灰度信息设定相应的精简率进行精简；也可以根据主观因素保留自己认为比较重要的特征点，选择性的精简点云。本发明具有能够很好的保留三维物体表面特征并且具有良好的三维重建效果和计算量小的优点。

Description

一种三维点云数据的处理方法

技术领域

本发明属于三维点云数据处理方法技术领域，具体涉及一种三维点云数据的精简处理方法。

背景技术

随着计算机视觉、光学领域等相关技术的发展，逆向工程的发展也越发迅速。目前，在逆向工程中，数据采集技术主要分为接触式采集方式与非接触式采集方式两大类，采集得到的点云主要有扫描线式点云数据、阵列式点云数据、三角网格式点云数据以及散乱点云数据四类。由于采集得到的点云密度一般比较大，所以为了节省存储空间以及缩短后续重建的时间，对得到的点云数据进行精简尤为必要。

近年来，国内外许多学者都对点云精简进行过研究，方法也有很多。对于三维点云进行精简，主要可以划分为两大类，第一类就是利用拓扑关系进行精简，比如利用包围盒进行精简；第二类是根据不同的方式寻找代表点来进行点云精简，例如：基于曲率的精简方法、基于法向量的精简方法等。但是目前的这些方法都有一定的缺点，如包围盒法进行点云精简时对所有数据一视同仁，这样对特征的保留就不明显；曲率精简法对特征的保留很好，但是对于曲面上的点，由于计算出的曲率值大小变化不大，所以会当成是非特征点而进行大幅度的精简，这样会导致最后重建的效果不好；还有一些方法虽然可以较好地保留特征信息，但计算量增加。

发明内容

本发明的目的是解决现有对三维点云进行精简的方法存在的三维物体表面特征保留不好、重建的效果不好和计算量大的技术问题，提供一种三维点云数据的处理方法。

为解决上述技术问题，本发明采用的技术方案为：

一种三维点云数据的处理方法，包括以下步骤：

1)将三维物体放置在旋转平台上，利用Kinect相机同时采集三维物体在多个视角下的彩色图像与深度图信息，并由深度图信息得到三维物体在多个视角下的三维点云数据；

2)将多个视角下的三维点云数据利用配准算法得到三维物体整体的三维点云数据；

3)将彩色图像进行灰度化处理得到灰度图像，将灰度图像的每个像素点的灰度值记为g_i；

4)进行坐标系变换：首先将灰度图像像素坐标系对应到彩色图像像素坐标系，并按照以下转换方式将彩色图像像素坐标系变换至深度图像像素坐标系：彩色图像像素坐标系→彩色图像物理坐标系→彩色图像摄像机坐标系→世界坐标系→深度图像摄像机坐标系→深度图像物理坐标系→深度图像像素坐标系，最后将深度图像像素坐标系对应到整体的三维点云数据中；

5)对步骤2)中得到的整体的三维点云数据利用八叉树的方法进行拓扑划分，在进行八叉树拓扑划分之后，对每一个子立方体进行编码，编码为Q，编码Q是每一个子立方体的唯一编码，将编码Q对应子立方体中的三维点记为a_i，其中i∈{0，…，k}，k为该子立方体中三维点的个数；

6)计算每一个子立方体中的三维点a_i的平均距离比较三维点a_i的平均距离的大小，将最小的平均距离所对应的三维点记为a₀，接着将三维点a_i所对应的灰度值g_i与三维点a₀所对应的灰度值g₀进行比较，获得灰度值g_i与灰度值g₀差的绝对值，该绝对值记为e，通过比较绝对值e与给定阈值的大小，来判断该处灰度值变换是否明显，特征信息是否充足，并根据灰度图像像素坐标系与三维点云数据的对应关系设定相应的精简率；若绝对值e小于给定阈值，则认为该处灰度值变换不明显，特征信息不足，并根据灰度图像像素坐标系与三维点云数据的对应关系设定较大的精简率；反之，若绝对值e大于给定阈值，则认为该处灰度值变换明显，特征信息较多，并根据灰度图像像素坐标系与三维点云数据的对应关系设定较小的精简率。

本发明采用以上技术方案，利用采集点云数据时Kinect相机同步得到的彩色图像中的信息对三维点云进行精简，该方法将彩色图与点云结合起来进行精简，能够避免采集及精简过程造成的物体表面一些曲率没有显著变化但却是特征信息的点云数据的丢失；可以根据物体本身的灰度信息设定相应的精简率进行精简；也可以根据主观因素保留自己认为比较重要的特征点，选择性的精简点云。因此，与背景技术相比，本发明具有能够很好的保留三维物体表面特征并且具有良好的三维重建效果和计算量小的优点。

为表明本发明具有以上优点，对同一三维物体整体点云数据采用曲率精简法、格栅法以及本发明所述处理方法进行了对比，对比结果见表1。

表1 三种算法精简结果对比

从图4和图5可以看出，虽然对点云数据进行了精简处理，在物体外形变化比较明显的地方也达到和比较不错的效果，但是并没有表现出物体表面上的一些特征信息。结合图3、图4、图5与表1可以看出，本发明在精简处理程度相差不大时，有更好的精简效果。

附图说明

图1是三维物体某一角度灰度图；

图2是三维物体整体点云数据；

图3是本发明所述方法对三维物体整体点云数据精简后的效果图；

图4是曲率精简法对三维物体整体点云数据精简后的效果图；

图5是格栅法对三维物体整体点云数据精简后的效果图。

具体实施方式

本实施例中的一种三维点云数据的处理方法，包括以下步骤：

1)将三维物体放置在旋转平台上，利用Kinect相机同时采集三维物体在多个视角下的彩色图像与深度图信息，初始时记为0°，旋转平台每旋转10°记录一次数据，直至旋转平台旋转350°，并由深度图信息得到三维物体在35个视角下的三维点云数据；

2)将35个视角下的三维点云数据利用改进的ICP配准算法得到三维物体整体的三维点云数据；

3)将彩色图像进行灰度化处理得到灰度图像，将灰度图像的每个像素点的灰度值记为g_i，其中，灰度值g_i的计算公式为：

g＝0.3R+0.59G+0.11B

式中：R、G、B为彩色图像的各像素点对应的红、绿、蓝三个分量，输出并记录每个点的灰度值；

4)进行坐标系变换：首先将灰度图像像素坐标系对应到彩色图像像素坐标系，并按照以下转换方式将彩色图像像素坐标系变换至深度图像像素坐标系：彩色图像像素坐标系→彩色图像物理坐标系→彩色图像摄像机坐标系→世界坐标系→深度图像摄像机坐标系→深度图像物理坐标系→深度图像像素坐标系，最后将深度图像像素坐标系对应到整体的三维点云数据中；

由于Kinect相机是固定不变的，所以将世界坐标系定义为深度相机的摄像机坐标系；图像物理坐标系中的一点坐标(x，y)与图像像素坐标系中的坐标(u，v)之间的关系可以用齐次坐标表示为：

$\left[\begin{array}{c}u\\ v\\ 1\end{array}\right]=\left[\begin{array}{ccc}1/\mathrm{dx}& 0& u_0\\ 0& 1/\mathrm{dy}& v_0\\ 0& 0& 1\end{array}\right]\left[\begin{array}{c}x\\ y\\ 1\end{array}\right]$

摄像机坐标(x_c,y_c,z_c)与图像物理坐标(x,y)可以根据相似三角形的关系得到

$x=f\frac{X_c}{Z_c}$

$y=f\frac{Y_c}{Z_c}$

用齐次坐标和矩阵表示为：

$Z_c\left[\begin{array}{c}x\\ y\\ 1\end{array}\right]=\left[\begin{array}{cccc}f& 0& 0& 0\\ 0& f& 0& 0\\ 0& 0& 1& 0\end{array}\right]\left[\begin{array}{c}{X}_c\\ Y_c\\ Z_c\\ 1\end{array}\right]$

5)对步骤2)中得到的整体的三维点云数据利用八叉树的方法进行拓扑划分，在进行八叉树拓扑划分之后，对每一个子立方体进行编码，编码为Q，编码Q是每一个子立方体的唯一编码，将编码Q对应子立方体中的三维点记为a_i，其中i∈{0，…，k}，k为该子立方体中三维点的个数，本实施例取k为50；

6)计算每一个子立方体中的三维点a_i的平均距离其中平均距离由以下公式计算：

$\stackrel{\‾}{l}=\frac{1}{k}\underset{j=1}{\overset{k}{\mathrm{\Σ}}}\sqrt{{(a_{\mathrm{ix}}-a_{\mathrm{jx}})}^2+{(a_{\mathrm{iy}}-a_{\mathrm{jy}})}^2+{(a_{\mathrm{iz}}-a_{\mathrm{jz}})}^2}$

式中：a_i表示一个三维点，a_j表示不同于a_i的一个三维点，a_ix表示a_i点的x坐标值，a_iy表示a_i点的y坐标值，a_iz表示a_i点的z坐标值，a_jx表示a_j点的x坐标值，a_jy表示a_j点的y坐标值，a_jz表示a_j点的z坐标值,a_j,j∈{1,…,k}。

比较三维点a_i的平均距离l的大小，将最小的平均距离l所对应的三维点记为a₀，接着将三维点a_i所对应的灰度值g_i与三维点a₀所对应的灰度值g₀进行比较，获得灰度值g_i与灰度值g₀差的绝对值，该绝对值记为e，即

e＝|g_i-g₀|

通过比较绝对值e与给定阈值的大小，来判断该处灰度值变换是否明显，特征信息是否充足，并根据灰度图像像素坐标系与三维点云数据的对应关系设定相应的精简率。

若绝对值e小于给定阈值，则认为该处灰度值变换不明显，特征信息不足，并根据灰度图像像素坐标系与三维点云数据的对应关系设定精简率为95％；反之，若绝对值e大于给定阈值，则认为该处灰度值变换明显，特征信息较多，并根据灰度图像像素坐标系与三维点云数据的对应关系设定精简率为10％。附图中，为了展示精简效果，设定灰度值变换不明显处精简率为10％，而灰度值变换明显处精简率为95％。

上述实施例步骤5)中各子立方体中三维点的个数可以按照实际需要任意取值。

上述实施例中的灰度值g_i和三维点的平均距离还可以采用其他计算方法得到。

上述实施例中的精简率还可以按照具体情况设定不同的精简率。

Claims (1)

1.一种三维点云数据的处理方法，其特征在于：包括以下步骤：

1)将三维物体放置在旋转平台上，利用Kinect相机同时采集三维物体在多个视角下的彩色图像与深度图信息，并由深度图信息得到三维物体在多个视角下的三维点云数据；

2)将多个视角下的三维点云数据利用配准算法得到三维物体整体的三维点云数据；

3)将彩色图像进行灰度化处理得到灰度图像，将灰度图像的每个像素点的灰度值记为g_i；

4)进行坐标系变换：首先将灰度图像像素坐标系对应到彩色图像像素坐标系，并按照以下转换方式将彩色图像像素坐标系变换至深度图像像素坐标系：彩色图像像素坐标系→彩色图像物理坐标系→彩色图像摄像机坐标系→世界坐标系→深度图像摄像机坐标系→深度图像物理坐标系→深度图像像素坐标系，最后将深度图像像素坐标系对应到整体的三维点云数据中；

5)对步骤2)中得到的整体的三维点云数据利用八叉树的方法进行拓扑划分，在进行八叉树拓扑划分之后，对每一个子立方体进行编码，编码为Q，编码Q是每一个子立方体的唯一编码，将编码Q对应子立方体中的三维点记为a_i，其中i∈{0，…，k}，k为该子立方体中三维点的个数；

6)计算每一个子立方体中的三维点a_i的平均距离比较三维点a_i的平均距离的大小，将最小的平均距离所对应的三维点记为a₀，接着将三维点a_i所对应的灰度值g_i与三维点a₀所对应的灰度值g₀进行比较，获得灰度值g_i与灰度值g₀差的绝对值，该绝对值记为e，通过比较绝对值e与给定阈值的大小，来判断该处灰度值变换是否明显，特征信息是否充足，并根据灰度图像像素坐标系与三维点云数据的对应关系设定相应的精简率。