CN105551048A - 一种基于空间面片的三维角点检测方法 - Google Patents

Abstract

本发明公开了一种基于空间面片的三维角点检测方法，包括获得三维物体的轮廓角点集C₁及获得三维物体基于灰度信息的角点集C₂两个步骤，具体为：三维物体建立三维模型，将其视为由大小不一的空间面片构成，利用邻接区域信息计算变形度，使用阈值及临近角点剔除策略提取轮廓角点，最后再对灰度图像进行角点检测，最终得到三维物体的两种角点。本方法对三维物体角点检测具有很高的精确性和稳定性，改进了传统的三维角点检测方法。

Description

一种基于空间面片的三维角点检测方法

技术领域

本发明涉及图像处理领域，具体涉及一种基于空间面片的三维角点检测方法。

背景技术

角点被认为是物体边界曲线上的曲率极大值点。SUSAN算法提出了吸收核同值区的概念,即在图像上移动的圆形模板,若模板内的像素灰度与模板中心的像素灰度差值小于给定的门限,则认为该点与中心点是同值的,而由满足这样条件的像素组成的区域则叫做吸收核同值区USAN。SUSAN角点检测算法的核心思想是:平坦区域像素点的USAN值最大,边界点次之,角点最小,而且角点越尖,吸收核同值区越小。现有的三维物体轮廓角点检测技术主要是基于曲率信息进行检测以及将二维检测角点过程应用于三维模型。但这些方法还存在一些不足：在三维网格模型中，曲率的计算方法多样而且精度不一，会影响到后续角点定位的准确性。

发明内容

为了克服现有技术存在的缺点与不足，本发明提供一种基于空间面片的三维角点检测方法。

本发明能够检测三维物体的轮廓角点以及基于灰度信息的角点，相比现有的三维角点检测方法更具灵活性和优越性。

本发明采用如下技术方案：

一种基于空间面片的三维角点检测方法，包括获得三维物体的轮廓角点集C₁及获得三维物体基于灰度信息的角点集C₂两个步骤，其中

获得三维物体的轮廓角点集C₁包括如下步骤：

S1.1输入三维物体的空间三维模型，用大小不一的空间面片进行拟合，空间面片的转折构成三维棱边，三维棱边的转折产生三维角点；

S1.2构建三维Susan区域，具体是以空间面片的点为球心构建球形，其与三维模型的交集为三维Susan区域；

S1.3根据每个空间面片的三维Susan区域，计算各个空间面片的面积，最后得到空间面片各个点的法向量N_i；

S1.4求出空间面片当前点v₀的法向量和其某个邻接面f_j的法向夹角，构建相似比较函数，对当前点和其所有邻接面片计算夹角，求得当前空间面片上点的变形方程；

S1.5设定阈值g，利用当前顶点的变形函数构建Susan响应函数，求得初始三维角点集合；

S1.6对初始三维角点集合中的角点进行基于邻域的非极大值抑制，得到三维物体的轮廓角点集C₁；

获得三维物体基于灰度信息的角点集C₂，具体包括如下步骤：

S2.1输入三维物体不同角度的二维灰度图像；

S2.2对二维图像进行预处理，利用Susan算子对灰度图像进行角点检测，进行非极大值抑制后得到三维物体基于灰度信息的角点集C₂；

将步骤S1.6及S2.2所得的角点集综合得到三维物体的角点集。

S1.3中所述每个空间面片点的法向量N_i的计算公式，

$N_i=\underset{f_j\∈adj\left(v_i\right)}{\Σ}{N}_j\×area\left(f_j\right)/\underset{f_j\∈R\left(v_i\right)}{\Σ}area\left(f_j\right)$

其中，f_j为当前点的一阶邻接空间面片，N_j为邻接空间面片的法向，area(f_j)为邻接空间面片的面积。

S1.4中所述相似比较函数为其中：area(f_j)为面片的面积，area_min为Susan区域内最小面片的面积，为当前点v₀法向和其某个邻接面f_j的法向夹角，N₀表示当前点的法向量。

S1.4中所述变形方程为其中num_total为Susan区域内的最大作用面片数目 ${\mathrm{num}}_{total}=\underset{f_j\∈Susan}{\Σ}area\left(f_j\right)/{\mathrm{area}}_{\min }.$

所述S2.2具体为：用一个圆形的模板在图像上移动，若模板内的像素灰度与模板中心的像素灰度值之差小于一定的阈值，则认为该点与模板中心具有相同灰度，模板内满足该条件的像素组成的区域定义为USAN区域，根据USAN区域的大小来检测角点的位置，最后使用非极大值抑制剔除虚假角点，得到基于灰度信息的角点集C₂。

S2.2中，Susan算子检测角点之前首先对图像叠加模板为5×5，宽度为1的二维高斯滤波器，滤除杂质噪声。

本发明的有益效果：

(1)本发明用大小不一的空间面片对除曲面以外的，具有平面特征信息的三维物体进行拟合，空间面片的转折构成三维棱边，三维棱边的转折产生了三维角点，大大简化对三维物体的检测过程，加快了检测速度，过程简单，可操作性强；

(2)本方法利用利用邻接区域信息计算顶点的变形度，精度高，定位准确；

(3)本方法能够同时检测三维物体的轮廓角点信息和灰度角点信息。

附图说明

图1是本发明的三维物体的空间面片模型；

图2是本发明的三维物体的灰度信息图；

图3是本发明的三维物体的Susan响应区域；

图4是本发明检测三维物体角点的流程图。

具体实施方式

下面结合实施例及附图，对本发明作进一步地详细说明，但本发明的实施方式不限于此。

实施例

如图4所示，一种基于空间面片的三维角点检测方法，本发明对于除曲面以外的，具有平面特征的三维物体有良好的角点检测效果，包括获得三维物体的轮廓角点集C₁及获得三维物体基于灰度信息的角点集C₂两个步骤；

所述获得三维物体的轮廓角点集合C₁步骤，具体包括：

S1.1输入三维物体的空间三维模型，用大小不一的空间面片进行拟合，空间面片的转折构成三维棱边，三维棱边的转折产生三维角点；如图1中所示，其中a为三维物体的轮廓角点。

S1.2构建三维Susan区域，对应二维灰度图像中的圆形Susan区域，三维的Susan区域是以空间面片上的点为球心，以指定距离为半径的球和三维模型的交集，如图3所示，其中A为球形的三维Susan区域。

S1.3利用公式计算空间面片上点的法向量。其中：f_j为空间面片上点的一阶邻接面，N_j为邻接面的法向，area(f_j)为邻接面的面积，v_i为空间面片上的点，N_i为空间面片上点的法向量,adj(v_i)为邻接面片的集合，R(v_i)为Susan区域内面片的集合。

S1.4求出当前点v₀法向量和其某个邻接面f_j的法向夹角，构建相似比较函数，对当前点v₀和其所有邻接面片计算夹角，求得当前空间面片上点的变形方程；

相似比较函数的构建如下：

$c(f_j,v_0)=\exp (-{\[\frac{a}{t}\]}^6)\×\frac{area\left(f_j\right)}{{\mathrm{area}}_{\min }};$

其中：area(f_j)为邻接面的面积，area_min为Susan区域内最小面片的面积，为当前点v₀法向量N₀和其某个邻接面f_j的法向量N_j夹角，t为三维Susan区域中面片的数量。

此时，Susan区域内的最大作用面片数目为：

${\mathrm{num}}_{total}=\underset{f_j\∈Susan}{\Σ}area\left(f_j\right)/{\mathrm{area}}_{min}.$

所述当前空间面片上点的变形方程，在三维空间面片模型上，从当前点及邻接区域的视觉特性来看，其法线夹角和越大，当前点的变形越大，当前点的邻接区域面积越大，变形越大，根据这个特性，由点的邻接区域信息可以得到当前点的变形特征方程。

对当前点v₀和其所有邻接面片计算夹角可得当前点v₀的变形方程：

其中num_total为Susan区域内的最大作用面片数目R(v₀)表示以当前点为中心的Susan区域。

S1.5设定阈值g，利用当前顶点的变形函数构建Susan响应函数，求得初始三维角点集合；

Susan响应函数为其中g为设定的阈值。

S1.6对初始角点集中的角点使用非极大值抑制，去除虚假角点，对每一个角点在一阶邻域范围计算其Susan响应值是否是最大的，若为最大值，将其标定为突变点，否则将其从角点集中剔除，最终得到三维物体的轮廓角点集C₁。

非极大值抑制过程为基于邻域的非极大值抑制，对于每一个初始角点，在一阶邻域范围内进行探测，若S(v₀)值在探测范围内最大，则将其标定为突变点，将邻域其他突变点从集合中剔除。

所述获得三维物体基于灰度信息的角点集C₂，具体包括如下：

接下来进行三维物体基于灰度信息的角点检测，首先输入三维物体不同角度的二维图像，图2为某一物体的灰度信息图，其中点b基于灰度信息的角点。

S2.1对二维图像进行预处理，对图像叠加模板为5×5，宽度为1的二维高斯滤波器，滤除杂质噪声，所述二维高斯滤波器的函数g(i,j)，其中为模板中心σ为宽度，也即平滑程度。

S2.2用二维Susan算子对灰度图像进行角点检测，对所获得的角点集，进行非极大值抑制，进一步，判断USAN区域的重心和模板中心的连线所经过的像素是否都属于USAN区域的像素，如果属于那么这个模板的中心就是角点，最后获得三维物体基于灰度信息的角点集C₂。

将两个步骤得到的角点集就是最终所获得的三维物体的角点集。

上述实施例为本发明较佳的实施方式，但本发明的实施方式并不受所述实施例的限制，其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化，均应为等效的置换方式，都包含在本发明的保护范围之内。

Claims (6)

1.一种基于空间面片的三维角点检测方法，其特征在于，包括获得三维物体的轮廓角点集C₁及获得三维物体基于灰度信息的角点集C₂两个步骤，其中

获得三维物体的轮廓角点集C₁包括如下步骤：

S1.1输入三维物体的空间三维模型，用大小不一的空间面片进行拟合，空间面片的转折构成三维棱边，三维棱边的转折产生三维角点；

S1.2构建三维Susan区域，具体是以空间面片的点为球心构建球形，其与三维模型的交集为三维Susan区域；

S1.3根据每个空间面片的三维Susan区域，计算各个空间面片的面积，最后得到空间面片各个点的法向量N_i；

S1.4求出空间面片当前点v₀的法向量和其某个邻接面f_j的法向夹角，构建相似比较函数，对当前点和其所有邻接面片计算夹角，求得当前空间面片上点的变形方程；

S1.5设定阈值g，利用当前顶点的变形函数构建Susan响应函数，求得初始三维角点集合；

S1.6对初始三维角点集合中的角点进行基于邻域的非极大值抑制，得到三维物体的轮廓角点集C₁；

获得三维物体基于灰度信息的角点集C₂，具体包括如下步骤：

S2.1输入三维物体不同角度的二维灰度图像；

S2.2对二维图像进行预处理，利用Susan算子对灰度图像进行角点检测，进行非极大值抑制后得到三维物体基于灰度信息的角点集C₂；

将步骤S1.6及S2.2所得的角点集综合得到三维物体的角点集。

2.根据权利要求1所述的一种基于空间面片的三维角点检测方法，其特征在于，S1.3中所述每个空间面片点的法向量N_i的计算公式，

$N_i=\underset{f_j\∈adj\left(v_i\right)}{\Σ}{N}_j\×area\left(f_j\right)/\underset{f_j\∈N\left(v_i\right)}{\Σ}area\left(f_j\right)$

其中，f_j为当前点的一阶邻接空间面片，N_j为邻接空间面片的法向，area(f_j)为邻接空间面片的面积。

3.根据权利要求1所述的一种基于空间面片的三维角点检测方法，其特征在于，S1.4中所述相似比较函数为其中：area(f_j)为面片的面积，area_min为Susan区域内最小面片的面积，为当前点v₀法向和其某个邻接面f_j的法向夹角，N₀表示当前点的法向量。

4.根据权利要求1所述的一种基于空间面片的三维角点检测方法，其特征在于，S1.4中所述变形方程为其中num_total为Susan区域内的最大作用面片数目 ${\mathrm{num}}_{total}=\underset{f_j\∈Susan}{\Σ}area\left(f_j\right)/{\mathrm{area}}_{min}.$

5.根据权利要求1所述的一种基于空间面片的三维角点检测方法，其特征在于，所述S2.2具体为：用一个圆形的模板在图像上移动，若模板内的像素灰度与模板中心的像素灰度值之差小于一定的阈值，则认为该点与模板中心具有相同灰度，模板内满足该条件的像素组成的区域定义为USAN区域，根据USAN区域的大小来检测角点的位置，最后使用非极大值抑制剔除虚假角点，得到基于灰度信息的角点集C₂。

6.根据权利要求1所述的一种基于空间面片的三维角点检测方法，其特征在于，S2.2中，Susan算子检测角点之前首先对图像叠加模板为5×5，宽度为1的二维高斯滤波器，滤除杂质噪声。