CN105678708B - 一种适用于已配准多视角有序点云的整体优化方法 - Google Patents
一种适用于已配准多视角有序点云的整体优化方法 Download PDFInfo
- Publication number
- CN105678708B CN105678708B CN201610005672.0A CN201610005672A CN105678708B CN 105678708 B CN105678708 B CN 105678708B CN 201610005672 A CN201610005672 A CN 201610005672A CN 105678708 B CN105678708 B CN 105678708B
- Authority
- CN
- China
- Prior art keywords
- point
- vertex
- triangular facet
- cloud
- interference
- 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.)
- Expired - Fee Related
Links
- 238000000034 method Methods 0.000 title claims abstract description 63
- 238000005457 optimization Methods 0.000 title claims abstract description 13
- 230000000007 visual effect Effects 0.000 title claims abstract description 13
- 238000012545 processing Methods 0.000 claims abstract description 30
- 230000002159 abnormal effect Effects 0.000 claims abstract description 13
- 230000001186 cumulative effect Effects 0.000 claims description 33
- 238000012546 transfer Methods 0.000 claims description 11
- 238000004381 surface treatment Methods 0.000 claims description 10
- 238000006073 displacement reaction Methods 0.000 claims description 6
- 238000001514 detection method Methods 0.000 claims description 5
- 238000007689 inspection Methods 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 3
- 230000014759 maintenance of location Effects 0.000 abstract description 6
- 238000003825 pressing Methods 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 6
- 230000000694 effects Effects 0.000 description 3
- 238000005452 bending Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000004382 potting Methods 0.000 description 2
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000001727 in vivo Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Graphics (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- Image Analysis (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明公开了一种适用于已配准多视角有序点云的整体优化方法。针对已配准的多视角有序点云,反复执行下列过程,直到达到迭代终止条件:首先对各点云进行三角化,然后通过检查点‑视点连线与三角面相交的情况来进行干涉检查,对于产生干涉的点按不同情况进行加权处理与偏移量计算,最后对异常点进行移动或删除处理。与现有技术相比,本发明在较好地保留点云细节的基础上有效解决了局部点云形变的问题,同时达到了较好的降噪效果,处理所得的各幅点云仍保持有序,并具有较好的鲁棒性,且应用广泛。
Description
技术领域
本发明属于计算机图形技术领域,具体涉及一种适用于已配准多视角有序点云的整体优化方法。
背景技术
在对物体进行三维扫描时,通常需要从被测物的不同方位进行扫描以获得较完整的三维数据,并需要对所得被测物的多视角三维点云进行配准使其处于同一坐标系中。目前基于结构光、编码光、ToF等原理的面阵三维扫描设备已被广泛使用,其所得点云通常为有序点云。因此初始所得的三维数据通常为一组已配准的多视角有序点云。
受测量原理、设备误差、被测物材质、环境干扰等影响,点云噪声的存在难以完全避免,某些情况下甚至会产生如局部点云形变等的严重误差,这都导致了所得数据不够准确,造成表面点云有厚度、点云分层或分叉等问题,对后续的三维重建等工作造成了很大影响。
为解决该问题,目前已有多种对点云进行降噪、修复与优化的方法。常见的方法有:
1.基于邻域特征的降噪方法。该方法的基本原理是通过建立若干局部区域作为邻域,并对每一邻域内的点进行某种处理,从而达到降噪的效果,该种方法通常能较好地在保留点云局部特征的同时完成降噪,但其缺点在于当邻域尺度选择较小时难以去除离散性较大的噪声,而当邻域尺度选择较大时又会导致点云细节丢失。
2.基于统计特征的降噪方法。该方法的基本原理为通过对点云的局部或者整体进行统计特征计算,从而识别出噪声点并进行处理。例如基于聚类的点云降噪方法通过聚类来建立点云的拓扑关系,从而完成噪声点的识别与删除。此类方法通常能较好地去除点云中的离散噪声,但难以有效地处理混杂于物体点云表面的噪声以及局部点云形变的情况。
3.非刚性配准。该方法的基本原理为通过识别多视角点云的局部特征,将不同视角点云中非重叠的相似部分加以移动与变形,使具有相同特征的点云能够良好地重叠。该方法虽不属于纯粹的点云降噪方法,但其能有效解决点云局部形变的问题,而其缺点在于对点云的既有特征依赖性较强,易存在误匹配或识别不到特征的情况。
发明内容
为解决背景技术中存在的问题,本发明提出了一种适用于已配准多视角有序点云的整体优化方法。
本发明采用如下步骤的技术方案:
1)初始化:载入各幅点云及其各自的视点,各幅点云均为有序点云,且各幅点云已经配准,初始化迭代次数NI为1;
2)点云三角化:对各幅点云分别使用有序点云三角化方法进行三角化;
3)干涉检查:定义点云中存在的点为有效点,为各幅点云中的每个有效点均设立可移动标记BT,并初始化为-1;对各幅点云中的每个有效点分别进行干涉检查处理,获得干涉组,每个干涉组包括被遮挡点E、三角面T、三角面T三个顶点各自对应的伪目标点Q’、干涉距离H和干涉方向D的数据;
4)计算权重:为各幅点云中的每个有效点均设立被遮挡权重Wd、正面遮挡权重Wf和反面遮挡权重Wb的三个权重值,并都初始化为0,然后对每个干涉组分别采用如下方式进行处理;
将干涉距离H加到被遮挡点E的被遮挡权重Wd中,然后进行判断:如果干涉方向D为正,则将干涉距离H分别加到三角面T三个顶点各自的正面遮挡权重Wf中;如果干涉方向D为反,则将干涉距离H分别加到三角面T三个顶点各自的反面遮挡权重Wb中;
5)计算偏移量:为各幅点云中的每个有效点均设立累计偏移量Rsum和累计偏移量计数NR,并都初始化为0,然后对每个干涉组分别采用如下方式进行处理;
计算被遮挡点偏移量RE=-H/|EVE|,式中:H为干涉距离,|EVE|为被遮挡点E到其所在点云视点VE的距离,然后进行判断:如果干涉方向D为正,则进行正向干涉处理;如果干涉方向D为反,则进行反向干涉处理;
6)采用以下方式处理异常点;
6.1)初始化移动点数量NMP为0,对各幅点云中的每个有效点分别进行如下处理:如果当前有效点C的累计偏移量计数NR大于0,则进行移动点处理;否则不做处理;
6.2)从各幅点云中删除不是任何一个三角面顶点的有效点;
6.3)从各幅点云中删除可移动标记BT为0的有效点;
7)迭代终止检查:如果达到迭代终止条件,则结束处理,所得各幅点云为优化后的点云;否则使迭代次数NI增1,返回步骤2)重复各步骤进行迭代处理,直到达到迭代终止条件。
所述步骤2)中有序点云三角化方法具体为:
对点云中的每个点分别进行如下处理:记该点在点云中的编号为(x,y),则将编号为(x,y)、(x+1,y)、(x,y+1)、(x+1,y+1)的该四个点进行判断:
若其中至少有两个点不存在,则不做处理;
若其中只有三个点存在,则将这三个点构成三角面并进行新增三角面处理;
若其中四个点均存在,则对该四个点进行Delaunay三角剖分,将得到的两个三角面进行新增三角面处理。
所述新增三角面处理具体为:对所得三角面进行如下判断:如果三角面的最小角不小于三角面最小角阈值,则记录该三角面,并记三角面朝向其所在点云视点的一侧为正面、另一侧为反面;否则不记录该三角面。
所述“三角面最小角阈值”为预先设定的参数。
所述步骤3)中干涉检查处理具体为:
3.1)定义正在处理的有效点为检查点P,定义检查点P所在点云的视点为检查点视点VP,对每一幅除检查点P所在点云以外的其他点云分别进行如下处理:对该点云的各三角面进行干涉距离H计算与干涉条件判断,若存在符合干涉条件的三角面,则从中选出干涉距离H最小的三角面T,执行步骤3.2);否则不做处理;
3.2)定义三角面T所在点云的视点为三角面视点VT,如果三角面视点VT指向检查点P的射线VTP与三角面T所在平面ST相交,则执行步骤3.3);否则不做处理;
3.3)对三角面T的三个顶点分别进行伪目标点计算与移动条件判断,如果三角面T的三个顶点中至少有一个顶点达到了移动条件,则执行步骤3.3.1);否则执行步骤3.3.2);
3.3.1)将检查点P的可移动标记BT置为1,分别将三角面T的三个顶点各自的可移动标记BT置为1;
设立干涉方向D:如果检查点视点VP在三角面T的正面一侧,则干涉方向D为正;否则为反。
将检查点P作为被遮挡点E,并与三角面T、三角面T三个顶点各自对应的伪目标点Q’、干涉距离H、干涉方向D的数据一起归为一个干涉组,并记录;
3.3.2)对三角面T的三个顶点分别进行如下处理:如果该顶点的可移动标记BT为-1,则将其置为0;否则不做处理。
所述步骤3.1)中干涉距离H计算与干涉条件判断具体为:
如果检查点视点VP与检查点P构成的线段VPP与三角面T相交,则记其交点到检查点P的距离为干涉距离H,并且如果干涉距离H不大于检测范围阈值,则认为三角面T符合干涉条件;否则均认为三角面T不符合干涉条件。
所述“检测范围阈值”为预先设定的参数。
所述步骤3.3)中伪目标点计算与移动条件判断具体为:对于正在处理的三角面顶点Q,过检查点P做与三角面T平行的平面SP,将三角面视点VT指向顶点Q的射线VTQ与该平面SP的交点作为顶点Q的伪目标点Q’,如果以伪目标点Q’为球心并以邻域范围为半径的球体内的其他点云有效点个数总和不小于邻域点数量阈值,则认为顶点Q达到了移动条件;否则认为顶点Q没有达到移动条件。
所述“邻域范围”与“邻域点数量阈值”为预先设定的参数。
所述步骤5)中正向干涉处理具体为:
5.a1)计算被遮挡点加权偏移量式中:RE为被遮挡点偏移量,Wd为被遮挡点E的被遮挡权重,为三角面T三个顶点的正面遮挡权重Wf的平均值;然后将被遮挡点加权偏移量REW加到被遮挡点E的累计偏移量Rsum中,并使被遮挡点E的累计偏移量计数NR增1;
5.a2)接着,对三角面T的三个顶点分别进行如下处理:
先计算顶点偏移量RQ=|Q’Q|/|QVT|,式中:|Q’Q|为顶点Q的伪目标点Q’到顶点Q的距离,|QVT|为顶点Q到三角面视点VT的距离;
再计算顶点加权偏移量RQW=RQ×Wf/(Wf+Wd),式中:RQ为顶点偏移量,Wf为顶点Q的正面遮挡权重,Wd为被遮挡点E的被遮挡权重;
然后将顶点加权偏移量RQW加到顶点Q的累计偏移量Rsum中,并使顶点Q的累计偏移量计数NR增1。
所述步骤5)中反向干涉处理具体为:
5.b1)计算被遮挡点加权偏移量式中:RE为被遮挡点偏移量,Wd为被遮挡点E的被遮挡权重,为三角面T三个顶点的反面遮挡权重Wb的平均值;然后将被遮挡点加权偏移量REW加到被遮挡点E的累计偏移量Rsum中,并使被遮挡点E的累计偏移量计数NR增1;
5.b2)接着,对三角面T的三个顶点分别进行如下处理:
先计算顶点偏移量RQ=-|Q’Q|/|QVT|,式中:|Q’Q|为顶点Q的伪目标点Q’到顶点Q的距离,|QVT|为顶点Q到三角面视点VT的距离;
再计算顶点加权偏移量RQW=RQ×Wb/(Wb+Wd),式中:RQ为顶点偏移量,Wb为顶点Q的反面遮挡权重,Wd为被遮挡点E的被遮挡权重;
然后将顶点加权偏移量RQW加到顶点Q的累计偏移量Rsum中,并使顶点Q的累计偏移量计数NR增1。
所述步骤6.1)中移动点处理具体为:
6.1.1)先计算平均偏移量Ravg=Rsum/NR,式中:Rsum为当前有效点C的累计偏移量,NR为当前有效点C的累计偏移量计数;
再计算移动距离d=|Ravg|×|CVC|,式中:|Ravg|为平均偏移量Ravg的绝对值,|CVC|为当前有效点C到其所在点云的视点VC的距离;如果移动距离d不小于最小移动距离阈值,则执行步骤6.1.2),否则不做处理;
6.1.2)计算目标点C’=(C-VC)×Ravg+C,式中:C为当前有效点,VC为当前有效点C所在点云的视点,Ravg为平均偏移量;然后将当前有效点C的坐标替换为目标点C’的坐标,使移动点数量NMP增1。
所述步骤7)中迭代终止条件的判断方法具体为:如果迭代次数NI等于最大迭代次数或者移动点数量NMP相比上一次迭代计算结果不再减少,则认为达到迭代终止条件;否则认为没有达到迭代终止条件。
所述“最大迭代次数”为预先设定的参数。
本发明利用多视角点云及其视点的位置关系,构建了基于干涉检查与加权移动的处理方式:首先对各点云进行三角化,然后通过检查点-视点连线与三角面相交的情况来进行干涉检查,对于产生干涉的点按不同情况进行加权处理与偏移量计算,最后对异常点进行移动或删除处理。反复执行上述过程,直到达到迭代终止条件,即完成了处理。
与现有技术相比,本发明具有的有益效果是:
1)本发明可有效解决局部点云形变的问题,使形变点移动到合理位置;
2)本发明能起到较好的降噪效果,对离散性较大的噪声尤为有效;
3)本发明能够较好地保留点云细节,处理过程对非噪声数据影响较小;
4)本发明对点云既有特征无依赖,鲁棒性较好;
5)本发明处理所得的各幅点云仍保持有序;
6)本发明对数据来源与用途并无特别限制,应用广泛。
附图说明
图1是本发明方法的流程图;
图2是本发明实施例提供的有序点云三角化方法示意图;
图3是本发明实施例提供的从符合干涉条件的三角面中选出干涉距离最小的三角面的示意图;
图4是本发明实施例提供的检查移动条件的示意图;
图5是本发明实施例提供的判断干涉方向的示意图;
图6是本发明实施例提供的移动异常点原理的示意图;
图7是本发明实施例提供的对盆栽点云处理前后的效果图。
具体实施方式
以下结合附图及实施例,对本发明作进一步详细说明。
如图1所示,本发明的实施例及其实施工作过程如下:
01、初始化:载入各幅点云及其各自的视点,各幅点云均为有序点云,且各幅点云已经配准,初始化迭代次数NI为1;
02、点云三角化:对各幅点云分别使用以下方法进行三角化:
对点云中的每个点分别进行如下处理:记该点在点云中的编号为(x,y),则将编号为(x,y)、(x+1,y)、(x,y+1)、(x+1,y+1)的该四个点进行判断:若其中至少有两个点不存在,则不做处理;若其中只有三个点存在,则将这三个点构成三角面并进行新增三角面处理;若其中四个点均存在,则对该四个点进行Delaunay三角剖分,将得到的两个三角面进行新增三角面处理。
所述新增三角面处理具体为:对所得三角面进行如下判断:如果三角面的最小角不小于三角面最小角阈值,则记录该三角面,并记三角面朝向其所在点云视点的一侧为正面、另一侧为反面;否则不记录该三角面。
举例说明上述过程:
图2所示为该过程需要判断的几种情况,图中上方的表格用“√”表示存在的点、用“×”表示不存在的点,图中下方的图示表示所存在的点及其三角化过程。
图2.(a)所示为有2个点不存在的情形,符合上述“至少有2点不存在”的情况,因此不做处理。
图2.(b)所示为有3个点存在的情形,则将这3个点构成三角面,进行新增三角面处理。
对于4个点都存在的情形,由于4个点构成三角面的方式不唯一,可以有2种结果,分别如图2.(c)与图2.(d)所示。因此就需要根据Delaunay三角剖分原理,对这2组分别计算出所构成三角面中的最小角,然后选取“最小角”最大的一组作为结果,随后分别对其进行新增三角面处理。例如,假设图2.(c)中的2个三角面的最小角为20度,而图2.(d)中的2个三角面的最小角为30度,由于30大于20,则选取图2.(d)的2个三角面作为结果。
03、干涉检查:定义点云中存在的点为有效点,为各幅点云中的每个有效点均设立可移动标记BT,并初始化为-1;对各幅点云中的每个有效点分别进行如下处理:
031、定义正在处理的有效点为检查点P,定义检查点P所在点云的视点为检查点视点VP,对每一幅除检查点P所在点云以外的其他点云分别进行如下处理:
对该点云的各三角面进行干涉距离H计算与干涉条件判断:如果检查点视点VP与检查点P构成的线段VPP与三角面T相交,则记其交点到检查点P的距离为干涉距离H,并且如果干涉距离H不大于检测范围阈值,则认为三角面T符合干涉条件;否则均认为三角面T不符合干涉条件。
若该点云的各三角面中存在符合干涉条件的三角面,则从中选出干涉距离H最小的三角面T,执行步骤032;否则不做处理;
举例说明上述过程:在图3所示的情况中,检查点P与检查点视点VP构成的线段VPP与来自另一点云的三角面Q1Q2Q3、三角面Q4Q5Q6分别相交,其交点分别为I1、I2,假设两者的干涉距离|I1P|、|I2P|均不大于检测范围阈值,则两个三角面均符合移动条件。进而需要从中选出干涉距离最小的一组数据,因为三角面Q1Q2Q3的干涉距离|I1P|最小,所以选取三角面Q1Q2Q3来执行步骤032。
032、定义三角面T所在点云的视点为三角面视点VT,如果三角面视点VT指向检查点P的射线VTP与三角面T所在平面ST相交,则执行步骤033;否则不做处理;
该步骤的目的在于确保步骤033中的伪目标点是可计算的,即如果不符合该条件,伪目标点将无法计算,因此仅当符合该条件时才执行步骤033。
033、对三角面T的三个顶点分别进行伪目标点计算与移动条件判断:对于正在处理的三角面顶点Q,过检查点P做与三角面T平行的平面SP,将三角面视点VT指向顶点Q的射线VTQ与该平面SP的交点作为顶点Q的伪目标点Q’,如果以伪目标点Q’为球心并以邻域范围为半径的球体内的其他点云有效点个数总和不小于邻域点数量阈值,则认为顶点Q达到了移动条件;否则认为顶点Q没有达到移动条件。
如果三角面T的三个顶点中至少有一个顶点达到了移动条件,则执行步骤0331;否则执行步骤0332;
举例说明上述过程:
如图4所示,Q1’、Q2’、Q3’分别为三角面顶点Q1、Q2、Q3的伪目标点,如果Q1’、Q2’、Q3’中至少有一个符合“以该点为球心、以邻域范围为半径的球体范围内的其他点云有效点个数总和不小于邻域点数量阈值”的要求,则执行步骤0331;否则执行步骤0332。
上述“以该点为球心、以邻域范围为半径的球体范围内的其他点云有效点个数总和不小于邻域点数量阈值”的含义是:该点周围有足够多的其他点云的点。例如,假设邻域范围为0.005米、邻域点数量阈值为3,则若一个伪目标点周围0.005米范围内共有5个其他点云的有效点,因5大于3,则认为该伪目标点周围有足够多的其他点云的点,即符合该条件。
0331、将检查点P的可移动标记BT置为1,分别将三角面T的三个顶点各自的可移动标记BT置为1;
设立干涉方向D:如果检查点视点VP在三角面T的正面一侧,则干涉方向D为正;否则为反。举例说明该过程:图5.(a)为干涉方向为正的情况,即检查点视点VP在三角面T的正面一侧;图5.(b)为干涉方向为反的情况,即检查点视点VP在三角面T的反面一侧。
将检查点P作为被遮挡点E,并与三角面T、三角面T三个顶点各自对应的伪目标点Q’、干涉距离H、干涉方向D的数据一起归为一个干涉组,并记录。
0332、对三角面T的三个顶点分别进行如下处理:如果该顶点的可移动标记BT为-1,则将其置为0;否则不做处理。
该过程的意义在于:记录虽产生干涉但一次也无法移动的三角面顶点。此处“产生干涉”即指线段VPP与三角面Q1Q2Q3有交点,而“移动”是指构成干涉组进而经过后续一系列处理最后产生了偏移量的过程。因此如果可移动标记BT为-1(即初值)则说明该标记从未被处理过,则将其置为0,表示该点无法移动;而如果可移动标记BT为1则说明该点已构成过干涉组,即存在移动,因此此时不做处理。
04、计算权重:为各幅点云中的每个有效点均设立被遮挡权重Wd、正面遮挡权重Wf和反面遮挡权重Wb的三个权重值,并都初始化为0,然后对每个干涉组分别进行如下处理:
将干涉距离H加到被遮挡点E的被遮挡权重Wd中,然后进行判断:如果干涉方向D为正,则将干涉距离H分别加到三角面T三个顶点各自的正面遮挡权重Wf中;如果干涉方向D为反,则将干涉距离H分别加到三角面T三个顶点各自的反面遮挡权重Wb中;
05、计算偏移量:为各幅点云中的每个有效点均设立累计偏移量Rsum和累计偏移量计数NR,并都初始化为0,然后对每个干涉组分别进行如下处理:
计算被遮挡点偏移量RE=-H/|EVE|,式中:H为干涉距离,|EVE|为被遮挡点E到其所在点云视点VE的距离,然后进行判断:如果干涉方向D为正,则进行步骤052的正向干涉处理;如果干涉方向D为反,则进行步骤053的反向干涉处理。
052、正向干涉处理:
0521、计算被遮挡点加权偏移量式中:RE为被遮挡点偏移量,Wd为被遮挡点E的被遮挡权重,为三角面T三个顶点的正面遮挡权重Wf的平均值;然后将被遮挡点加权偏移量REW加到被遮挡点E的累计偏移量Rsum中,并使被遮挡点E的累计偏移量计数NR增1;
0522、接着,对三角面T的三个顶点分别进行如下处理:
先计算顶点偏移量RQ=|Q’Q|/|QVT|,式中:|Q’Q|为顶点Q的伪目标点Q’到顶点Q的距离,|QVT|为顶点Q到三角面视点VT的距离;
再计算顶点加权偏移量RQW=RQ×Wf/(Wf+Wd),式中:RQ为顶点偏移量,Wf为顶点Q的正面遮挡权重,Wd为被遮挡点E的被遮挡权重;
然后将顶点加权偏移量RQW加到顶点Q的累计偏移量Rsum中,并使顶点Q的累计偏移量计数NR增1。
053、反向干涉处理:
0531、计算被遮挡点加权偏移量式中:RE为被遮挡点偏移量,Wd为被遮挡点E的被遮挡权重,为三角面T三个顶点的反面遮挡权重Wb的平均值;然后将被遮挡点加权偏移量REW加到被遮挡点E的累计偏移量Rsum中,并使被遮挡点E的累计偏移量计数NR增1;
0532、接着,对三角面T的三个顶点分别进行如下处理:
先计算顶点偏移量RQ=-|Q’Q|/|QVT|,式中:|Q’Q|为顶点Q的伪目标点Q’到顶点Q的距离,|QVT|为顶点Q到三角面视点VT的距离;
再计算顶点加权偏移量RQW=RQ×Wb/(Wb+Wd),式中:RQ为顶点偏移量,Wb为顶点Q的反面遮挡权重,Wd为被遮挡点E的被遮挡权重;
然后将顶点加权偏移量RQW加到顶点Q的累计偏移量Rsum中,并使顶点Q的累计偏移量计数NR增1。
06、采用以下方式处理异常点:
061、初始化移动点数量NMP为0,对各幅点云中的每个有效点分别进行如下处理:如果当前有效点C的累计偏移量计数NR大于0,则执行步骤0611;否则不做处理;
0611、先计算平均偏移量Ravg=Rsum/NR,式中:Rsum为当前有效点C的累计偏移量,NR为当前有效点C的累计偏移量计数;
再计算移动距离d=|Ravg|×|CVC|,式中:|Ravg|为平均偏移量Ravg的绝对值,|CVC|为当前有效点C到其所在点云的视点VC的距离;如果移动距离d不小于最小移动距离阈值,则执行步骤0612,否则不做处理;
0612、计算目标点C’=(C-VC)×Ravg+C,式中:C为当前有效点,VC为当前有效点C所在点云的视点,Ravg为平均偏移量;然后将当前有效点C的坐标替换为目标点C’的坐标,使移动点数量NMP增1。
该过程即是把当前有效点C移动到目标点C’的位置。图6所示为目标点C’计算式的几何意义,其含义为当前有效点C必须在该点及其视点VC的连线上移动。平均偏移量Ravg的大小用于确定当前有效点C相对于|CVC|长度的移动量;而平均偏移量Ravg的正负则用于确定当前有效点C的移动方向,即若Ravg为正则向C1的方向移动(远离视点VC),反之向C2的方向移动(靠近视点VC)。该操作可保证有序点云中各点的拓扑关系不变,从而确保所得点云仍是有序的。
062、从各幅点云中删除不是任何一个三角面顶点的有效点。该过程的意义在于,由于非三角面顶点的有效点无法构成三角面参与干涉检查,仅可能被其他三角面遮挡,因此其加权结果很可能是异常的,随着迭代的进行该点可能会移动到一个错误的位置或没有移动,因此将其删除,避免引起异常点遗留问题。
063、从各幅点云中删除可移动标记BT为0的有效点。该过程的含义是从各幅点云中删除产生干涉却一次也无法移动的三角面顶点。
07、迭代终止检查:如果迭代次数NI等于最大迭代次数或者移动点数量NMP相比上一次迭代计算结果不再减少,则结束处理,所得各幅点云为优化后的点云;否则使迭代次数NI增1,返回步骤02重复各步骤进行迭代处理,直到达到迭代终止条件。
使用本发明方法对盆栽点云处理前后的效果如图7所示,其中图7.(a1)、图7.(b1)分别为处理前、处理后的整体点云,图7.(a2)、图7.(a3)、图7.(a4)为处理前点云的局部放大图,图7.(b2)、图7.(b3)、图7.(b4)为处理后点云的局部放大图。以下对处理前后的点云进行对比分析:
整体来看,图7.(a1)中处理前的点云较为散乱,有一定噪声;而图7.(b1)中处理后的点云则较为密实,噪声相对较少。
图7.(a2)与图7.(b2)所示为一叶片的点云。如图7.(a2)箭头处所示,该叶片的其中一幅点云严重偏离了正确的位置,这是由点云局部形变所导致。经过处理,可见图7.(b2)中这部分的异常点云已不复存在,而叶片正常点云的细节特征则几乎没有受到影响,可见本发明能够在保留点云细节的基础上较好地解决由点云局部形变所导致的点云偏离正确位置的问题。
图7.(a3)与图7.(b3)所示为另一叶片的点云。如图7.(a3)箭头处所示,该叶片的上方有层叠的点云,而该位置实际并无物体,此种现象是由于点云局部形变与点云噪声共同所致。经过处理,可见图7.(b3)中的这部分已基本没有异常点云,而叶片正常点云的细节特征则几乎没有受到影响,可见本发明能够在保留点云细节的基础上较好地解决由点云局部形变与噪声所导致的点云层叠问题。
图7.(a4)与图7.(b4)所示为花盆侧边的点云。如图7.(a4)箭头处所示,花盆表面及其弯折处有明显的噪声。经过处理,可见图7.(b4)已有效降低了噪声,且花盆弯折处依然保持尖锐,可见本发明能够在保留点云细节的基础上较好地完成降噪。
由此可见,本发明通过干涉检查来寻找异常点,经过加权处理,保证在处理异常数据的同时较少地影响到正常数据,从而通过迭代,可在较好地保留点云细节的基础上有效解决局部点云形变的问题,同时起到了较好的降噪效果。
本发明通过删除无法构成三角面的点,以免这些点无法参与干涉检查而引起异常点遗留问题,确保了最终所得数据的准确性;而将产生干涉却一次也无法移动的三角面顶点认定为不应存在的点,将其删除,确保了所得数据的合理性,具有较好的处理效果。
由于本发明分别对各幅点云进行处理,且对异常点仅在该点与其视点连线上进行移动,或将其删除,这并不会破坏同一幅点云中各点的拓扑关系,因此最终处理所得的点云仍可保持有序。
Claims (4)
1.一种适用于已配准多视角有序点云的整体优化方法,其特征在于,所述方法包括以下步骤:
1)初始化:载入各幅点云及其各自的视点,各幅点云均为有序点云,且各幅点云已经配准,初始化迭代次数NI为1;
2)点云三角化:对各幅点云分别使用有序点云三角化方法进行三角化;
3)干涉检查:定义点云中存在的点为有效点,为各幅点云中的每个有效点均设立可移动标记BT,并初始化为-1;对各幅点云中的每个有效点分别进行干涉检查处理,获得干涉组,每个干涉组包括被遮挡点E、三角面T、三角面T三个顶点各自对应的伪目标点Q’、干涉距离H和干涉方向D的数据;
所述步骤3)中干涉检查处理具体为:
3.1)定义正在处理的有效点为检查点P,定义检查点P所在点云的视点为检查点视点VP,对每一幅除检查点P所在点云以外的其他点云分别进行如下处理:对该点云的各三角面进行干涉距离H计算与干涉条件判断,若存在符合干涉条件的三角面,则从中选出干涉距离H最小的三角面T,执行步骤3.2);否则不做处理;
3.2)定义三角面T所在点云的视点为三角面视点VT,如果三角面视点VT指向检查点P的射线VTP与三角面T所在平面ST相交,则执行步骤3.3);否则不做处理;
3.3)对三角面T的三个顶点分别进行伪目标点计算与移动条件判断,如果三角面T的三个顶点中至少有一个顶点达到移动条件,则进行步骤3.3.1);否则直接进行步骤3.3.2);
3.3.1)将检查点P的可移动标记BT置为1,分别将三角面T的三个顶点各自的可移动标记BT置为1;
设立干涉方向D:如果检查点视点VP在三角面T的正面一侧,则干涉方向D为正;否则为反;
将检查点P作为被遮挡点E,并与三角面T、三角面T三个顶点各自对应的伪目标点Q’、干涉距离H、干涉方向D的数据一起归为一个干涉组,并记录;
3.3.2)对三角面T的三个顶点分别进行如下处理:如果该顶点的可移动标记BT为-1,则将其置为0;否则不做处理;
4)计算权重:为各幅点云中的每个有效点均设立被遮挡权重Wd、正面遮挡权重Wf和反面遮挡权重Wb的三个权重值,并都初始化为0,然后对每个干涉组分别采用如下方式进行处理;
将干涉距离H加到被遮挡点E的被遮挡权重Wd中,然后进行判断:如果干涉方向D为正,则将干涉距离H分别加到三角面T三个顶点各自的正面遮挡权重Wf中;如果干涉方向D为反,则将干涉距离H分别加到三角面T三个顶点各自的反面遮挡权重Wb中;
5)计算偏移量:为各幅点云中的每个有效点均设立累计偏移量Rsum和累计偏移量计数NR,并都初始化为0,然后对每个干涉组分别采用如下方式进行处理;
计算被遮挡点偏移量RE=-H/|EVE|,式中:H为干涉距离,|EVE|为被遮挡点E到其所在点云视点VE的距离,然后进行判断:如果干涉方向D为正,则进行正向干涉处理;如果干涉方向D为反,则进行反向干涉处理;
所述步骤5)中正向干涉处理具体为:
5.a1)计算被遮挡点加权偏移量式中:RE为被遮挡点偏移量,Wd为被遮挡点E的被遮挡权重,为三角面T三个顶点的正面遮挡权重Wf的平均值;然后将被遮挡点加权偏移量REW加到被遮挡点E的累计偏移量Rsum中,并使被遮挡点E的累计偏移量计数NR增1;
5.a2)接着,对三角面T的三个顶点分别进行如下处理:
先计算顶点偏移量RQ=|Q’Q|/|QVT|,式中:|Q’Q|为顶点Q的伪目标点Q’到顶点Q的距离,|QVT|为顶点Q到三角面视点VT的距离;
再计算顶点加权偏移量RQW=RQ×Wf/(Wf+Wd),式中:RQ为顶点偏移量,Wf为顶点Q的正面遮挡权重,Wd为被遮挡点E的被遮挡权重;
然后将顶点加权偏移量RQW加到顶点Q的累计偏移量Rsum中,并使顶点Q的累计偏移量计数NR增1;
所述步骤5)中反向干涉处理具体为:
5.b1)计算被遮挡点加权偏移量式中:RE为被遮挡点偏移量,Wd为被遮挡点E的被遮挡权重,为三角面T三个顶点的反面遮挡权重Wb的平均值;然后将被遮挡点加权偏移量REW加到被遮挡点E的累计偏移量Rsum中,并使被遮挡点E的累计偏移量计数NR增1;
5.b2)接着,对三角面T的三个顶点分别进行如下处理:
先计算顶点偏移量RQ=-|Q’Q|/|QVT|,式中:|Q’Q|为顶点Q的伪目标点Q’到顶点Q的距离,|QVT|为顶点Q到三角面视点VT的距离;
再计算顶点加权偏移量RQW=RQ×Wb/(Wb+Wd),式中:RQ为顶点偏移量,Wb为顶点Q的反面遮挡权重,Wd为被遮挡点E的被遮挡权重;
然后将顶点加权偏移量RQW加到顶点Q的累计偏移量Rsum中,并使顶点Q的累计偏移量计数NR增1;
6)采用以下方式处理异常点;
6.1)初始化移动点数量NMP为0,对各幅点云中的每个有效点分别进行如下处理:如果当前有效点C的累计偏移量计数NR大于0,则进行移动点处理;否则不做处理;
所述步骤6.1)中移动点处理具体为:
6.1.1)先计算平均偏移量Ravg=Rsum’/NR’,式中:Rsum’为当前有效点C的累计偏移量,NR’为当前有效点C的累计偏移量计数;
再计算移动距离d=|Ravg|×|CVC|,式中:|Ravg|为平均偏移量Ravg的绝对值,|CVC|为当前有效点C到其所在点云的视点VC的距离;如果移动距离d不小于最小移动距离阈值,则执行步骤6.1.2),否则不做处理;
6.1.2)计算目标点C’=(C-VC)×Ravg+C,式中:C为当前有效点,VC为当前有效点C所在点云的视点,Ravg为平均偏移量;然后将当前有效点C的坐标替换为目标点C’的坐标,使移动点数量NMP增1;
6.2)从各幅点云中删除不是任何一个三角面顶点的有效点;
6.3)从各幅点云中删除可移动标记BT为0的有效点;
7)迭代终止检查:如果达到迭代终止条件,则结束处理,所得各幅点云为优化后的点云;否则使迭代次数NI增1,返回步骤2)重复各步骤进行迭代处理,直到达到迭代终止条件;
所述步骤7)中迭代终止条件的判断方法具体为:如果迭代次数NI等于最大迭代次数或者移动点数量NMP相比上一次迭代计算结果不再减少,则认为达到迭代终止条件;否则认为没有达到迭代终止条件。
2.据权利要求1所述的一种适用于已配准多视角有序点云的整体优化方法,其特征在于,所述步骤2)中有序点云三角化方法具体为:
对点云中的每个点分别进行如下处理:记该点在点云中的编号为(x,y),则将编号为(x,y)、(x+1,y)、(x,y+1)、(x+1,y+1)的该四个点进行判断:
若其中至少有两个点不存在,则不做处理;
若其中只有三个点存在,则将这三个点构成三角面并进行新增三角面处理;
若其中四个点均存在,则对该四个点进行Delaunay三角剖分,将得到的两个三角面进行新增三角面处理;
所述新增三角面处理具体为:对所得三角面进行如下判断:如果三角面的最小角不小于三角面最小角阈值,则记录该三角面,并记三角面朝向其所在点云视点的一侧为正面、另一侧为反面;否则不记录该三角面。
3.根据权利要求1所述的一种适用于已配准多视角有序点云的整体优化方法,其特征在于,所述步骤3.1)中干涉距离H计算与干涉条件判断具体为:
如果检查点视点VP与检查点P构成的线段VPP与三角面T相交,则记其交点到检查点P的距离为干涉距离H,并且如果干涉距离H不大于检测范围阈值,则认为三角面T符合干涉条件;否则均认为三角面T不符合干涉条件。
4.根据权利要求1所述的一种适用于已配准多视角有序点云的整体优化方法,其特征在于,所述步骤3.3)中伪目标点计算与移动条件判断具体为:对于正在处理的三角面顶点Q,过检查点P做与三角面T平行的平面SP,将三角面视点VT指向顶点Q的射线VTQ与该平面SP的交点作为顶点Q的伪目标点Q’,如果以伪目标点Q’为球心并以邻域范围为半径的球体内的其他点云有效点个数总和不小于邻域点数量阈值,则认为顶点Q达到了移动条件;否则认为顶点Q没有达到移动条件。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610005672.0A CN105678708B (zh) | 2016-01-04 | 2016-01-04 | 一种适用于已配准多视角有序点云的整体优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610005672.0A CN105678708B (zh) | 2016-01-04 | 2016-01-04 | 一种适用于已配准多视角有序点云的整体优化方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105678708A CN105678708A (zh) | 2016-06-15 |
CN105678708B true CN105678708B (zh) | 2018-05-29 |
Family
ID=56299017
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610005672.0A Expired - Fee Related CN105678708B (zh) | 2016-01-04 | 2016-01-04 | 一种适用于已配准多视角有序点云的整体优化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105678708B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107767375B (zh) * | 2017-11-02 | 2021-06-29 | 广东电网有限责任公司电力科学研究院 | 一种点云质量评估方法及装置 |
CN115047472B (zh) * | 2022-03-30 | 2023-05-02 | 北京一径科技有限公司 | 确定激光雷达点云分层的方法、装置、设备及存储介质 |
CN115146745B (zh) * | 2022-09-01 | 2022-12-02 | 深圳市城市公共安全技术研究院有限公司 | 点云数据坐标点位置校正的方法、装置、设备及存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102645209A (zh) * | 2012-04-24 | 2012-08-22 | 长江勘测规划设计研究有限责任公司 | 机载LiDAR点云和高分辨率影像进行空间点的联合定位方法 |
CN103559689A (zh) * | 2013-11-01 | 2014-02-05 | 浙江工业大学 | 一种点云噪声点去除方法 |
CN105180830A (zh) * | 2015-09-28 | 2015-12-23 | 浙江大学 | 一种适用于ToF相机的三维点云自动配准方法及系统 |
-
2016
- 2016-01-04 CN CN201610005672.0A patent/CN105678708B/zh not_active Expired - Fee Related
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102645209A (zh) * | 2012-04-24 | 2012-08-22 | 长江勘测规划设计研究有限责任公司 | 机载LiDAR点云和高分辨率影像进行空间点的联合定位方法 |
CN103559689A (zh) * | 2013-11-01 | 2014-02-05 | 浙江工业大学 | 一种点云噪声点去除方法 |
CN105180830A (zh) * | 2015-09-28 | 2015-12-23 | 浙江大学 | 一种适用于ToF相机的三维点云自动配准方法及系统 |
Non-Patent Citations (2)
Title |
---|
Spectral surface reconstruction from noisy point cloud;Kolluri R et al;《Eurogaphies Symposium on Geometry Processing》;20041231;第11-21页 * |
基于三维散乱点云的曲面重构技术研究;赵平建;《中国优秀硕士学位论文全文数据库 信息科技辑》;20100715(第7期);第37-46页 * |
Also Published As
Publication number | Publication date |
---|---|
CN105678708A (zh) | 2016-06-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109409437B (zh) | 一种点云分割方法、装置、计算机可读存储介质及终端 | |
CN107610061B (zh) | 一种基于二维投影的保边点云孔洞修补方法 | |
CN110390683B (zh) | 一种基于密集点云的古城墙三维裂缝检测方法 | |
CN103678754B (zh) | 信息处理装置及信息处理方法 | |
CN104331699B (zh) | 一种三维点云平面化快速搜索比对的方法 | |
CN112053432B (zh) | 一种基于结构光与偏振的双目视觉三维重建方法 | |
CN106023298B (zh) | 基于局部泊松曲面重建的点云刚性配准方法 | |
CN105678708B (zh) | 一种适用于已配准多视角有序点云的整体优化方法 | |
CN108664733A (zh) | 棱边特征曲面拓扑逼近重建方法 | |
CN110807781B (zh) | 一种保留细节与边界特征的点云精简方法 | |
JP2007502473A5 (zh) | ||
Sharifzadeh et al. | Abnormality detection strategies for surface inspection using robot mounted laser scanners | |
CN109559346B (zh) | 一种3d点云测量中的待测部位的定位及分割方法、扫描仪 | |
CN112116553B (zh) | 一种基于k-d树的无源三维点云模型缺陷识别方法 | |
CN113436207B (zh) | 一种对于规则表面的线结构光条纹中心快速精确提取方法 | |
Nevado et al. | Obtaining 3D models of indoor environments with a mobile robot by estimating local surface directions | |
CN111932669A (zh) | 一种基于边坡岩体特征对象的变形监测方法 | |
CN108828518A (zh) | 一种货车车厢内部堆垛车定位方法 | |
CN109615702A (zh) | 网格补洞方法、图像处理设备及具有存储功能的装置 | |
Smith et al. | Gradient space analysis of surface defects using a photometric stereo derived bump map | |
CN107908841B (zh) | 三维壁面可抓取位置判别算法 | |
CN115147551A (zh) | 远程地面激光扫描技术提取监测对象表面同名特征点的方法 | |
Sacchi et al. | Curvature estimation for segmentation of triangulated surfaces | |
CN104440953B (zh) | 物体位置信息的测量方法及装置 | |
CN111599016B (zh) | 点云误差计算方法 |
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 | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20180529 Termination date: 20220104 |
|
CF01 | Termination of patent right due to non-payment of annual fee |