CN107123162B - 基于二维激光传感器的三维环境表面三角网格构建方法 - Google Patents

Abstract

本发明涉及一种基于二维激光传感器的三维环境表面三角网格构建方法，二维激光传感器采集三维环境扫描的扫描数据，并发送到上位机；将采集到的扫描数据转换为笛卡尔空间坐标下的三维激光点云矩阵；将得到的三维激光点云矩阵根据均匀采样法进行数据压缩，得到三维激光点云数据；对三维激光点云数据进行三角网格构建。本发明适用范围广，能够适用于多数的三维激光点云数据的环境建模；针对性强，能够很好的处理激光点云数据的不均匀或者扫描面不连续的情况；处理效果好，能够很好的重构出于原扫描环境拓扑结构相近的三角网格；原理简单，处理速度快。

Description

基于二维激光传感器的三维环境表面三角网格构建方法

技术领域

本发明涉及基于激光点云的环境建模领域，具体地说是一种基于二维激光传感器的三维环境表面三角网格构建方法。

背景技术

三维激光扫描技术是上世纪九十年代中期开始出现的一项高科技技术，它通过高速激光扫描测量的方法，大面积高分辨率地快速获取被测对象表面的三维坐标数据，为空间信息的获取提供了全新的技术手段。原始的三维激光点云数据缺少足够的结构特征和语义信息，因此如何重构出与原激光扫描环境拓扑结构较为接近的环境模型成为人们重点关注的问题。网格构建是人们实现对三维环境表面模型的重建的方法，其中三角网格重构又是环境表面模型重建中使用最广泛的一种方法，因为三角形是最简单的多边形并且具有构造灵活，边界适应性好等优点，处理上也比较简单，适用于对空间点云数据进行曲面重建。

当前较为常用的做法是对三维点云数据进行Delaunay三角化，能够快速的实现对三维激光点云数据的环境表面重建，α-shape、Voronoi、Crust算法、Luigi Giaccari的网格算法等算法都是在Delaunay算法的基础之上实现对三维激光点云数据的三角网格重构的。α-shape算法是删除了四面体凸包中包围球或外接圆半径大于α的四面体来得到重建模型表面。“Voronoi协方差”理论是基于Voronoi图计算过程中的一个协方差矩阵，得到点云曲面局部的主曲率和主方向，通过改变局部邻域大小迭代计算协方差矩阵来提取特征点。Crust算法是基于计算几何中的Voronoi图和Delaunay三角剖分。Crust算法的优点就在于思想直接、简单，重建效果更为精细，它可以对在细节区域具有密集点，在无特征或较少特征区域具有稀疏点的采样点集实现曲线重建。Luigi Giaccari的网格算法是通过去除冗余三角面，提取模型表面三角平面的方法，该算法具有支持不规则的表面重构，能够应用于多数情况下的开放表面。

这些经典的三维表面重建算法在处理均匀一致的三维激光点云数据时较为有效，但是由于激光扫描角度、扫描距离等原因，三维激光点云数据可能会出现点云数据不均匀或扫描面出现某种不连续的情况，这时上述经典算法很难构建出理想的三角化元素，甚至可能引入某些干扰的三角化元素，这将严重影响三角网格构建的效果。

发明内容

针对现有技术的不足，本发明提供一种基于二维激光传感器的三维环境表面三角网格构建方法，能够重构出与原环境拓扑结构较为接近的三角网格，有效的避免了网格中三角化元素交叉错乱和干扰等缺陷。

本发明为实现上述目的所采用的技术方案是：

一种基于二维激光传感器的三维环境表面三角网格构建方法，包括以下步骤：

步骤1：二维激光传感器采集三维环境扫描的扫描数据，并发送到上位机；

步骤2：将采集到的扫描数据转换为笛卡尔空间坐标下的三维激光点云矩阵；

步骤3：将得到的三维激光点云矩阵根据均匀采样法进行数据压缩，得到三维激光点云数据；

步骤4：对三维激光点云数据进行三角网格构建。

所述均匀采样法为从第一组单次扫描数据开始，每过扫描时间t取一组单次扫描数据，每次扫描的点云数一定，根据测量点的扫描顺序，从单次扫描的起始点开始，每隔num个点记录一个扫描点的扫描数据。

所述扫描数据包括转动角度和距离值，其中转动角度包括偏置角和关节角；

偏置角为：激光传感器的扫描射线在激光扫描平面上的偏转角度θ；

激光传感器坐标系的X_s'轴与PO_s'的夹角θ，其中PO_s'为扫描点P与激光传感器坐标系原点O_s'的连线。

关节角为：激光传感器在竖直方向上俯仰转动的角度ψ；

距离值为：扫描点P到激光传感器坐标系原点O_s的距离l，即PO_s'的长度为l。

所述三角网格构建包括以下过程：

步骤1：三维激光点云数据是按照点云矩阵的形式保存的，对点云矩阵中的数据点进行编号，点云矩阵P中第i行第j列的点表示为p_i,j；

步骤2：对点云矩阵的m×n个数据进行划分，得到(m-1)×(n-1)个小的点云矩阵；

步骤3：划分后的每个点云矩阵包含四个点云数据，采用连接对角线方式对其划分，完成三角网格构建。

所述对点云矩阵的m×n个数据进行划分过程为：点云矩阵共有m行，相邻两行划分为一组，则共可划分为m-1组；每组共有n列，每相邻两列再次划分为一组，则共可以划分为n-1组，得到(m-1)×(n-1)个点云矩阵。

所述连接对角线方式为第一行的第二个点与第二行的第一个点相连接。

本发明具有以下有益效果及优点：

1.本发明适用范围广，能够适用于多数的三维激光点云数据的环境建模。

2.本发明针对性强，能够很好的处理激光点云数据的不均匀或者扫描面不连续的情况。

3.本发明处理效果好，能够很好的重构出于原扫描环境拓扑结构相近的三角网格。

4.本发明原理简单，处理速度快。

附图说明

图1为本发明的方法流程图；

图2为本发明的激光点云数据坐标系变换图；

图3为本发明的三维激光点云图；

图4为本发明的三维激光点云按行首次分组图；

图5为本发明的三维激光点云按列再次分组图；

图6为本发明的对点阵Q_t进行三角形构建图；

图7为本发明的最终的三角网格图。

具体实施方式

下面结合附图及实施例对本发明做进一步的详细说明。

本发明的实现原理是：首先利用一维俯仰转动云台和二维激光传感器搭建了三维激光扫描仪，并建立笛卡尔空间下的直角坐标系。利用上位机软件记录二维传感器的扫描数据和一维俯仰转动云台的转动角度值。再通过坐标变换实现上位机所记录距离值、偏转角度值和俯仰角度值到三维空间直角坐标系的变换并利用均匀采样法实现对三维点云数据的压缩。对压缩后三维点云数据进行编号将其变成点云矩阵，为了实现点云矩阵的三角网格划分首先对点云矩阵进行按行分组操作，然后再进行按列分组操作，则点云矩阵被划分成了多个只有四个点云数据的小型点云矩阵。取任意一个小点云矩阵，连接对角顶点，形成对角线，从而构建出了两个三角形网格。遍历所有四个点的小型点云矩阵，连接相同位置的对角顶点最终实现对三维环境表面的三角网格构建。

如图1所示为本发明的方法流程图。

其步骤如下：

(1)由二维激光传感器和一维俯仰转动云台构成三维激光扫描仪，结合上位机构成三维激光扫描系统。

(2)上位机软件通过以太网实现与二维激光传感器的通讯，通过CAN总线实现与一维转动云台的数据通讯。上位机从二维激光传感器获取三维环境扫描的扫描数据并同步记录一维俯仰转动云台的俯仰角度值。

(3)通过坐标变换将采集到的数据转换成笛卡尔空间坐标系下的三维激光点云数据。

(4)适当的进行点云数据的压缩处理，以减少因点云过密而大量消耗的时间和资源。

(5)对经过步骤(4)处理过后的三维激光点云数据进行三维环境表面的三角网格构建。

如图2所示为本发明的激光点云数据坐标系变换图。所述步骤(1)的实现方法为：

1)由云台支架和一维转动模块组成一维俯仰转动云台，将此云台安装在基座上。

2)以地面为X_gO_gY_g平面，建立三维场景基坐标系{X_g,Y_g,Z_g}。此时的Z_g轴与一维俯仰转动云台的转动模块的水平转轴交于O₀点，Y_g轴平行于转动模块的水平转轴，X_g轴的正方向指向二维激光传感器即将安装位置的方向。

3)以O₀点为原点建立直角坐标系{X₀,Y₀,Z₀}。此时的X₀轴平行于X_g轴，Y₀轴平行于Y_g轴，Z₀轴与Z_g轴重合。

4)将二维激光传感器安装在一维俯仰转动云台上。以二维激光传感器的扫描面为X_sO_sY_s平面，建立二维激光传感器坐标系{X_s,Y_s,Z_s}。则此时的X_s轴与X₀轴重合，Y_s轴平行于Y₀轴，Z_s轴与Z₀轴平行。

所述步骤(2)的实现方法为：

1)安装完成三维激光扫描仪后，以此时的三维激光扫描仪的位置为初始位置，则此时的俯仰角度值ψ为0°，此位置时某激光扫描点到二维激光传感器坐标系原点O_s的距离为l。

2)上位机软件启动记录之后，同步记录下激光扫描点的距离值l、偏置角度θ和相应的俯仰角度值ψ，将这些的数值分别保存到三个文件中。同一俯仰角度时，只记录一组扫描点数据。当俯仰角度值ψ变化后，记录一组二维激光传感器产生的距离值l，并同步记录下与之对应的偏置角度值θ。

所述步骤(3)的实现方法为：

1)当俯仰角度值为ψ时，建立此时的二维激光传感器坐标系{X_s',Y_s',Z_s'}。坐标系{X_s',Y_s',Z_s'}即为坐标系{X_s,Y_s,Z_s}转动ψ角度后的坐标系。

2)计算二维激光扫描点在二维激光传感器坐标系{X_s',Y_s',Z_s'}下的直角坐标值。 当俯仰角度为ψ时某扫描点P的到原点O_s'距离值为l，偏置角度为θ，则点P在{X_s',Y_s',Z_s'}下 的直角坐标为：

3)通过坐标变换求取二维激光扫描点在基座标系下的直角坐标值。设a为转动模块水平转轴Y₀到Y_g的距离；O点是Y₀轴与X_s轴的交点，设b为OO_s的长度。则P点在基座标系{X_g,Y_g,Z_g}下的坐标值为：

所述步骤(4)的实现方法为：

1)通过记录的点云数据，从第一组单次扫描数据开始，每过时间t取一组单次扫描数据，并记录下这组数据，删除其余的未记录的点云数据。

2)在步骤1)的基础之上，再次减少点云数量。二维激光传感器的扫描时间固定，单次扫描的产生点云数是固定的，根据记录扫描点的扫描顺序，从单次扫描的第一个扫描点开始，每隔num个扫描点记录一个扫描点数据，删除其余未记录的点云数据。

所述步骤(5)的实现方法为：

1)三维激光点云数据是按照点云矩阵的形式保存的，对点云矩阵中的数据点进行编号，点云矩阵P如下：

其中，元素p_i,j＝x_i,ji+y_i,jj+z_i,jk(i＝1,2…,m；j＝1,2…,n)表示上位机记录的激光传感器的第i次扫描的第j个扫描点。如图3所示为三维激光点云图。

2)点云矩阵P中共有m×n个数据，对点云矩阵进行划分。点云矩阵共有m行，相邻两行划分为一组，则共可划分为m-1组，如图4所示为本发明的三维激光点云按行首次分组图。

每组共有n列，每相邻两列再次划分为一组，则共可以划分为n-1组，如图5所示三维激光点云按列再次分组图。点云矩阵经过两次划分可以划分为(m-1)×(n-1)个小组。则有

其中，

Q_t＝Q_(i-1)(n-1)+j＝{p_i,j,p_i,j+1,p_i+1,j,p_i+1,j+1} (i＝1,2…,m-1；j＝1,2…,n-1)

3)经过步骤2)，点云矩阵P被划分成了(m-1)×(n-1)个小的点云矩阵，每个点云矩阵中有四个点云数据。为实现三角网格构建，对其进一步划分，采用连接对角线方式对其划分。第一行的第二个点与第二行的第一个点相连接，实现对单个小组的三角形划分，如图6所示本发明的对点阵Q_t进行三角形构建图。遍历集合Q中所有的元素，共构建2(m-1)(n-1)三角形，则点云矩阵P可构建成含有2(m-1)(n-1)个三角形的三角网格，如图7所示为本发明的对点阵Q_t进行三角形构建图。

本发明未详细说明内容为本领域技术人员公知技术。

Claims (3)

1.一种基于二维激光传感器的三维环境表面三角网格构建方法，其特征在于：包括以下步骤：

步骤1：二维激光传感器采集三维环境扫描的扫描数据，并发送到上位机；

步骤2：将采集到的扫描数据转换为笛卡尔空间坐标下的三维激光点云矩阵；

步骤3：将得到的三维激光点云矩阵根据均匀采样法进行数据压缩，得到三维激光点云数据；

步骤4：对三维激光点云数据进行三角网格构建；所述三角网格构建包括以下过程：

步骤41：三维激光点云数据是按照点云矩阵的形式保存的，对点云矩阵中的数据点进行编号，点云矩阵P中第i行第j列的点表示为p_i,j；

步骤42：对点云矩阵的m×n个数据进行划分，得到(m-1)×(n-1)个小的点云矩阵；所述对点云矩阵的m×n个数据进行划分过程为：点云矩阵共有m行，相邻两行划分为一组，则共可划分为m-1组；每组共有n列，每相邻两列再次划分为一组，则共可以划分为n-1组，得到(m-1)×(n-1)个点云矩阵；

步骤43：划分后的每个点云矩阵包含四个点云数据，采用连接对角线方式对其划分，完成三角网格构建；所述连接对角线方式为第一行的第二个点与第二行的第一个点相连接。

2.根据权利要求1所述的基于二维激光传感器的三维环境表面三角网格构建方法，其特征在于：所述均匀采样法为从第一组单次扫描数据开始，每过扫描时间t取一组单次扫描数据，每次扫描的点云数一定，根据测量点的扫描顺序，从单次扫描的起始点开始，每隔num个点记录一个扫描点的扫描数据。

3.根据权利要求1或2所述的基于二维激光传感器的三维环境表面三角网格构建方法，其特征在于：所述扫描数据包括转动角度和距离值，其中转动角度包括偏置角和关节角；

偏置角为激光传感器的扫描射线在激光扫描平面上的偏转角度；

关节角为激光传感器在竖直方向上俯仰转动的角度；

距离值为扫描点到激光传感器坐标系原点的距离。

Images