CN109978800A - 一种基于阈值的点云阴影数据去除方法 - Google Patents
一种基于阈值的点云阴影数据去除方法 Download PDFInfo
- Publication number
- CN109978800A CN109978800A CN201910330278.8A CN201910330278A CN109978800A CN 109978800 A CN109978800 A CN 109978800A CN 201910330278 A CN201910330278 A CN 201910330278A CN 109978800 A CN109978800 A CN 109978800A
- Authority
- CN
- China
- Prior art keywords
- data
- point cloud
- threshold value
- point
- arrow
- 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.)
- Granted
Links
- 238000005516 engineering process Methods 0.000 title claims abstract description 21
- 238000000034 method Methods 0.000 claims abstract description 106
- 238000005259 measurement Methods 0.000 claims abstract description 15
- 238000013459 approach Methods 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 2
- 230000000694 effects Effects 0.000 abstract description 4
- 238000000691 measurement method Methods 0.000 description 2
- 241001269238 Data Species 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000009776 industrial production Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000003908 quality control method Methods 0.000 description 1
- 230000000007 visual effect Effects 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
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10028—Range image; Depth image; 3D point clouds
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明提出了一种基于阈值的点云阴影数据去除方法，能够根据基于局部最小二乘平面的方法获取得到局部点的法矢，然后通过法矢重定向准则可以使法矢方法一致化，去二义性，然后通过基于统计的方法获取到点云阴影数据的阈值，根据设定的阈值能够去除掉点云数据中阴影部分的数据。与现有的方法相比优点在于实现简单，去除效果好，对环境的要求也不高，并且效率较高，在实际的测量中，本方法具有较高的鲁棒性；本发明的方法可以有效的去除阴影部分数据，得到正确的点云数据。
Description
技术领域
本发明涉及三维测量领域，尤其涉及一种基于阈值的点云阴影数据去除方法。
背景技术
随着三维测量技术的发展，面结构光三维测量法作为一种测量速度快、精度高的非接触式光学测量方法，被广泛应用于工业生产检测零件、生物医学和历史文物保护、产品的质量控制、模型数字化等领域。而面结构光最后获取得到的点云数据中，法向量信息作为一种必不可少的属性，在点云处理中具有很重要的位置，较好的法矢可以使得后续的曲面重建效果较好，而且也可以使得曲面重建后的网格具有一定的保持尖锐特征的特性。但是在实际的获取中，由于扫描自身不可避免的噪声以及可能出现的遮挡问题，同时由于测量视角的原因，双目相机获取得到的光栅条纹图像经过特征匹配后有些处于阴影部分区域的数据也被计算了出来，得到了部分“伪数据”，该部分“伪数据”会影响点云的精确性。针对这部分阴影部分的数据，本发明提出一种基于阈值的阴影去除方法，可以有效的去除阴影部分数据，得到正确的点云数据。
发明内容
有鉴于此，本发明提出了一种基于阈值的阴影去除方法，可以有效的去除阴影部分数据，得到正确的点云数据。
本发明的技术方案是这样实现的：本发明提供了一种基于阈值的点云阴影数据去除方法，包括以下步骤：
S1、通过面结构光三维扫描仪测量被测工件得到相应的点云数据；
S2、基于局部最小二乘平面拟合的方法估计点云局部法矢；
S3、通过法矢重定向准则使法矢方向一致化；
S4、计算阴影数据点的阈值，删除小于阈值的阴影数据点，达到删除阴影数据的目的。
在以上技术方案的基础上，优选的，S2中局部最小二乘平面拟合的方法具体包括以下步骤：
S201、基于数字光栅投影的面结构光三维测量原理测量被测工件得到有序点云，记录每个数据点对应图像中的行和列，建立局部领域；
S202、设点云数据中当前数据点为pi，获取当前数据点pi的k邻域的相邻点，利用这些相邻点拟合最小二乘平面P，计算最小二乘平面P的法向量，最小二乘平面P的法向量即为当前数据点pi的法矢；
S203、遍历点云数据中所有的数据点，重复步骤S202，获得所有数据点的法矢。
进一步优选的，S202中最小二乘平面P的法向量计算公式为：
其中，为最小二乘平面P的法矢，pi为当前数据点，d为最小二乘平面P到坐标原点的距离，k是相邻点个数。
在以上技术方案的基础上，优选的，S3中重定向准则具体为：计算当前数据点pi与图像坐标原点的向量和当前最小二乘平面P的法矢的点积，当时，判断法矢的朝向为正，当时，判断法矢的朝向为负，并且当前数据点pi为阴影数据点，调整法矢的方向，使法矢的朝向为正。
进一步优选的，S4中计算阴影数据的阈值的方法包括以下步骤：
S401、计算点云中每个数据点与经过法矢重定向的法矢之间的余弦值；
S402、遍历点云内所有的数据点，取出所有的阴影数据点与经过法矢重定向的法矢之间的余弦值；
S403、利用统计的方法计算出阴影数据点具体的置信区间，置信区间的边界值即为阴影数据的阈值。
进一步优选的，根据余弦定理得所述S401中数据点与经过法矢重定向的法矢之间的余弦值为：其中为单位法矢，φ为单位法矢和的夹角。
本发明的一种基于阈值的点云阴影数据去除方法相对于现有技术具有以下有益效果：
(1)本发明提出的方法能够根据基于局部最小二乘平面的方法获取得到局部点的法矢，然后通过法矢重定向准则可以使法矢方法一致化，去二义性，然后通过基于统计的方法获取到点云阴影数据的阈值，根据设定的阈值能够去除掉点云数据中阴影部分的数据。与现有的方法相比优点在于实现简单，去除效果好，对环境的要求也不高，并且效率较高，在实际的测量中，本方法具有较高的鲁棒性；
(2)本发明的方法可以有效的去除阴影部分数据，得到正确的点云数据。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明一种基于阈值的点云阴影数据去除方法的流程图；
图2为本发明一种基于阈值的点云阴影数据去除方法中S2的具体流程图；
图3为本发明一种基于阈值的点云阴影数据去除方法中计算阴影数据的阈值的方法的流程图；
图4为本发明一种基于阈值的点云阴影数据去除方法中获取的被测工件点云数据；
图5为本发明一种基于阈值的点云阴影数据去除方法中去除阴影数据点后的三维点云数据；
图6为本发明一种基于阈值的点云阴影数据去除方法中被去掉的阴影数据。
具体实施方式
下面将结合本发明实施方式，对本发明实施方式中的技术方案进行清楚、完整地描述，显然，所描述的实施方式仅仅是本发明一部分实施方式，而不是全部的实施方式。基于本发明中的实施方式，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施方式，都属于本发明保护的范围。
如图1所示，本发明的一种基于阈值的点云阴影数据去除方法，其包括以下步骤：
S1、通过面结构光三维扫描仪测量被测工件得到相应的点云数据；其中，被测工件的初始点云数据如图4所示；
S2、基于局部最小二乘平面拟合的方法估计点云局部法矢；具体包括以下步骤：
S201、基于数字光栅投影的面结构光三维测量原理测量被测工件得到有序点云，记录每个数据点对应图像中的行和列，建立局部领域；
S202、设点云数据中当前数据点为pi，获取当前数据点pi的k邻域的相邻点，利用这些相邻点拟合最小二乘平面P，计算最小二乘平面P的法向量，最小二乘平面P的法向量即为当前数据点pi的法矢；
S203、遍历点云数据中所有的数据点，重复步骤S202，获得所有数据点的法矢。
其中，由于法矢的估计中经常需要确认每个数据点的近邻点，对于海量的测量点云数据而言全局搜索十分耗时，严重影响点云搜索的效率，因此S201中获取得到的点云数据为有序点云，其查找局部邻域更加快速，并可以根据图像进行有序的搜索，大大提高了搜索效率。
S202中假设点云的平面是处处光滑的，那么对于任何点的局部领域内都可以使用平面进行很好的拟合，因此本发明使用最小二乘平面拟合的方法来估计点云局部法矢，并且最小二乘平面P的法向量即为局部点云的法矢。在本发明中最小二乘平面P的的法向量计算公式为： 为最小二乘平面P的法矢，pi为点云中第i个数据点，本实施例中也表示当前数据点，当前数据点pi为最小二乘平面P的一个数据点；d为最小二乘平面P到坐标原点的距离，k是相邻点个数。求解最小二乘平面P的法矢的具体步骤为：根据当前数据点pi及其k领域内的数据点拟合最小二乘平面P，再根据公式求出d最小时最小二乘平面P的法矢即为当前数据点pi处的法矢。其中，上述求解最小二乘平面P的法矢的步骤为现有技术，因此，在此不再累述。
S3、通过法矢重定向准则使法矢方向一致化；
其中，法矢重定向准则具体为：计算当前数据点pi与图像坐标原点的向量和当前最小二乘平面P的法矢的点积，当时，判断法矢的朝向为正，当时，判断法矢的朝向为负，此时当前数据点pi为阴影数据点，为了去除法矢的二义性，需要调整法矢的方向，使法矢的朝向为正。遍历点云中所有的数据点，基于上述法矢重定向准则，重定向点云法矢，可以消除法矢法向的二义性。
S4、计算阴影数据点的阈值，删除小于阈值的阴影数据点，达到删除阴影数据的目的。
其中，计算阴影数据的阈值的方法包括以下步骤：
S401、根据余弦定理计算点云中每个数据点与经过法矢重定向的法矢之间的余弦值；其中，余弦定理为：其中为单位法矢，φ为单位法矢和的夹角；
S402、遍历点云内所有的数据点，取出所有的阴影数据点与经过法矢重定向的法矢之间的余弦值；
S403、利用统计的方法计算出阴影数据点具体的置信区间，置信区间的边界值即为阴影数据的阈值。
其中，置信区间的求解过程可以根据现有求解过程实现，因此，在此不再累述。另外，如图5所示，为本实施例去除阴影数据点后的去除阴影数据点后的三维点云数据，图6为本实施例被去除掉的阴影数据，从图5和图6可看出，本实施例并不是去除所有阴影数据，而是去除“伪数据”。
以上所述仅为本发明的较佳实施方式而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (6)
1.一种基于阈值的点云阴影数据去除方法，其特征在于：包括以下步骤：
S1、通过面结构光三维扫描仪测量被测工件得到相应的点云数据；
S2、基于局部最小二乘平面拟合的方法估计点云局部法矢；
S3、通过法矢重定向准则使法矢方向一致化；
S4、计算阴影数据点的阈值，删除小于阈值的阴影数据点，达到删除阴影数据的目的。
2.如权利要求1所述的一种基于阈值的点云阴影数据去除方法，其特征在于：所述S2中局部最小二乘平面拟合的方法具体包括以下步骤：
S201、基于数字光栅投影的面结构光三维测量原理测量被测工件得到有序点云，记录每个数据点对应图像中的行和列，建立局部领域；
S202、设点云数据中当前数据点为pi，获取当前数据点pi的k邻域的相邻点，利用这些相邻点拟合最小二乘平面P，计算最小二乘平面P的法向量，最小二乘平面P的法向量即为当前数据点pi的法矢；
S203、遍历点云数据中所有的数据点，重复步骤S202，获得所有数据点的法矢。
3.如权利要求2所述的一种基于阈值的点云阴影数据去除方法，其特征在于：所述S202中最小二乘平面P的法向量计算公式为：
其中，为最小二乘平面P的法矢，pi为当前数据点，d为最小二乘平面P到坐标原点的距离，k是相邻点个数。
4.如权利要求1所述的一种基于阈值的点云阴影数据去除方法，其特征在于：所述S3中重定向准则具体为：计算当前数据点pi与图像坐标原点的向量和当前最小二乘平面P的法矢的点积，当时，判断法矢的朝向为正，当时，判断法矢的朝向为负，并且当前数据点pi为阴影数据点，调整法矢的方向，使法矢的朝向为正。
5.如权利要求4所述的一种基于阈值的点云阴影数据去除方法，其特征在于：所述S4中计算阴影数据的阈值的方法包括以下步骤：
S401、计算点云中每个数据点与经过法矢重定向的法矢之间的余弦值；
S402、遍历点云内所有的数据点，取出所有的阴影数据点与经过法矢重定向的法矢之间的余弦值；
S403、利用统计的方法计算出阴影数据点具体的置信区间，置信区间的边界值即为阴影数据的阈值。
6.如权利要求5所述的一种基于阈值的点云阴影数据去除方法，其特征在于：根据余弦定理得所述S401中数据点与经过法矢重定向的法矢之间的余弦值为：其中为单位法矢，φ为单位法矢和的夹角。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910330278.8A CN109978800B (zh) | 2019-04-23 | 2019-04-23 | 一种基于阈值的点云阴影数据去除方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910330278.8A CN109978800B (zh) | 2019-04-23 | 2019-04-23 | 一种基于阈值的点云阴影数据去除方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109978800A true CN109978800A (zh) | 2019-07-05 |
| CN109978800B CN109978800B (zh) | 2021-01-19 |
Family
ID=67085964
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910330278.8A Active CN109978800B (zh) | 2019-04-23 | 2019-04-23 | 一种基于阈值的点云阴影数据去除方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109978800B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117496359A (zh) * | 2023-12-29 | 2024-02-02 | 浙江大学山东(临沂)现代农业研究院 | 基于三维点云的植物种植布局监测方法及系统 |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101894382A (zh) * | 2010-07-23 | 2010-11-24 | 同济大学 | 一种集成LiDAR点云的卫星立体影像阴影计算方法 |
| CN103530899A (zh) * | 2013-10-10 | 2014-01-22 | 浙江万里学院 | 基于几何特征性的点云简化方法 |
| CN104156937A (zh) * | 2013-05-15 | 2014-11-19 | 株式会社理光 | 阴影检测方法和装置 |
| CN105740798A (zh) * | 2016-01-27 | 2016-07-06 | 西安理工大学 | 一种基于结构分析的点云场景物体识别方法 |
| CN106403844A (zh) * | 2016-08-26 | 2017-02-15 | 合肥工业大学 | 一种用于投影测量的有效点云快速识别算法 |
| CN106780751A (zh) * | 2017-01-19 | 2017-05-31 | 桂林电子科技大学 | 基于改进的屏蔽泊松算法的三维点云重建方法 |
| CN108182722A (zh) * | 2017-07-27 | 2018-06-19 | 桂林航天工业学院 | 一种三维物体边缘优化的真正射影像生成方法 |
| CN109282822A (zh) * | 2018-08-31 | 2019-01-29 | 北京航空航天大学 | 构建导航地图的存储介质、方法和设备 |
| CN109341588A (zh) * | 2018-10-08 | 2019-02-15 | 西安交通大学 | 一种双目结构光三系统法视角加权的三维轮廓测量方法 |
-
2019
- 2019-04-23 CN CN201910330278.8A patent/CN109978800B/zh active Active
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101894382A (zh) * | 2010-07-23 | 2010-11-24 | 同济大学 | 一种集成LiDAR点云的卫星立体影像阴影计算方法 |
| CN104156937A (zh) * | 2013-05-15 | 2014-11-19 | 株式会社理光 | 阴影检测方法和装置 |
| US20140341464A1 (en) * | 2013-05-15 | 2014-11-20 | Shengyin FAN | Shadow detection method and device |
| CN103530899A (zh) * | 2013-10-10 | 2014-01-22 | 浙江万里学院 | 基于几何特征性的点云简化方法 |
| CN105740798A (zh) * | 2016-01-27 | 2016-07-06 | 西安理工大学 | 一种基于结构分析的点云场景物体识别方法 |
| CN106403844A (zh) * | 2016-08-26 | 2017-02-15 | 合肥工业大学 | 一种用于投影测量的有效点云快速识别算法 |
| CN106780751A (zh) * | 2017-01-19 | 2017-05-31 | 桂林电子科技大学 | 基于改进的屏蔽泊松算法的三维点云重建方法 |
| CN108182722A (zh) * | 2017-07-27 | 2018-06-19 | 桂林航天工业学院 | 一种三维物体边缘优化的真正射影像生成方法 |
| CN109282822A (zh) * | 2018-08-31 | 2019-01-29 | 北京航空航天大学 | 构建导航地图的存储介质、方法和设备 |
| CN109341588A (zh) * | 2018-10-08 | 2019-02-15 | 西安交通大学 | 一种双目结构光三系统法视角加权的三维轮廓测量方法 |
Non-Patent Citations (2)
| Title |
|---|
| SAGI KATZ等: "Direct visibility of point sets", 《ACM》 * |
| 李中伟等: "无关数据干扰下三维点云与CAD模型", 《黑龙江科技大学学报》 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117496359A (zh) * | 2023-12-29 | 2024-02-02 | 浙江大学山东(临沂)现代农业研究院 | 基于三维点云的植物种植布局监测方法及系统 |
| CN117496359B (zh) * | 2023-12-29 | 2024-03-22 | 浙江大学山东(临沂)现代农业研究院 | 基于三维点云的植物种植布局监测方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109978800B (zh) | 2021-01-19 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Chen et al. | High-accuracy multi-camera reconstruction enhanced by adaptive point cloud correction algorithm | |
| CN109345620B (zh) | 融合快速点特征直方图的改进icp待测物体点云拼接方法 | |
| CN109059895B (zh) | 一种基于手机摄像头和传感器的多模态室内测距及定位方法 | |
| CN104390591B (zh) | 大型曲面板测量中圆形标记物的精确定位方法 | |
| CN103575227B (zh) | 一种基于数字散斑的视觉引伸计实现方法 | |
| CN103063159B (zh) | 一种基于ccd的零件尺寸测量方法 | |
| CN107543496B (zh) | 一种双目立体视觉三维坐标测量方法 | |
| CN104123746B (zh) | 一种三维扫描点云中实时法向量的计算方法 | |
| CN107862735B (zh) | 一种基于结构信息的rgbd三维场景重建方法 | |
| CN113008195B (zh) | 一种基于空间点云的三维曲面距离测量方法及系统 | |
| CN104897142A (zh) | 一种适用于双目或多目视觉尺寸测量的立体靶标 | |
| CN108332685B (zh) | 一种编码结构光三维测量方法 | |
| CN106682674B (zh) | 一种基于智能巡检机器人的指针式仪表自动读数方法 | |
| CN103218809A (zh) | 一种珍珠长度参数的图像测量方法 | |
| CN112200838B (zh) | 一种弹丸轨迹跟踪方法、装置、设备及存储介质 | |
| CN106023183A (zh) | 一种实时的直线段匹配方法 | |
| CN109785370A (zh) | 一种基于空间时间序列模型的弱纹理图像配准方法 | |
| CN101901502A (zh) | 光学三维测量中多视点云数据的全局优化配准方法 | |
| CN107367245B (zh) | 光学三维轮廓测量中的无效点探测与剔除方法 | |
| CN109781003A (zh) | 一种结构光视觉系统的下一最佳测量位姿确定方法 | |
| CN109978800A (zh) | 一种基于阈值的点云阴影数据去除方法 | |
| CN103673912A (zh) | 一种散斑相关方法变形测量图像矫正系统 | |
| JP6397386B2 (ja) | 領域分割処理装置、方法、及びプログラム | |
| CN112508885A (zh) | 一种弯管的三维中轴线检测方法及系统 | |
| KR101272573B1 (ko) | 구조광 패턴 기반의 깊이 정보 추정 장치 및 방법 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| CB03 | Change of inventor or designer information | ||
| CB03 | Change of inventor or designer information |
Inventor after: Li Zhongwei Inventor after: Liu Yubao Inventor after: Zhong Kai Inventor before: Li Zhongwei Inventor before: Zhong Kai Inventor before: Liu Yubao |