CN111599016B - 点云误差计算方法 - Google Patents
点云误差计算方法 Download PDFInfo
- Publication number
- CN111599016B CN111599016B CN202010407265.9A CN202010407265A CN111599016B CN 111599016 B CN111599016 B CN 111599016B CN 202010407265 A CN202010407265 A CN 202010407265A CN 111599016 B CN111599016 B CN 111599016B
- Authority
- CN
- China
- Prior art keywords
- vertex
- point
- point cloud
- curved surface
- calculation method
- 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.)
- Active
Links
- 238000004364 calculation method Methods 0.000 title claims abstract description 24
- 238000000034 method Methods 0.000 claims abstract description 43
- 238000012216 screening Methods 0.000 claims abstract description 6
- 238000005259 measurement Methods 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000011960 computer-aided design Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
Images
Classifications
-
- 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
- G06T17/20—Finite element generation, e.g. wire-frame surface description, tesselation
-
- 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
- G06T17/005—Tree description, e.g. octree, quadtree
-
- 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
- G06T17/10—Constructive solid geometry [CSG] using solid primitives, e.g. cylinders, cubes
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Geometry (AREA)
- Computer Graphics (AREA)
- Software Systems (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Length Measuring Devices With Unspecified Measuring Means (AREA)
Abstract
本发明公开了一种点云误差计算方法，对实测点云和理论网格曲面进行以下处理：利用最近邻搜索方法，查找顶点V的邻近点集；计算顶点V与所述第一图形面片质心之间的欧式距离；以顶点V为圆柱几何中心，构建圆柱搜索空间；遍历邻近点集中的各点，从邻近点集中筛选出各个参考点，并其存储为参考点集；求取参考点集的质心C，将其与顶点V之间的有向距离L记为点云误差；遍历所述理论网格曲面中的各个顶点V，得到各顶点V对应的参考点集与理论网格曲面之间的点云误差；进而获得实测点云的误差分布，本方法可量化实测点云与待测物理论网格曲面之间的误差，能够用于评估实测点云数据的质量。
Description
技术领域
本发明三维测量领域，具体涉及一种点云误差计算方法。
背景技术
随着现代化制造业的不断发展，逆向工程技术得到了广泛的研究和应用；其中，三维扫描建模是一种常见的逆向技术，其采用三维扫描测量设备对场景中的实体进行测量，得到离散的点云数据；由于测量设备本身的精度误差，以及不可避免的电磁干扰，点云数据存在误差(噪声)；为了计算误差、评估点云数据，往往需要利用被测实体的CAD数模作为参考，进行误差计算；数模通常以网格曲面的形式作为表达，其包括图形面片、顶点及顶点序列；为此，现有方法计算点云误差的方法为：计算实测点云中各个点到其最邻近图形面片之间的有向距离，计算时，首先以所有图形面片作为候选对象逐一进行计算，经排序后得到最邻近图形面片；这种计算方法，存在耗时长，效率低的问题。
发明内容
针对上述问题，本发明提出一种点云误差方法，可量化实测点云与待测物理论网格曲面之间的误差，能够用于评估实测点云数据的质量。
本发明技术方案如下：
一种点云误差计算方法，记待测物数模的网格曲面为理论网格曲面，获取所述理论网格曲面中任一图形面片的法向量、记任一图形面片的单个顶点为顶点V；
获取所述待测物表面的三维点云，将其记为实测点云；建立所述实测点云数据的拓扑关系；记实测点云中的单个点为点S；
所述理论网格曲面与实测点云处于同一个空间坐标系；
对实测点云和理论网格曲面进行以下处理：
1)利用最近邻搜索方法，查找与顶点V相近邻的K个点S，将查找到的各点S记为顶点V的邻近点集；
遍历所述理论网格曲面中的所有顶点V，得到各个顶点V对应的邻近点集；
2)将单个顶点V所在的任一个图形面片记为第一图形面片；
I、计算顶点V与所述第一图形面片质心之间的欧式距离d；预先设置点云误差容许值D、角度误差容许值β；
以顶点V为圆柱几何中心，d为圆柱半径、y×D为圆柱高度、顶点V和第一图形面片法向量P建立的圆柱轴线l，构建圆柱搜索空间；系数y取值1.5～3；
计算邻近点集中的单个点J与圆柱轴线l之间的距离d1、与第一图形面片所在平面的距离d2；点J的法向量Q与圆柱轴线l的夹角α；
若d1＜d，d2＜D，且α＜β，则将点J记为参考点；
遍历邻近点集中的各点，从邻近点集中筛选出各个参考点，并其存储为参考点集；
II、求取参考点集的质心C，将其与顶点V之间的有向距离L记为点云误差；
3)采用与步骤2)相同的方法，遍历所述理论网格曲面中的各个顶点V，得到各顶点V对应的参考点集与理论网格曲面之间的点云误差；进而获得实测点云的误差分布。
进一步，若单个顶点V同时属于多个图形面片，为了获得更为丰富的点云误差，在步骤2)中，将当前顶点V所在的多个图形面片分别记为第一图形面片，每次更新第一图形面片，均进行步骤I、II。
进一步，步骤1)中，利用最近邻搜索方法查找与顶点V相近邻的K个点S 的方法是：
设置搜索半径R，R≥D，以当前遍历的顶点V为中心，建立球状搜索空间，将该空间内的各个点S记为邻近点集。
优选，
进一步，若当前顶点V在球状搜索空间内未搜索到邻近点，或参考点集中无点，则认为实测点云在顶点V处的偏差为无穷大。
进一步，所述理论网格曲面通过对待测物数模进行网格化处理获得；所述图形面片为三角形面片或矩形面片。
进一步，步骤II中，所述有向距离L的方向符号与向量N与法向量P点乘结果相同，所述向量N为顶点V指向质心C构成的向量。
优选，步骤I中，D＝0.5～8mm，β＝30°～60°。
进一步，建立实测点云数据的拓扑关系的方法包括：八叉树方法和K-D tree 方法。
进一步，步骤I中，获取当前遍历点的法向量Q的方法为：利用kd树当前遍历点周围的10-40个点记为近邻点，根据最小二乘法将近邻点坐标拟合出第一平面，所述第一平面法向量记为当前遍历点的法向量初始值，利用加权平均对法向量初始值进行修正，得到最终的法向量。
本方法以理论网格曲面中的各顶点为遍历对象，通过筛选过程，准确的得到与其邻近的各点S，将实测点云划分成各个参考点集，计算时，只需计算参考点集中的质心与顶点之间的有向距离，即可得出该区域的点云误差；具有计算快速、数据有效的优点，实验得出，采用本方法处理1亿实测点云数据，采用三角网格曲面，包含390万顶点，761万三角面片，总耗时仅需14秒，可适用于实时解算，而采用传统方法时间往往需要耗时5分钟以上，不适合在线评估。
附图说明
图1为实施例车身三角形网格模型及侧面实测点云分布示意图；
图2为实施例在单个三角形面片顶点V附近筛选邻近点、参考点的示意图；
图3为实施例中图形面片顶点与实测点云之间的误差分布图。
具体实施方式
以下结合附图和具体实施方式对本发明的技术方案进行详细描述。
一种点云误差计算方法，记待测物数模的网格曲面为理论网格曲面，获取理论网格曲面中任一图形面片的法向量、记任一图形面片的单个顶点为顶点V；
理论网格曲面通过对待测物数模进行网格化处理获得；图形面片为三角形面片或矩形面片。
如图1所示，本实施例中，以三角形面片为例，顶点V为三角形面片的顶点；
利用三维扫描设备获取待测物表面的三维点云，将其记为实测点云；建立实测点云数据的拓扑关系；记实测点云中的单个点为点S；
具体的，建立实测点云数据的拓扑关系的方法可采用八叉树方法或K-D tree 方法。
理论网格曲面与实测点云处于同一个空间坐标系；
对实测点云和理论网格曲面进行以下处理：
1)利用最近邻搜索方法，查找与顶点V相近邻的K个点S，将查找到的各点S记为顶点V的邻近点集(如图2所示)；
遍历理论网格曲面中的所有顶点V，得到各个顶点V对应的邻近点集；
2)将单个顶点V所在的任一个图形面片记为第一图形面片；
I、计算顶点V与第一图形面片质心之间的欧式距离d；预先设置点云误差容许值D、角度误差容许值β；其中，D＝0.5～8mm，β＝30°～60°
以顶点V为圆柱几何中心，d为圆柱半径、y×D为圆柱高度、顶点V和第一图形面片法向量P建立的圆柱轴线l，构建圆柱搜索空间；系数y取值1.5～3；
计算邻近点集中的单个点J与圆柱轴线l之间的距离d1、与第一图形面片所在平面的距离d2；点J的法向量Q与圆柱轴线l的夹角α；
若d1＜d，d2＜D，且α＜β，则将点J记为参考点；
遍历邻近点集中的各点，从邻近点集中筛选出各个参考点，并其存储为参考点集；
II、求取参考点集的质心C，将其与顶点V之间的有向距离L记为点云误差；其中，有向距离L的方向符号与向量N与法向量P点乘结果相同，向量N 为顶点V指向质心C构成的向量；
3)采用与步骤2)相同的方法，遍历理论网格曲面中的各个顶点V，得到各顶点V对应的参考点集与理论网格曲面之间的点云误差；进而获得实测点云的误差分布。
若单个顶点V同时属于多个图形面片，为了获得更为丰富的点云误差，在步骤2)中，将当前顶点V所在的多个图形面片分别记为第一图形面片，每次更新第一图形面片，均进行步骤I、II。
具体的，步骤1)中，利用最近邻搜索方法查找与顶点V相近邻的K个点 S的方法是：
设置搜索半径R，R≥D，以当前遍历的顶点V为中心，建立球状搜索空间，将该空间内的各个点S记为邻近点集。
本实施例中，
若当前顶点V在球状搜索空间内未搜索到邻近点，或参考点集中无点，则认为实测点云在顶点V处的偏差为无穷大。
本实施例中，步骤I，获取当前遍历点的法向量Q的方法为：利用kd树当前遍历点周围的10-40个点记为近邻点，根据最小二乘法将近邻点坐标拟合出第一平面，第一平面法向量记为当前遍历点的法向量初始值，利用加权平均对法向量初始值进行修正，得到最终的法向量(如专利101751695B)。
将本实施例方法运行在：Intel(R)Xeon(R)CPU E5-2690@2.6GHz、128GB内存的PC机上。
输入工件的三角网格曲面，包含390万顶点，761万三角面片，参与计算的点云数量为1亿量级，整体计算用时仅14秒，实施例中设置容差值D＝2mm，法向夹角容差值β＝45°；对计算出的偏差进行统计，如图3所示，可以看到，当关注D＝±2mm的偏差段时，误差分布在±0.5mm之间的顶点数量占顶点总数的95％以上，即95％的实测点云的误差分布于±0.5mm之间，本方法适用于对实测点云误差的评估。
前面对本发明具体示例性实施方案所呈现的描述是出于说明和描述的目的，选择示例性实施方案并进行描述是为了解释本发明的特定原理及其实际应用，从而使得本领域的其它技术人员能够实现并利用本发明的各种示例性实施方案及其不同选择形式和修改形式。本发明的范围旨在由所附权利要求书及其等价形式所限定。
Claims (10)
1.一种点云误差计算方法，记待测物数模的网格曲面为理论网格曲面，获取所述理论网格曲面中任一图形面片的法向量、记任一图形面片的单个顶点为顶点V；
获取所述待测物表面的三维点云，将其记为实测点云；建立所述实测点云数据的拓扑关系；记实测点云中的单个点为点S；
所述理论网格曲面与实测点云处于同一个空间坐标系；
其特征在于，对实测点云和理论网格曲面进行以下处理：
1)利用最近邻搜索方法，查找与顶点V相近邻的K个点S，将查找到的各点S记为顶点V的邻近点集；
遍历所述理论网格曲面中的所有顶点V，得到各个顶点V对应的邻近点集；
2)将单个顶点V所在的任一个图形面片记为第一图形面片；
I、计算顶点V与所述第一图形面片质心之间的欧式距离d；预先设置点云误差容许值D、角度误差容许值β；
以顶点V为圆柱几何中心，d为圆柱半径、y×D为圆柱高度、顶点V和第一图形面片法向量P建立的圆柱轴线l，构建圆柱搜索空间；系数y取值1.5～3；
计算邻近点集中的单个点J与圆柱轴线l之间的距离d1、与第一图形面片所在平面的距离d2；点J的法向量Q与圆柱轴线l的夹角α；
若d1<d，d2<D，且α＜β，则将点J记为参考点；
遍历邻近点集中的各点，从邻近点集中筛选出各个参考点，并其存储为参考点集；
II、求取参考点集的质心C，将其与顶点V之间的有向距离L记为点云误差；
3)采用与步骤2)相同的方法，遍历所述理论网格曲面中的各个顶点V，得到各顶点V对应的参考点集与理论网格曲面之间的点云误差；进而获得实测点云的误差分布。
2.如权利要求1所述点云误差计算方法，其特征在于：若单个顶点V同时属于多个图形面片，在步骤2)中，将当前顶点V所在的多个图形面片分别记为第一图形面片，每次更新第一图形面片，均进行步骤I、II。
3.如权利要求1所述点云误差计算方法，其特征在于：步骤1)中，利用最近邻搜索方法查找与顶点V相近邻的K个点S的方法是：
设置搜索半径R，R≥D，以当前遍历的顶点V为中心，建立球状搜索空间，将该空间内的各个点S记为邻近点集。
4.如权利要求2所述点云误差计算方法，其特征在于：
5.如权利要求2所述点云误差计算方法，其特征在于：若当前顶点V在球状搜索空间内未搜索到邻近点，或参考点集中无点，则认为实测点云在顶点V处的偏差为无穷大。
6.如权利要求1所述点云误差计算方法，其特征在于：所述理论网格曲面通过对待测物数模进行网格化处理获得；所述图形面片为三角形面片或矩形面片。
7.如权利要求1所述点云误差计算方法，其特征在于：步骤II中，所述有向距离L的方向符号与向量N与法向量P点乘结果相同，所述向量N为顶点V指向质心C构成的向量。
8.如权利要求1所述点云误差计算方法，其特征在于：步骤I中，D＝0.5～8mm，β＝30°～60°。
9.如权利要求1所述点云误差计算方法，其特征在于：建立实测点云数据的拓扑关系的方法包括：八叉树方法和K-D tree方法。
10.如权利要求1所述点云误差计算方法，其特征在于：步骤I中，获取当前遍历点的法向量Q的方法为：利用kd树当前遍历点周围的10-40个点记为近邻点，根据最小二乘法将近邻点坐标拟合出第一平面，所述第一平面法向量记为当前遍历点的法向量初始值，利用加权平均对法向量初始值进行修正，得到最终的法向量。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010407265.9A CN111599016B (zh) | 2020-05-14 | 2020-05-14 | 点云误差计算方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010407265.9A CN111599016B (zh) | 2020-05-14 | 2020-05-14 | 点云误差计算方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111599016A CN111599016A (zh) | 2020-08-28 |
| CN111599016B true CN111599016B (zh) | 2023-02-28 |
Family
ID=72192321
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010407265.9A Active CN111599016B (zh) | 2020-05-14 | 2020-05-14 | 点云误差计算方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111599016B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111881892B (zh) * | 2020-09-10 | 2020-12-18 | 熵智科技(深圳)有限公司 | 有序点云5d纹理网格数据结构生成方法、装置、设备及介质 |
| CN117934732A (zh) * | 2024-03-22 | 2024-04-26 | 北京华航唯实机器人科技股份有限公司 | 点云模型的重建方法、装置及电子设备 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| AU2013251255A1 (en) * | 2006-12-20 | 2013-11-21 | Scanalyse Pty Ltd | A System and Method for Orientating Scan Cloud Data Relative to Base Reference Data |
| CN106960468A (zh) * | 2017-04-12 | 2017-07-18 | 武汉理工大学 | 一种三维激光扫描点云精度评价方法 |
| CN110276790A (zh) * | 2019-06-28 | 2019-09-24 | 易思维（杭州）科技有限公司 | 基于形状约束的点云配准方法 |
| CN110574071A (zh) * | 2017-01-27 | 2019-12-13 | Ucl商业有限公司 | 用于对齐3d数据集的设备，方法和系统 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8793107B2 (en) * | 2011-12-01 | 2014-07-29 | Harris Corporation | Accuracy-based significant point derivation from dense 3D point clouds for terrain modeling |
-
2020
- 2020-05-14 CN CN202010407265.9A patent/CN111599016B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| AU2013251255A1 (en) * | 2006-12-20 | 2013-11-21 | Scanalyse Pty Ltd | A System and Method for Orientating Scan Cloud Data Relative to Base Reference Data |
| CN110574071A (zh) * | 2017-01-27 | 2019-12-13 | Ucl商业有限公司 | 用于对齐3d数据集的设备，方法和系统 |
| CN106960468A (zh) * | 2017-04-12 | 2017-07-18 | 武汉理工大学 | 一种三维激光扫描点云精度评价方法 |
| CN110276790A (zh) * | 2019-06-28 | 2019-09-24 | 易思维（杭州）科技有限公司 | 基于形状约束的点云配准方法 |
Non-Patent Citations (2)
| Title |
|---|
| 基于特征提取的点云自动配准优化研究;杨高朝;《计算机工程与应用》;20180815(第16期);全文 * |
| 用于多视点云拼接的改进ICP算法;陈金广等;《计算机系统应用》;20180115(第01期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111599016A (zh) | 2020-08-28 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110516388B (zh) | 基于调和映射的曲面离散点云模型环切刀轨生成方法 | |
| OuYang et al. | On the normal vector estimation for point cloud data from smooth surfaces | |
| Woo et al. | A new segmentation method for point cloud data | |
| CN105654483B (zh) | 三维点云全自动配准方法 | |
| Schleich et al. | Evaluation of geometric tolerances and generation of variational part representatives for tolerance analysis | |
| CN110095060A (zh) | 基于三维扫描技术的钢结构快速质量检测方法 | |
| CN111599016B (zh) | 点云误差计算方法 | |
| CN107330142B (zh) | 一种基于stl模型的在机检测的测点法矢估算方法 | |
| CN111369607B (zh) | 一种基于图片解析的预制构件拼装匹配方法 | |
| CN103942837B (zh) | 基于序列线性规划的叶片点云模型截面曲线直接构造方法 | |
| CN112418030B (zh) | 一种基于三维点云坐标的头面部号型分类方法 | |
| CN111710023B (zh) | 一种三维点云数据特征点提取方法及应用 | |
| CN109141266B (zh) | 一种钢结构测量方法及系统 | |
| CN112819962A (zh) | 数字图像相关中非均匀网格划分及局部网格疏密方法 | |
| Ravishankar et al. | Automated inspection of aircraft parts using a modified ICP algorithm | |
| CN107180409A (zh) | 一种针对弯曲骨架型对象三维点云的广义圆柱投影方法 | |
| CN103236043A (zh) | 一种植物器官点云修复方法 | |
| CN113362468B (zh) | 一种火车轮毂的尺寸测量方法 | |
| Liu et al. | High precision measurement of blade profile curve using iterative normal vector approximation | |
| Rak et al. | The use of low density high accuracy (LDHA) data for correction of high density low accuracy (HDLA) point cloud | |
| CN115578429B (zh) | 一种基于点云数据的模具在线精度检测方法 | |
| CN112163294A (zh) | 一种圆柱度误差快速评定方法 | |
| CN115700760A (zh) | 一种基于多模态数据的全空间激光雷达散射截面计算方法 | |
| CN115100277A (zh) | 复杂曲面结构零件位姿确定方法 | |
| CN113393507A (zh) | 无人机点云与地面三维激光扫描仪点云配准方法 |
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 | ||
| CP01 | Change in the name or title of a patent holder | ||
| CP01 | Change in the name or title of a patent holder |
Address after: Room 495, building 3, 1197 Bin'an Road, Binjiang District, Hangzhou City, Zhejiang Province 310051 Patentee after: Yi Si Si (Hangzhou) Technology Co.,Ltd. Address before: Room 495, building 3, 1197 Bin'an Road, Binjiang District, Hangzhou City, Zhejiang Province 310051 Patentee before: ISVISION (HANGZHOU) TECHNOLOGY Co.,Ltd. |