CN111915724A - 一种点云模型切片形状计算方法 - Google Patents
一种点云模型切片形状计算方法 Download PDFInfo
- Publication number
- CN111915724A CN111915724A CN202010846478.1A CN202010846478A CN111915724A CN 111915724 A CN111915724 A CN 111915724A CN 202010846478 A CN202010846478 A CN 202010846478A CN 111915724 A CN111915724 A CN 111915724A
- Authority
- CN
- China
- Prior art keywords
- point
- point cloud
- plane
- cloud model
- points
- 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.)
- Pending
Links
- 238000004364 calculation method Methods 0.000 title claims abstract description 16
- 238000000034 method Methods 0.000 claims abstract description 17
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 11
- 238000005096 rolling process Methods 0.000 claims abstract description 6
- 238000005070 sampling Methods 0.000 claims description 4
- 230000000694 effects Effects 0.000 abstract description 5
- 238000012545 processing Methods 0.000 abstract description 5
- 238000010586 diagram Methods 0.000 description 5
- 230000001788 irregular Effects 0.000 description 4
- 238000005259 measurement Methods 0.000 description 4
- 230000007547 defect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 239000007787 solid Substances 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/003—Reconstruction from projections, e.g. tomography
-
- 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
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- 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
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computer Graphics (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- Image Processing (AREA)
Abstract
本发明属于点云模型图像处理技术领域,涉及一种点云模型切片形状计算方法;工艺步骤如下:步骤一,删除离群点,对点云模型进行平滑去噪;步骤二,在点云模型切片位置选择不共线的点拟合平面;步骤三,将平面两侧满足限定距离范围内的点投影到平面N;步骤四,利用滚球算法计算平面上点集的凹包,凹包的形状即为切片形状;本发明所述算法对稠密和稀疏点云的处理均具有较好效果,对不连续的点云边界拟合误差小,拟合的点云边界特征精确;并且本方法不依赖曲线拟合,对各种形状点云效果足够鲁棒。
Description
技术领域:
本发明属于点云模型图像处理技术领域,涉及一种对点云模型横切面的形状进行确定的方法,特别是一种点云模型切片形状计算方法。
背景技术:
点云一般指在逆向工程中通过测量仪器得到的产品外观表面的点数据集合,点云是在和目标表面特性的海量点集合。根据激光测量原理得到的点云,包括三维坐标(XYZ)和激光反射强度(Intensity)。根据摄影测量原理得到的点云,包括三维坐标(XYZ)和颜色信息(RGB)。结合激光测量和摄影测量原理得到点云,包括三维坐标(XYZ)、激光反射强度(Intensity)和颜色信息(RGB)。通常使用三维坐标测量机所得到的点数量比较少,点与点的间距也比较大,叫稀疏点云;而使用三维激光扫描仪或照相式扫描仪得到的点云,点数量比较大并且比较密集,叫密集点云。点云数据是最为常见也是最基础的三维模型。点云模型往往由测量直接得到,每个点对应一个测量点,计算模型切片的形状是模型分析的常用手段,由于点云模型与实体模型不同,用平面截取模型时没有横切面,因此需要根据平面两侧的点计算点云模型切片形状。
在现有技术中,公开号为CN108491596A的中国专利,公开一种点云模型上的分层切片轮廓构造方法,首先搜索每一分层平面两侧附近的数据点,并将其投影到分层平面上形成投影点带;进而利用局部坐标系中的转角最小准则,提取投影点带的边界数据点;然后建立边界数据点的平面最小二乘投影模型,给出平面最小二乘投影模型中工作点的权值构造方法;以此为基础,实现边界点到点云模型上投影点的迭代计算,将所提取的边界数据点投影到点云模型上,从而形成分层切片轮廓。公开号为CN110288706A的中国专利,公开了一种小曲率不规则点云曲面的拟合方法,具体过程为:首先得到要拟合的小曲率不规则点云数据,通过轴向包围盒的方法求取标记点,在不规则点云中寻找标记点的最近邻点,并向相应直线投影,得到投影点;然后将点云分割的各个部分,重复迭代求取标记点的最近邻点并得到投影点,直到迭代次数达到设定值;最后由投影点构建拟合面的边缘,将不规则点云向相应平面投影,实现拟合。
现有计算点云模型切片形状的方法主要存在以下问题:(1)对不连续的点云边界拟合会造成极大误差而丢失点云边界特征;(2)将点云切片分成连续曲线拟合时拟合方程阶数无法判断。
发明内容:
本发明的目的在于克服现有技术存在的缺点,针对现有的点云模型切片形状的方法存在对不连续的点云边界拟合会造成极大误差而丢失点云边界特征、对连续边界拟合时拟合方程阶数无法判断的缺陷,寻求设计一种点云模型切片形状计算方法。
为了实现上述目的,本发明涉及的一种点云模型切片形状计算方法,工艺步骤如下:
步骤一,对点云模型进行平滑去噪;
步骤二,在点云模型切片位置拟合平面;
步骤三,将平面两侧的点投影到平面N;
步骤四,计算平面上点集的凹包。
所述步骤一具体为:计算点云模型中每个点Pi到其相邻点的平均距离di,平均距离di在标准范围之外的点认为是离群点,将其删除;即对平均距离di进行高斯分布,计算高斯分布的均值μ和方差σ,根据高斯分布性质,当di>μ+2*σ时,认为该点Pi为离群点。
所述步骤二具体为:在需要切面的位置选择不共线的n(n≥3)个点组成点簇 C0,利用随机采样一致性算法拟合点所在平面N。
所述步骤三具体为:点云模型中的Pi到平面N的距离为dj,最大值为dmax,最小值为dmin,则该模型在切面法向量方向的最大长度为l=dmax-dmin,设阈值取值为δ=l/100时,当δ>dj>-δ时将点Pi投影到平面N,将投影到平面上的点记为点簇C1。
所述步骤四具体为:投影到平面上的点簇C1属于二维点集,利用滚球算法计算点簇C1的凹包,即求一个将点集包围并使多边形面积尽可能小的多边形,该凹包的形状即为切片形状。
本发明与现有技术相比,所设计的点云模型切片形状计算方法具有如下有益效果:所述算法对稠密和稀疏点云都具有较好效果,对不连续的点云边界拟合误差小,拟合的点云边界特征精确;并且本方法不依赖曲线拟合,对各种形状点云效果足够鲁棒。
附图说明:
图1为本发明涉及的人体胸部点云模型的示意图。
图2为本发明涉及的人体胸部点云模型平滑去噪后的示意图。
图3为本发明涉及的切片位置点簇拟合平面的示意图。
图4为本发明涉及的切面两侧点投影到切面的示意图。
图5为本发明涉及的利用滚球法拟合凹包的示意图。
图6为本发明涉及的计算的点集凹包的示意图。
具体实施方式:
下面通过实施例并结合附图对本发明作进一步说明。
实施例1:
本实施例涉及的一种点云模型切片形状计算方法,工艺步骤如下:
步骤一,对点云模型进行平滑去噪
计算点云模型中每个点Pi到其相邻点的平均距离di,平均距离di在标准范围之外的点认为是离群点,将其删除;即对平均距离di进行高斯分布,计算高斯分布的均值μ和方差σ,根据高斯分布性质,当di>μ+2*σ时,认为该点Pi为离群点,被认为离群点的概率仅为4.45%;
步骤二,切片位置拟合平面
在需要切面的位置选择不共线的n(n≥3)个点组成点簇C0,利用随机采样一致性算法拟合点所在平面N;
步骤三,将平面两侧的点投影到平面N
点云模型中的Pi到平面N的距离为dj,最大值为dmax,最小值为dmin,则该模型在切面法向量方向的最大长度为l=dmax-dmin,设阈值为δ,阈值取值太小时会由于点云密度有限导致投影到平面的点不足以形成闭合轮廓,阈值取值太大时会引入其他轮廓的点导致当前轮廓计算出现误差,本方法经过模拟实验,当阈值取值为δ=l/100时,既能够保证形成闭合轮廓,又能够避免引入其他轮廓的点导致当前轮廓计算出现误差;当δ>dj>-δ时将点Pi投影到平面N,将投影到平面上的点记为点簇C1;
步骤四,计算平面上点集的凹包
投影到平面上的点簇C1属于二维点集,利用滚球算法计算点簇C1的凹包,即求一个将点集包围并使多边形面积尽可能小的多边形,该凹包的形状即为切片形状。
本实施例所述点云模型切片形状计算方法对不连续的点云边界拟合准确,拟合的凹包点云边界特征明确;并且本方法不依赖曲线拟合,对各种形状点云效果具有足够的鲁棒。
实施例2:
本实施例应用实施例1所述的点云模型切片形状计算方法处理人体胸部点云模型,具体过程为:
步骤一,对点云模型进行平滑去噪,如图1所示,人体胸部点云模型平滑前共有45526个点,如图2所示,人体胸部点云模型平滑后共有42756个点;
步骤二,切片位置拟合平面:
如图3所示,在需要切面的位置选择不共线的5个点组成点簇C0,利用随机采样一致性算法拟合点所在平面N;
步骤三,将平面两侧的点投影到平面N:
点云模型中的Pi到平面N的距离为dj,最大值dmax为66,最小值为dmin为 -120,则该模型在切面法向量方向的最大长度为l=dmax-dmin=186,则阈值取值为δ=l/100=1.86,;将符合δ>dj>-δ的点Pi投影到平面N,将投影到平面上的点记为点簇C1,如图4所示;
步骤四,计算平面上点集的凹包:
如图5所示,利用滚球算法计算点簇C1的凹包,计算的点集凹包如图6所示,获取的点集凹包边界特征明确,误差小。
Claims (5)
1.一种点云模型切片形状计算方法,其特征在于:工艺步骤如下:
步骤一,对点云模型进行平滑去噪;
步骤二,在点云模型切片位置拟合平面;
步骤三,将平面两侧的点投影到平面N;
步骤四,计算平面上点集的凹包。
2.根据权利要求1所述的点云模型切片形状计算方法,其特征在于:所述步骤一具体为:计算点云模型中每个点Pi到其相邻点的平均距离di,平均距离di在标准范围之外的点认为是离群点,将其删除;即对平均距离di进行高斯分布,计算高斯分布的均值μ和方差σ,根据高斯分布性质,当di>μ+2*σ时,认为该点Pi为离群点。
3.根据权利要求2所述的点云模型切片形状计算方法,其特征在于:所述步骤二具体为:在需要切面的位置选择不共线的n个点组成点簇C0,其中n≥3,利用随机采样一致性算法拟合点所在平面N。
4.根据权利要求3所述的点云模型切片形状计算方法,其特征在于:所述步骤三具体为:点云模型中的Pi到平面N的距离为dj,最大值为dmax,最小值为dmin,则该模型在切面法向量方向的最大长度为l=dmax-dmin,设阈值取值为δ=l/100时,当δ>dj>-δ时将点Pi投影到平面N,将投影到平面上的点记为点簇C1。
5.根据权利要求4所述的点云模型切片形状计算方法,其特征在于:所述步骤四具体为:投影到平面上的点簇C1属于二维点集,利用滚球算法计算点簇C1的凹包,即求一个将点集包围并使多边形面积尽可能小的多边形,凹包的形状即为切片形状。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010846478.1A CN111915724A (zh) | 2020-08-21 | 2020-08-21 | 一种点云模型切片形状计算方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010846478.1A CN111915724A (zh) | 2020-08-21 | 2020-08-21 | 一种点云模型切片形状计算方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111915724A true CN111915724A (zh) | 2020-11-10 |
Family
ID=73278505
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010846478.1A Pending CN111915724A (zh) | 2020-08-21 | 2020-08-21 | 一种点云模型切片形状计算方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111915724A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112698301A (zh) * | 2020-12-11 | 2021-04-23 | 中国科学院微电子研究所 | 基于距离强度关联的激光雷达目标识别方法、装置及设备 |
CN114881955A (zh) * | 2022-04-28 | 2022-08-09 | 厦门微亚智能科技有限公司 | 基于切片的环状点云缺陷提取方法、装置、设备存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106846272A (zh) * | 2017-01-18 | 2017-06-13 | 西安工程大学 | 一种点云模型的去噪精简方法 |
CN108491596A (zh) * | 2018-03-08 | 2018-09-04 | 大连理工大学 | 一种点云模型上的分层切片轮廓构造方法 |
CN109993783A (zh) * | 2019-03-25 | 2019-07-09 | 北京航空航天大学 | 一种面向复杂三维建筑物点云的屋顶及侧面优化重建方法 |
WO2020009826A1 (en) * | 2018-07-05 | 2020-01-09 | Kaarta, Inc. | Methods and systems for auto-leveling of point clouds and 3d models |
-
2020
- 2020-08-21 CN CN202010846478.1A patent/CN111915724A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106846272A (zh) * | 2017-01-18 | 2017-06-13 | 西安工程大学 | 一种点云模型的去噪精简方法 |
CN108491596A (zh) * | 2018-03-08 | 2018-09-04 | 大连理工大学 | 一种点云模型上的分层切片轮廓构造方法 |
WO2020009826A1 (en) * | 2018-07-05 | 2020-01-09 | Kaarta, Inc. | Methods and systems for auto-leveling of point clouds and 3d models |
CN109993783A (zh) * | 2019-03-25 | 2019-07-09 | 北京航空航天大学 | 一种面向复杂三维建筑物点云的屋顶及侧面优化重建方法 |
Non-Patent Citations (2)
Title |
---|
佟国峰;杜宪策;李勇;陈槐嵘;张庆春;: "基于切片采样和质心距直方图特征的室外大场景三维点云分类", 中国激光, no. 10 * |
车选林等: "小型回转点云的配准研究", 《轻工机械》, vol. 35, no. 1, pages 1 - 5 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112698301A (zh) * | 2020-12-11 | 2021-04-23 | 中国科学院微电子研究所 | 基于距离强度关联的激光雷达目标识别方法、装置及设备 |
CN114881955A (zh) * | 2022-04-28 | 2022-08-09 | 厦门微亚智能科技有限公司 | 基于切片的环状点云缺陷提取方法、装置、设备存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110443836B (zh) | 一种基于平面特征的点云数据自动配准方法及装置 | |
CN106780524B (zh) | 一种三维点云道路边界自动提取方法 | |
CN109903327B (zh) | 一种稀疏点云的目标物尺寸测量方法 | |
CN107123164B (zh) | 保持锐利特征的三维重建方法及系统 | |
US9390552B1 (en) | Method and device for extracting skeleton from point cloud | |
Song et al. | A progressive point cloud simplification algorithm with preserved sharp edge data | |
CN107610061B (zh) | 一种基于二维投影的保边点云孔洞修补方法 | |
CN111581776B (zh) | 一种基于几何重建模型的等几何分析方法 | |
CN115564926B (zh) | 基于影像建筑物结构学习的三维面片模型构建方法 | |
CN110807781A (zh) | 一种保留细节与边界特征的点云精简方法 | |
CN107545602B (zh) | 基于LiDAR点云的空间拓扑关系约束下的建筑物建模方法 | |
CN111915724A (zh) | 一种点云模型切片形状计算方法 | |
CN111612888B (zh) | 一种文物建筑图形的自动生成方法、系统及存储介质 | |
WO2006082773A1 (ja) | 対象物測定方法及びコンピュータシステムを用いて対象物の三次元形状を計測するためのコンピュータソフトウエアプログラム | |
JP2006053929A (ja) | 平面形状モーフィングのための知覚に基づくアプローチ | |
JP4170096B2 (ja) | 対象の3次元表面上にマップされた3次元メッシュモデルの適合性評価のための画像処理装置 | |
US7142206B1 (en) | Shared N-patch edges | |
CN114611359B (zh) | 一种网格-参数混合模型建模方法和系统 | |
CN116189147A (zh) | 一种基于yolo的三维点云低功耗快速目标检测方法 | |
CN111539934A (zh) | 一种线激光中心的提取方法 | |
CN117557617B (zh) | 一种基于平面先验优化的多视密集匹配方法、系统及设备 | |
CN116503462A (zh) | 一种圆形斑点圆心快速提取方法及系统 | |
KR20200002772A (ko) | 3차원 평면추출 방법 및 그 장치 | |
CN105869210A (zh) | 三维地质表面模型中的插值数据处理方法 | |
CN113658077A (zh) | 一种基于曲率的分区域双边海量点云降噪方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20201110 |