CN112800829A - 一种基于三维测量的物体局部破损程度的识别方法 - Google Patents

Abstract

本发明公开了一种基于三维测量的物体局部破损程度的识别方法，包括以下步骤：识别目标物体的三维点云数据，所述目标物体还包括破损部分和与破损部分对称的完好部分，将所述三维点云数据网格化并建立网格模型；根据最短曲率样条法从所述网格模型中分别提取所述破损部分与所述完好部分的完整数据，并分别建立样体；根据填充法和点云切片法分别计算所述样体的体积，将所述样体体积进行比对，得出物体局部破损程度。与传统手段相比，本发明精确快捷，多次识别结果一致性高；同时避免了因个人测量带来的误差，解决了现有技术中体积计算困难，测量过程需要人工操作，多次测量得到不同测量结果的问题，使基于三维测量的物体局部破损程度的识别方法变得更加高效智能准确。

Description

一种基于三维测量的物体局部破损程度的识别方法

技术领域

本发明涉及数据处理技术领域，尤其涉及一种基于三维测量的物体局部破损程度的识别方法。

背景技术

在法医学识别中，对于耳廓缺损或畸形的评估，主要是关注其与正常耳廓相差面积的范围和比例，采用摄影法、印迹法、描画法等，将伤侧与健侧耳廓的最大投影面积计算出来，再计算缺损的面积百分比，然而，由于耳廓的不规则性和舟夹角(耳廓整体与颅骨间的夹角)的个体差异，想要准确描出耳廓形状的难度较大，不同方法、不同识别人计算出的耳廓最大投影面积数值会有较大差异，但目前在法医学界耳廓缺损体积的测量也一直没有较好的方法。

在基于三维测量的物体局部破损程度的识别方法中，不规则物体的局部破损程度会更难识别，尤其是需要求物体体积时，而目前不规则物体的体积测量常用方法是溢水法和溢沙法，这种方法要让物体接触水或者接触沙，并且操作起来比较麻烦，而当某些贵重物品不可遇水时，这种测量方法就不容易开展，因此针对不规则物体的体积测量目前尚无一款较为成熟的方法或产品，同时在测量过程中还需要大量人工操作，很容易形成误差，造成多次测量获得不同测量结果的问题。

发明内容

本发明提供的一种基于三维测量的物体局部破损程度的识别方法，旨在解决物体局部破损测量中体积计算困难，测量过程需要人工操作，多次测量得到不同测量结果的问题，实现物体局部破损程度测量的自动化。

为实现上述目的，本发明采用以下技术方案：

本发明的一种基于三维测量的物体局部破损程度的识别方法，包括以下步骤：

识别目标物体的三维点云数据，所述目标物体还包括破损部分和与破损部分对称的完好部分，将所述三维点云数据网格化并建立网格模型；

根据最短曲率样条法从所述网格模型中分别提取所述破损部分与所述完好部分的完整数据，并分别建立样体；

根据填充法和点云切片法分别计算所述样体的体积，将所述样体体积进行比对，得出物体局部破损程度。

识别目标物体的三维点云数据，所述目标物体还包括破损部分和与破损部分对称的完好部分的三维点云数据，将所述三维点云数据网格化并根据所得网格建立网格模型，利用最短曲率样条法从所述网格模型中分别提取出所述破损部分和所述完好部分的完整数据，由提取出的所述破损部分和所述完好部分的完整数据建立所述破损部分和所述完好部分的样体，根据点云切片法对所述破损部分和所述完好部分的样体体积进行计算，再将得到的样体体积进行比对，得出物体局部破损程度。此方法实现了自动化，减少了因人工操作带来的误差，提高了物体局部破损程度识别的准确率和智能化程度。

作为优选，识别目标物体的三维点云数据，所述目标物体还包括破损部分和与破损部分对称的完好部分，将所述三维点云数据网格化并建立网格模型，包括：

利用三维测量法识别目标物体的图像，所述目标物体还包括破损部分和与破损部分对称的完好部分，所述图像包含带编码的信息数据；

对所述带编码的信息数据进行捕捉，根据三角测量方法将捕捉到的数据进行空间坐标输出，获得三维点云数据；

将所述三维点云数据进行网格化处理，根据所述网格建立网格模型。

作为优选，根据最短曲率样条法从所述网格模型中分别提取所述破损部分与所述完好部分的完整数据，并分别建立样体，包括：

对所述网格模型进行法线估计，并提取N个边缘特征点，其中，N为大于1的整数，利用AABB树计算所述N个边缘特征点中的上边缘点和下边缘点，同时根据狄杰斯特拉算法估计上边缘点和下边缘点间的最小闭合环曲线，将最小闭合环曲线投影到所述网格模型表面，得到所述破损部分和所述完好部分的最小范围线，由所述破损部分和完好部分最小范围线开始遍历所述破损部分和所述完好部分的整体轮廓，得到所述破损部分和所述完好部分的整体数据，由所述整体数据分别建立样体，所述样体包含破损样体与完好样体。

作为优选，根据填充法和点云切片法分别计算所述样体的体积，将所述样体体积进行比对，得出物体局部破损程度，包括：

根据填充法先分别在所述样体中构建一个四面体，再利用迭代法分别将所述样体用四面体填充满；

根据点云切片法先分别计算所述四面体的体积，再累加得到所述样体的整体体积，即破损样体体积与完好样体体积；

将所述破损样体体积与所述完好样体体积进行除法运算，得到体积百分比，根据所述百分比得出物体局部破损程度。

一种基于三维测量的物体局部破损程度的识别装置，包括：

模型构建模块，用于识别目标物体的三维点云数据，所述目标物体还包括破损部分和与破损部分对称的完好部分，将所述三维点云数据网格化并建立网格模型；

数据提取模块，用于根据最短曲率样条法从所述模型构建模块建立的所述网格模型中分别提取所述破损部分与所述完好部分的完整数据，并分别建立样体；

数据计算模块，用于根据填充法和点云切片法分别计算所述数据提取模块建立的所述样体体积，将所述样体体积进行比对，得出物体局部破损程度。

作为优选，所述模型构建模块，包括：

图像识别单元，用于利用三维测量法识别目标物体的图像，所述目标物体还包括破损部分和与破损部分对称的完好部分，所述图像包含带编码的信息数据；

数据捕捉单元，用于对所述图像识别单元识别的所述带编码的信息数据进行捕捉，根据三角测量方法将捕捉到的数据进行空间坐标输出，识别三维点云数据；

模型建立单元，用于将所述数据捕捉单元识别的所述三维点云数据进行网格化处理，并由得到的网格建立网格模型。

作为优选，所述数据提取模块，包括：

模型提取单元，用于对所述网格模型进行法线估计，并提取N个边缘特征点，其中，N为大于1的整数，利用AABB树计算所述N个边缘特征点中的上边缘点和下边缘点，同时根据狄杰斯特拉算法估计上边缘点和下边缘点间的最小闭合环曲线，将最小闭合环曲线投影到所述网格模型表面，得到所述破损部分和所述完好部分的最小范围线，由所述破损部分和所述完好部分最小范围线开始遍历所述破损部分和所述完好部分的整体轮廓，得到所述破损部分和所述完好部分的整体数据，由所述整体数据分别建立样体，所述样体包含破损样体与完好样体。

作为优选，所述数据计算模块，包括：

物体填充单元，用于根据填充法先分别在所述样体中构建一个四面体，再利用迭代法分别将所述样体用四面体填充满；

体积计算单元，用于根据点云切片法先分别计算所述物体填充单元构建的所述四面体的体积，再累加得到所述样体的整体体积，即破损样体体积与完好样体体积；

数据处理单元，用于将所述体积计算单元得到的所述破损样体体积与所述完好样体体积进行除法运算，得到体积百分比，根据所述百分比得出物体局部破损程度。

一种电子设备，其特征在于，包括存储器和处理器，所述存储器用于存储一条或多条计算机指令，其中，所述一条或多条计算机指令被所述处理器执行以实现如权利要求1～4中任一项所述的一种基于三维测量的物体局部破损程度的识别方法。

一种存储有计算机程序的计算机可读存储介质，其特征在于，所述计算机程序使计算机执行时实现如权利要求1～4中任一项所述的一种基于三维测量的物体局部破损程度的识别方法。

本发明具有如下有益效果：

利用三维扫描技术，识别目标物体的三维模型，通过积分法，计算缺损物体百分比，识别物体局部破损程度，与传统手段相比，本方法精确快捷，多次识别结果一致性高；同时避免了因个人测量带来的误差，解决了现有技术中体积计算困难，测量过程需要人工操作，多次测量得到不同测量结果的问题，使基于三维测量的物体局部破损程度的识别方法变得更加高效智能准确。

附图说明

图1是本发明实施例实现一种基于三维测量的物体局部破损程度的识别方法第一流程图；

图2是本发明实施例实现一种基于三维测量的物体局部破损程度的识别方法第二流程图；

图3是本发明实施例实现一种基于三维测量的物体局部破损程度的识别方法第三流程图；

图4是本发明实施例实现一种基于三维测量的物体局部破损程度的识别方法第四流程图；

图5是本发明实施例实现一种基于三维测量的物体局部破损程度的识别方法的具体实施流程图。

图6是本发明实施例实现一种基于三维测量的物体局部破损程度的识别装置示意图；

图7是本发明实施例实现一种基于三维测量的物体局部破损程度的识别装置的模型构建模块示意图；

图8是本发明实施例实现一种基于三维测量的物体局部破损程度的识别装置的数据提取模块示意图；

图9是本发明实施例实现一种基于三维测量的物体局部破损程度的识别装置的数据计算模块示意图；

图10是本发明实施例实现一种基于三维测量的物体局部破损程度的识别装置的具体实施流程图；

图11是本发明实施例实现一种基于三维测量的物体局部破损程度的识别方法的一种电子设备示意图。

具体实施方式

下面将结合附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例，基于本发明中的实施例，本领域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例，都属于本发明保护的范围。

实施例1

如图1所示，一种基于三维测量的物体局部破损程度的识别方法，包括以下步骤：

S110、识别目标物体的三维点云数据，所述目标物体还包括破损部分和与破损部分对称的完好部分，将所述三维点云数据网格化并建立网格模型；

S120、根据最短曲率样条法从所述网格模型中分别提取所述破损部分与所述完好部分的完整数据，并分别建立样体；

S130、根据填充法和点云切片法分别计算所述样体的体积，将所述样体体积进行比对，得出物体局部破损程度。

根据实施例1可知，系统在识别目标物体的三维点云数据时，必须同时识别所述目标物体的破损部分和与破损部分对称的完好部分的三维点云数据，其中，所述目标物体的破损部分和与破损部分对称的完好部分用于表示目标物体的破损部分和在目标物体中与破损部分具有对称关系且未破损的部分两部分，例如双耳花瓶的一个耳有部分缺损时，要计算这个耳的破损程度，此时，目标物体就是这个双耳花瓶，所述目标物体的破损部分和与破损部分对称的完好部分就是指这个花瓶中有缺损的耳和另外一个没有破损的耳，获取三维点云数据是为了保证破损程度识别的准确性，将所述三维点云数据网格化并根据所得网格建立网格模型，利用最短曲率样条法从所述网格模型中分别提取出所述破损部分和所述完好部分的完整数据，由提取出的所述破损部分和所述完好部分的完整数据建立所述破损部分和所述完好部分的样体，根据点云切片法对所述破损部分和所述完好部分的样体体积进行计算，再将得到的样体体积进行比对，得出物体局部破损程度，物体局部破损程度是指破损部分的损失部分在完好部分中的占比。此方法实现了自动化，减少了因人工操作带来的误差，提高了物体局部破损程度识别的准确率和智能化程度。

实施例2

如图2所示，一种基于三维测量的物体局部破损程度的识别方法，包括：

S210、利用三维测量法识别目标物体的图像，所述目标物体还包括破损部分和与破损部分对称的完好部分，所述图像包含带编码的信息数据；

S220、对所述带编码的信息数据进行捕捉，根据三角测量方法将捕捉到的数据进行空间坐标输出，获得三维点云数据；

S230、将所述三维点云数据进行网格化处理，根据所述网格建立网格模型；

S240、根据最短曲率样条法从所述网格模型中分别提取所述破损部分与所述完好部分的完整数据，并分别建立样体；

S250、根据填充法和点云切片法分别计算所述样体的体积，将所述样体体积进行比对，得出物体局部破损程度。

根据实施例2可知，得到目标物体的图像后，系统需要对图像进行处理，以识别图像中包含的带编码的信息数据，根据结构光三角测量方法在信息数据中选定一系列的点，按三角形将这些点连接成网，再根据已知点求边长和方位角，由求得的边长和方位角逐次求得各点的坐标，获得三维点云数据，对三维点云数据进行网格化处理得到M个子网格，其中，M为大于1的整数，通过这M个子网格建立网格模型。此方法实现了数据处理的自动化，提高了测量速度与准确率，而建立的网格模型也方便了体积计算。

实施例3

如图3所示，一种基于三维测量的物体局部破损程度的识别方法，包括：

S310、识别目标物体的三维点云数据，所述目标物体还包括破损部分和与破损部分对称的完好部分，将所述三维点云数据网格化并建立网格模型；

S320、对所述网格模型进行法线估计，并提取N个边缘特征点，其中，N为大于1的整数，利用AABB树计算所述N个边缘特征点中的上边缘点和下边缘点，同时根据狄杰斯特拉算法估计上边缘点和下边缘点间的最小闭合环曲线，将最小闭合环曲线投影到所述网格模型表面，得到所述破损部分和所述完好部分的最小范围线，由所述破损部分和完好部分最小范围线开始遍历所述破损部分和所述完好部分的整体轮廓，得到所述破损部分和所述完好部分的整体数据，由所述整体数据分别建立样体，所述样体包含破损样体与完好样体；

S330、根据填充法和点云切片法分别计算所述样体的体积，将所述样体体积进行比对，得出物体局部破损程度。

根据实施例3可知，初步识别网格模型后要对网格模型进行提取操作，以保证识别结果的准确性，在提取边缘特征点的时候要注意剔除掉一些错误点，即不属于破损部分与完好部分的点，用AABB树计算边缘特征点中的上边缘点和下边缘点，确定最小点与最大点，用狄杰斯特拉算法估计最小点与最大点之间的最短路径，即最小闭合环曲线，该方法在计算过程中实现了点云切片和边界界定，便于体积计算，同时实现了自动化模型切割，避免了人工切割带来的误差。

实施例4

如图4所示，一种基于三维测量的物体局部破损程度的识别方法，包括：

S410、识别目标物体的三维点云数据，所述目标物体还包括破损部分和与破损部分对称的完好部分，将所述三维点云数据网格化并建立网格模型；

S420、根据最短曲率样条法从所述网格模型中分别提取所述破损部分与所述完好部分的完整数据，并分别建立样体；

S430、根据填充法先分别在所述样体中构建一个四面体，再利用迭代法分别将所述样体用四面体填充满；

S440、根据点云切片法先分别计算所述四面体的体积，再累加得到所述样体的整体体积，即破损样体体积与完好样体体积；

S450、将所述破损样体体积与所述完好样体体积进行除法运算，得到体积百分比，根据所述百分比得出物体局部破损程度。

根据实施例4可知，用填充法在样体中构建四面体，首先要构成一个种子四面体，再新构建三个面存入队列中，通过队列中的三个面不断迭代构建新的四面体，直至样体被四面体填充，同时需要确保每个四面体都在样体内部，在用点云切片法求四面体体积时，因点云切片和边界界定已经完成，这里直接求三角面面积和四面体高，再用公式求样体体积就可以了。相比于面积法，体积法更能真实反映物体大小，避免了因个人测量带来的识别误差，提高了破损程度识别的准确率。

实施例5

如图5所示，一种具体的实施方式可为：

S510、识别目标物体的三维点云数据；

利用三维扫描仪识别目标物体的图像，目标物体的图像包含破损部分和与破损部分对称的完好部分的图像，图像中包含带编码的信息数据，在这些数据中选择一系列的点，按三角形连接成网，观测三角形网中的所有角度，若A、B为已知点，则AB边的长度和方位也为已知值，按三角形正弦公式由AB边可以推测出AC、BC边长，进而求得网中所有变长，根据已知边的方位角和网中各角可以推算网中各边的方位角，再根据已知点坐标及各边的方位角和边长逐次求得其它各点的坐标，获得三维点云数据。

S520、将所述三维点云数据网格化并建立网格模型；

将点云视为一个巨大的网格，并找出其在三维空间各坐标轴X、Y、Z上的极值，之后决定初始的分割次数，此时X、Y、Z轴会被切成M各子区间，其中，M为大于1的整数，即子网格，实现数据的网格化，由各个子网格建立网格模型。

S530、根据最短曲率样条法从所述网格模型中分别提取所述破损部分与所述完好部分的完整数据，并分别建立样体；

首先对网格模型进行法线估计，计算每个网格节点在邻近区域的曲率变化，提取特征变化较大的点，即边缘特征点，其中，边缘特征点的个数为N，N为大于1的整数，但这还不够精确，需要剔除一些错误点，利用AABB树计算所述N个边缘特征点中的上边缘点和下边缘点，同时根据狄杰斯特拉算法估计上边缘点和下边缘点间的最小闭合环曲线，将最小闭合环曲线投影到所述网格模型表面，得到所述破损部分和所述完好部分的最小范围线，通过所述破损部分和所述完好部分的中心点，搜索临近点开始向所述破损部分和完好部分最小范围线进行遍历所述破损部分和所述完好部分的整体轮廓，得到所述破损部分和所述完好部分的整体数据，由所述整体数据分别建立样体，所述样体包含破损样体与完好样体。

示例性的，本方法可辅助应用于法医学破损识别方面，在耳廓破损程度的识别中运用三维扫描仪对健侧和伤侧的侧面头部和完整耳廓进行扫描识别模型数据，再利用最短曲率样条法首先对耳廓模型数据进行法线估计，计算每个网格节点在邻近区域曲率变化，提取特征变化较大的点，也即耳廓的边缘特征点，但这还不够精确，需要剔除一些错误点，同时通过AABB树计算边缘特征点上边缘和下边缘，然后利用狄杰斯特拉算法估计两点的最小闭合环曲线，这个最小闭合环曲线通过投影在场景模型数据表面，得到最小耳廓范围线；最后通过耳廓中心点，搜索临近点开始向最小耳廓范围线进行路径遍历，得到整体耳廓数据，完成耳廓自动提取。利用最短曲率样条法实现耳廓数据自动化提取解决了法医学中耳廓分离需要人工操作、多次识别得到不同识别结果的问题，提高了耳廓破损识别的准确率，同时实现了点云切片和轮廓界定，便于进行体积计算。

S540、根据填充法和点云切片法分别计算所述样体的体积；

首先对样体进行平滑和孔洞闭合，选择一个三角面，并沿法线方向搜索第四个点，构成一个种子四面体，新构建三个面，被存入队列中作为后面的检索面；通过循环队列中的三角面，迭代构建新的四面体，直到四面体填充整个样体；通过一个判断四面体与样体的关系，以确保每个四面体都在样体的内部，当除样体的原始三角面之外，其他三角面都被两个四面体共有时，确定为填充饱满，终止循环，点云切片法分为激光扫描、点云数据切片、轮廓边界确定、切片面积计算、点云体积计算五步，在S510-S540中已经完成了前四步，这里我们只需要计算切片面积和体积面积，三角面面积Si可求得，四面体高h也可求得，根据四面体的体积计算样体体积，计算公式为

其中V为样体体积。

示例性的，在耳廓破损程度的识别中，首先对耳廓模型进行平滑和孔洞闭合，选择一个三角面，并沿法线方向搜索第四个点，构成一个种子四面体，新构建三个面，被存入队列中作为后面的检索面；通过循环队列中的三角面，迭代构建新的四面体，直到四面体填充整个闭合耳廓模型；文中通过一个判断四面体与闭合耳廓模型的关系，以确保每个四面体都在闭合耳廓模型的内部，当除闭合耳廓模型的原始三角面之外，其他三角面都被两个四面体共有时，确定为填充饱满，终止循环，点云切片法计算四面体的体积，由四面体的体积得到模型体积。

S550、将所述样体体积进行比对，得出物体局部破损程度。

样体体积包含破损样体体积和完好样体体积，根据公式物体局部破损程度＝1-(破损样体体积/完好样体体积)求得物体局部破损程度。

实施例6

如图6所示，一种基于三维测量的物体局部破损程度的识别装置，包括：

模型构建模块10，用于识别目标物体的三维点云数据，所述目标物体还包括破损部分和与破损部分对称的完好部分，将所述三维点云数据网格化并建立网格模型；

数据提取模块20，用于根据最短曲率样条法从所述模型构建模块10建立的所述网格模型中分别提取所述破损部分与所述完好部分的完整数据，并分别建立样体；

数据计算模块30，用于根据填充法和点云切片法分别计算所述数据提取模块20建立的所述样体体积，将所述样体体积进行比对，得出物体局部破损程度。

上述装置的一种实施方式可为：模型构建模块10识别目标物体的三维点云数据，所述目标物体还包括破损部分和与破损部分对称的完好部分，将所述三维点云数据网格化并建立网格模型,数据提取模块20根据最短曲率样条法从所述模型构建模块10建立的所述网格模型中分别提取所述破损部分与所述完好部分的完整数据，并分别建立样体,数据计算模块30根据填充法和点云切片法分别计算所述数据提取模块20建立的所述样体体积，将所述样体体积进行比对，得出物体局部破损程度。

实施例7

如图7所示，一种基于三维测量的物体局部破损程度的识别装置的模型构建模块10，包括：

图像识别单元12，用于利用三维测量法识别目标物体的图像，所述目标物体还包括破损部分和与破损部分对称的完好部分，所述图像包括带编码的信息数据；

数据捕捉单元14，用于对所述图像识别单元12识别的所述带编码的信息数据进行捕捉，根据三角测量方法将捕捉到的数据进行空间坐标输出，识别三维点云数据；

模型建立单元16，用于将所述数据捕捉单元14识别的所述三维点云数据进行网格化处理，并由得到的网格建立网格模型。

上述装置的模型构建模块10的一种实施方式可为：图像识别单元12利用三维测量法识别目标物体的图像，所述目标物体还包括破损部分和与破损部分对称的完好部分，所述图像包括带编码的信息数据,数据捕捉单元14对所述图像识别单元12识别的所述带编码的信息数据进行捕捉，根据三角测量方法将捕捉到的数据进行空间坐标输出，识别三维点云数据,模型建立单元16将所述数据捕捉单元14识别的所述三维点云数据进行网格化处理，并由得到的网格建立网格模型。

实施例8

如图8所示，一种基于三维测量的物体局部破损程度的识别装置的数据提取模块20，包括：

模型提取单元22，用于对所述网格模型进行法线估计，并提取N个边缘特征点，其中，N为大于1的整数，利用AABB树计算所述N个边缘特征点中的上边缘点和下边缘点，同时根据狄杰斯特拉算法估计上边缘点和下边缘点间的最小闭合环曲线，将最小闭合环曲线投影到所述网格模型表面，得到所述破损部分和所述完好部分的最小范围线，由所述破损部分和完好部分最小范围线开始遍历所述破损部分和所述完好部分的整体轮廓，得到所述破损部分和所述完好部分的整体数据，由所述整体数据分别建立样体，所述样体包含破损样体与完好样体。

上述装置的数据提取模块20的一种实施方式可为：模型提取单元22对所述网格模型进行法线估计，并提取N个边缘特征点，其中，N为大于1的整数，利用AABB树计算所述N个边缘特征点中的上边缘点和下边缘点，同时根据狄杰斯特拉算法估计上边缘点和下边缘点间的最小闭合环曲线，将最小闭合环曲线投影到所述网格模型表面，得到所述破损部分和所述完好部分的最小范围线，由所述破损部分和完好部分最小范围线开始遍历所述破损部分和所述完好部分的整体轮廓，得到所述破损部分和所述完好部分的整体数据，由所述整体数据分别建立样体，所述样体包含破损样体与完好样体。

实施例9

如图9所示，一种基于三维测量的物体局部破损程度的识别装置的数据计算模块30，包括：

物体填充单元32，用于根据填充法先分别在所述样体中构建一个四面体，再利用迭代法分别将所述样体用四面体填充满；

体积计算单元34，用于根据点云切片法先分别计算所述物体填充单元32构建的所述四面体的体积，再累加得到所述样体的整体体积，即破损样体体积与完好样体体积；

数据处理单元36，用于将所述体积计算单元34得到的所述破损样体体积与所述完好样体体积进行除法运算，得到体积百分比，根据所述百分比得出物体局部破损程度。

上述装置的数据计算模块30的一种实施方式可为：物体填充单元32根据填充法先分别在所述样体中构建一个四面体，再利用迭代法分别将所述样体用四面体填充满,体积计算单元34根据点云切片法先分别计算所述物体填充单元32构建的所述四面体的体积，再累加得到所述样体的整体体积，即破损样体体积与完好样体体积,数据处理单元36将所述体积计算单元34得到的所述破损样体体积与所述完好样体体积进行除法运算，得到体积百分比，根据所述百分比得出物体局部破损程度。

实施例10

如图10所示，一种具体的实施装置可为：

点云获取模块1，利用三维扫描仪识别目标物体的图像，目标物体的图像包含破损部分和与破损部分对称的完好部分的图像，图像中包含带编码的信息数据，在这些数据中选择一系列的点，按三角形连接成网，观测三角形网中的所有角度，若A、B为已知点，则AB边的长度和方位也为已知值，按三角形正弦公式由AB边可以推测出AC、BC边长，进而求得网中所有变长，根据已知边的方位角和网中各角可以推算网中各边的方位角，再根据已知点坐标及各边的方位角和边长逐次求得其它各点的坐标，获得三维点云数据。

模型建立模块2，将点云视为一个巨大的网格，并找出其在三维空间各坐标轴X、Y、Z上的极值，之后决定初始的分割次数，此时X、Y、Z轴会被切成M各子区间，其中，M为大于1的整数，即子网格，实现数据的网格化，由各个子网格建立网格模型。

模型处理模块3，首先对网格模型进行法线估计，计算每个网格节点在邻近区域的曲率变化，提取特征变化较大的点，即边缘特征点，其中，边缘特征点的个数为N，N为大于1的整数，但这还不够精确，需要剔除一些错误点，利用AABB树计算所述N个边缘特征点中的上边缘点和下边缘点，同时根据狄杰斯特拉算法估计上边缘点和下边缘点间的最小闭合环曲线，将最小闭合环曲线投影到所述网格模型表面，得到所述破损部分和所述完好部分的最小范围线，通过所述破损部分和所述完好部分的中心点，搜索临近点开始向所述破损部分和完好部分最小范围线进行遍历所述破损部分和所述完好部分的整体轮廓，得到所述破损部分和所述完好部分的整体数据，由所述整体数据分别建立样体，所述样体包含破损样体与完好样体。

体积获取模块4，首先对样体进行平滑和孔洞闭合，选择一个三角面，并沿法线方向搜索第四个点，构成一个种子四面体，新构建三个面，被存入队列中作为后面的检索面；通过循环队列中的三角面，迭代构建新的四面体，直到四面体填充整个样体；通过一个判断四面体与样体的关系，以确保每个四面体都在样体的内部，当除样体的原始三角面之外，其他三角面都被两个四面体共有时，确定为填充饱满，终止循环，点云切片法分为激光扫描、点云数据切片、轮廓边界确定、切片面积计算、点云体积计算五步，在S510-S540中已经完成了前四步，这里我们只需要计算切片面积和体积面积，三角面面积Si可求得，四面体高h也可求得，根据四面体的体积计算样体体积，计算公式为

其中V为样体体积。

结果输出模块5，样体体积包含破损样体体积和完好样体体积，根据公式物体局部破损程度＝1-(破损样体体积/完好样体体积)求得物体局部破损程度。

实施例11

如图11所示，一种电子设备，包括存储器1101和处理器1102，所述存储器1101用于存储一条或多条计算机指令，其中，所述一条或多条计算机指令被所述处理器1102执行以实现上述的一种基于三维测量的物体局部破损程度的识别方法。

所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的电子设备的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

一种存储有计算机程序的计算机可读存储介质，所述计算机程序使计算机执行时实现如上述的一种基于三维测量的物体局部破损程度的识别方法。

示例性的，计算机程序可以被分割成一个或多个模块/单元，一个或者多个模块/单元被存储在存储器1101中，并由处理器1102执行，并由输入接口1105和输出接口1106完成数据的I/O接口传输，以完成本发明，一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述计算机程序在计算机设备中的执行过程。

计算机设备可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备，计算机设备可包括，但不仅限于，存储器1101、处理器1102，本领域技术人员可以理解，本实施例仅仅是计算机设备的示例，并不构成对计算机设备的限定，可以包括更多或更少的部件，或者组合某些部件，或者不同的部件，例如计算机设备还可以包括输入器1107、网络接入设备、总线等。

处理器1102可以是中央处理单元(CentralProcessingUnit，CPU)，还可以是其他通用处理器1102、数字信号处理器1102(DigitalSignalProcessor，DSP)、专用集成电路(ApplicationSpecificIntegratedCircuit，ASIC)、现成可编程门阵列(Field-ProgRAM503mableGateArray，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器1102可以是微处理器1102或者该处理器1102也可以是任何常规的处理器1102等。

存储器1101可以是计算机设备的内部存储单元，例如计算机设备的硬盘或内存，存储器1101也可以是计算机设备的外部存储设备，例如计算机设备上配备的插接式硬盘，智能存储卡(SmartMediaCard,SMC)，安全数字(SecureDigital,SD)卡，闪存卡(FlashCard)等，进一步地，存储器1101还可以既包括计算机设备的内部存储单元也包括外部存储设备，存储器1101用于存储计算机程序以及计算机设备所需的其他程序和数据，存储器1101还可以用于暂时地存储在输出器1108，而前述的存储介质包括U盘、移动硬盘、只读存储器ROM1103、随机存储器RAM1104、碟盘或光盘等各种可以存储程序代码的介质。

以上所述仅为本发明的具体实施例，但本发明的技术特征并不局限于此，任何本领域的技术人员在本发明的领域内，所作的变化或修饰皆涵盖在本发明的专利范围之中。

Claims (10)

1.一种基于三维测量的物体局部破损程度的识别方法，其特征在于，包括：

获取目标物体的三维点云数据，所述目标物体还包括破损部分和与破损部分对称的完好部分，将所述三维点云数据网格化并建立网格模型；

根据最短曲率样条法从所述网格模型中分别提取所述破损部分与所述完好部分的完整数据，并分别建立样体；

根据填充法和点云切片法分别计算所述样体的体积，将所述样体体积进行比对，得出物体局部破损程度。

2.根据权利要求1所述的一种基于三维测量的物体局部破损程度的识别方法，其特征在于，获取目标物体的三维点云数据，所述目标物体还包括破损部分和与破损部分对称的完好部分，将所述三维点云数据网格化并建立网格模型，包括：

利用三维测量法获取目标物体的图像，所述目标物体包括破损部分和与破损部分对称的完好部分，所述图像包括带编码的信息数据；

对所述带编码的信息数据进行捕捉，根据三角测量方法将捕捉到的数据进行空间坐标输出，获得三维点云数据；

将所述三维点云数据进行网格化处理，并建立网格模型。

3.根据权利要求1所述的一种基于三维测量的物体局部破损程度的识别方法，其特征在于，根据最短曲率样条法从所述网格模型的数据中分别提取所述破损部分和所述完好部分的完整数据，并分别建立样体，包括：

对所述网格模型进行法线估计，并提取N个边缘特征点，其中，N为大于1的整数，利用AABB树计算所述N个边缘特征点中的上边缘点和下边缘点，同时根据狄杰斯特拉算法估计上边缘点和下边缘点间的最小闭合环曲线，将最小闭合环曲线投影到所述网格模型表面，得到所述破损部分和所述完好部分的最小范围线，由所述破损部分和所述完好部分的最小范围线开始遍历所述破损部分和所述完好部分的整体轮廓，得到所述破损部分和所述完好部分的整体数据，由所述整体数据分别建立样体，所述样体包含破损样体与完好样体。

4.根据权利要求1所述的一种基于三维测量的物体局部破损程度的识别方法，其特征在于，根据填充法和点云切片法分别计算所述样体的体积，将所述样体体积进行比对，得出物体局部破损程度，包括：

根据填充法分别在所述样体中构建M个四面体，再利用迭代法分别将所述样体用所述M个四面体填充满，其中，M为大于1的整数；

根据点云切片法分别计算所述M个四面体的体积，累加得到所述样体的整体体积，即破损样体体积与完好样体体积；

将所述破损样体体积与所述完好样体体积进行除法运算，得到体积百分比，根据所述百分比得出物体局部破损程度。

5.一种基于三维测量的物体局部破损程度的识别装置，其特征在于，包括：

模型构建模块，用于获取目标物体的三维点云数据，所述目标物体包括破损部分和与破损部分对称的完好部分，将所述三维点云数据网格化并建立网格模型；

数据提取模块，用于根据最短曲率样条法从所述数据提取模块建立的所述网格模型中分别提取所述破损部分与所述完好部分的完整数据，并分别建立样体；

数据计算模块，用于根据填充法和点云切片法分别计算所述数据提取模块建立的所述样体体积，将所述样体体积进行比对，得出物体局部破损程度。

6.根据权利要求5所述的一种基于三维测量的物体局部破损程度的识别装置，其特征在于，所述模型构建模块，包括：

图像获取单元，用于利用三维测量法获取目标物体的图像，所述目标物体还包括破损部分和与破损部分对称的完好部分，所述图像包括带编码的信息数据；

数据捕捉单元，用于对所述图像获取单元获取的所述带编码的信息数据进行捕捉，根据三角测量方法将捕捉到的数据进行空间坐标输出，获取三维点云数据；

模型建立单元，用于将所述数据捕捉单元获取的所述三维点云数据进行网格化处理，并由得到的网格建立网格模型。

7.根据权利要求5所述的一种基于三维测量的物体局部破损程度的识别装置，其特征在于，所述数据提取模块，包括：

模型提取单元，用于对所述网格模型进行法线估计，并提取N个边缘特征点，其中，N为大于1的整数，利用AABB树计算所述N个边缘特征点中的上边缘点和下边缘点，同时根据狄杰斯特拉算法估计上边缘点和下边缘点间的最小闭合环曲线，将最小闭合环曲线投影到所述网格模型表面，得到所述破损部分和所述完好部分的最小范围线，由所述破损部分和所述完好部分的最小范围线开始遍历所述破损部分和所述完好部分的整体轮廓，得到所述破损部分和所述完好部分的整体数据，由所述整体数据分别建立样体，所述样体包含破损样体与完好样体。

8.根据权利要求5所述的一种基于三维测量的物体局部破损程度的识别装置，其特征在于，所述数据计算模块，包括：

物体填充单元，用于根据填充法先分别在所述样体中构建M个四面体，再利用迭代法分别将所述样体用所述M个四面体填充满，其中，M为大于1的整数；

体积计算单元，用于根据点云切片法先分别计算所述物体填充单元构建的所述M个四面体的体积，再累加得到所述样体的整体体积，即破损样体体积与完好样体体积；

数据处理单元，用于将所述体积计算单元得到的所述破损样体体积与所述完好样体体积进行除法运算，得到体积百分比，根据所述百分比得出物体局部破损程度。

9.一种电子设备，其特征在于，包括存储器和处理器，所述存储器用于存储一条或多条计算机指令，其中，所述一条或多条计算机指令被所述处理器执行以实现如权利要求1～4中任一项所述的一种基于三维测量的物体局部破损程度的识别方法。

10.一种存储有计算机程序的计算机可读存储介质，其特征在于，所述计算机程序使计算机执行时实现如权利要求1～4中任一项所述的一种基于三维测量的物体局部破损程度的识别方法。

Images