CN114049471A - 基于有序化分层精简散乱点云的孔洞填补方法 - Google Patents

基于有序化分层精简散乱点云的孔洞填补方法 Download PDF

Info

Publication number
CN114049471A
CN114049471A CN202111236964.2A CN202111236964A CN114049471A CN 114049471 A CN114049471 A CN 114049471A CN 202111236964 A CN202111236964 A CN 202111236964A CN 114049471 A CN114049471 A CN 114049471A
Authority
CN
China
Prior art keywords
point cloud
points
point
scattered
layer
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
Application number
CN202111236964.2A
Other languages
English (en)
Inventor
孙进
马昊天
梁立
雷震霆
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Yangzhou University
Original Assignee
Yangzhou University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Yangzhou University filed Critical Yangzhou University
Priority to CN202111236964.2A priority Critical patent/CN114049471A/zh
Publication of CN114049471A publication Critical patent/CN114049471A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T19/00—Manipulating 3D models or images for computer graphics
    • G06T19/20—Editing of 3D images, e.g. changing shapes or colours, aligning objects or positioning parts

Landscapes

  • Engineering & Computer Science (AREA)
  • Architecture (AREA)
  • Computer Graphics (AREA)
  • Computer Hardware Design (AREA)
  • General Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Image Generation (AREA)

Abstract

本发明基于散乱点云有序化分层精简的孔洞填补算法，属于人工智能的机器视觉领域。本发明主要是对获取的散乱点云记性孔洞填补。首先，基于KD‑tree对散乱点云进行降噪并建立空间拓扑关系，并通过K领域算法提取边界点，其次，对点云进行分层和确定投影面，然后基于局部二次曲面拟合将散乱点云投影到投影面上，在z轴方向上有序化分布，获取在投影面上的二维坐标信息，之后基于NURBS曲线对各投影面上的点进行拟合插值，最后，合并点云完成空洞填补。本发明基于散乱点云，通过切片有序化分层精简实现孔洞填补算法孔洞填补的方法，通过局部拟合投影点使得投影点更接近实际位置，能够降低运算时间，提高运算速度与重建精度。

Description

基于有序化分层精简散乱点云的孔洞填补方法
技术领域
本发明属于人工智能的机器视觉技术领域，具体涉及一种基于有序化分层精简散乱点云的孔洞填补方法。
背景技术
点云模型广泛应用于逆向工程、地形测绘、虚拟场景构建和医疗诊断等领域。完善的点云模型是下游应用的基础，但在实际点云数据采集过程中，由于操作技术、实物本身和测量环境等多种因素影响，导致测得的点云数据不完整，在点云模型上形成各类孔洞。点云模型孔洞缺陷的存在，不仅影响点云模型的显示效果，还对后续点云数据处理以及分析操作等产生较大影响，因此有必要对点云模型孔洞进行修补，保证点云数据的完整性，为下游模型重构、快速成型和仿真分析等工作奠定基础。
三维物体在经过各种途径获取点云模型后，将模型表面缺失的点云填补的过程就是空洞填补。基于切片的孔洞修补方法目前的研究主要有：王运钢通过引入切片技术进行复杂孔洞修补，并在此基础上提出一种基于双向切片的点云孔洞修补方法。王运钢的方法先找孔洞边界点后进行切片处理及修补，因此点云特征及孔洞边界点提取准确性将直接影响两方法后续修补操作。其缺点是仅对切片点云进行简单投影。
2016年西安理工大学王映辉等人发明了一种基于切片的点云孔洞修补方法(授权公告号：CN107464223)，其优点是直接切片处理与分层补洞方式的补洞方法降低了其余因素对孔洞修补效果的影响并保持了孔洞修补的尖锐特征，解决了修补孔洞点与孔洞边界已有邻域点分布不一致性问题。其缺点是仅对切片点云进行简单投影对后续的修复步骤影响较大。
2017年浙江大学张森林等人发明了一种基于改进三次B样条曲线的水下地形点云孔洞修补方法(授权公告号：CN110379011)，其优点是通过改进的三次B样条曲线进行拟合，能够很好地考虑到点云切片的局部性特征以及点云整体的均匀性和连续性，紧密结合了等间隔测深采样的特点，在有效修补水下地形点云孔洞的同时最大限度地还原了原始的水下地形起伏情况。其缺点是对于实际距离较大的点云有较好的拟合效果，仅对层状点云进行简单投影对后续的曲线拟合会产生一定的影响。
现有的点云切片研究方法主要对三维点云孔洞精确填补进行研究，这样的方法在对于复原有序点云模型缺陷时具有较好的效果，但是复原对计算机的要求较高且运算次数较多，且对于一些精度要求较低或是点云模型表面规则部分孔洞的填补，往往要通过多次重复的不必要的计算，大大增加了点云孔洞填补的时间。
发明内容
本发明的目的在于提供一种基于有序化分层精简散乱点云的孔洞填补方法，通过对单层点云局部进行二次参数曲面拟合，得出局部点云的相应特征，再进行投映，能够降低单次处理点云的时间，减少运算时间，有效提高三维点云孔洞填补的速度。
实现本发明目的的技术解决方案为：
一种基于有序化分层精简散乱点云的孔洞填补方法，包括以下步骤：
步骤1：基于KD树对获取的散乱点云进行预处理；
步骤2：基于点云数量对点云进行分层处理；
步骤3：基于二次多项式对每层点云进行局部曲面拟合；
步骤4：基于NURBS曲线对降维点集进行拟合填补；
步骤5：将各层点云投影还原并平滑处理。
进一步地，所述步骤1具体包括：
对于获取到的三维散乱点云进行预处理，首先基于KD树对初始点云进行预处理，构建KD树并对初始点云进行随机取点求解该点与其它点的距离的平均值，将所有距离超出平均值两倍的点删除得到散乱点云的拓扑关系，然后利用KD树建立的散乱点云的拓扑关系计算点云密度，定义距离阈值作为判别参数,最后利用K邻域搜索计算每个点与其K个邻域点的距离,距离大于阈值的点即为边界点，获取边界点的点集N。
进一步地，所述步骤2具体包括：
根据步骤1获得的三维点云边界点点集N得到对应的点云个数n，将点云分为t层，每层点云的厚度为Si，记第i层点云的投影面为z＝zi，且第i层点云集合的z的取值范围
Figure BDA0003317997940000021
并分别提取每层点云的点集，记第i层点云的点云集合为Ni，其中
Figure BDA0003317997940000022
Figure BDA0003317997940000023
为第i层点云的第j个点的坐标。
进一步地，所述步骤3具体包括：
首先将单层点云看做是由多个二次曲面拼接而成，局部二次曲面能够准确地描述复杂型面的局部形状，二次曲面方程的矩阵形式为XTAX+BTX+c＝0，其中
Figure BDA0003317997940000024
第i层点云的点云集合为Ni，其中
Figure BDA0003317997940000031
其中二次曲面方程中有10个未知数，从Ni随机取一个点记为
Figure BDA0003317997940000032
通过梯度算法取相邻的9个点
Figure BDA0003317997940000033
将10个不重合点代入XTAX+BTX+c＝0即可得到对应的参数矩阵
Figure BDA0003317997940000034
和
Figure BDA0003317997940000035
转化成二次曲面方程一般形式：
Figure BDA0003317997940000036
z＝zi代入，得到关于x,y的曲线方程：
Figure BDA0003317997940000037
Figure BDA0003317997940000038
的取值范围是10个点中的坐标值的最大值与最小值之间的范围，均匀取点
Figure BDA0003317997940000039
代替原有的散乱点集
Figure BDA00033179979400000310
将获取的三维点集记为
Figure BDA00033179979400000311
并将三维点集中各点的z坐标去除，得到二维点集
Figure BDA00033179979400000312
进一步地，所述步骤4具体包括：
首先对二维点集
Figure BDA00033179979400000313
进行基于NURBS曲线拟合，NURBS曲线定义式为：
Figure BDA00033179979400000314
其中
Figure BDA00033179979400000315
-∞＜t＜+∞为m次基函数，Pi为控制点，Ri为权因子，将二维点集
Figure BDA00033179979400000316
代入NURBS曲线的定义式，得到对应的NURBS曲线拟合曲线，之后计算相邻两点之间的距离Δsi与两点之间的平均距离
Figure BDA00033179979400000317
若
Figure BDA00033179979400000318
则在两点之间取NURBS曲线上的点填补，得到点集
Figure BDA00033179979400000319
Figure BDA00033179979400000320
为第i层的k个点的坐标。
进一步地，所述步骤5具体包括：
将步骤4得到二维点集
Figure BDA00033179979400000321
加上z轴坐标值，即
Figure BDA00033179979400000322
然后将t层点云集合并，即完成孔洞填补。
本发明与现有技术相比，其显著优点为：
1.对投影方式进行改进，通过对单层点云局部进行二次参数曲面拟合，得出局部点云的相应特征，再进行投映，投影点更接近实际位置。2.降低了单次处理点云的时间，通过多线程运算可减少运算时间。
下面结合附图和具体实施方式对本发明作进一步的详细描述。
附图说明
图1为本发明基于有序化分层精简散乱点云的孔洞填补方法流程图。
具体实施方式
结合图1，一种基于有序化分层精简散乱点云的孔洞填补方法，包括以下步骤：
步骤1：基于KD树对获取的散乱点云进行预处理；
步骤2：基于点云数量对点云进行分层处理；
步骤3：基于二次多项式对每层点云进行局部曲面拟合；
步骤4：基于NURBS曲线对降维点集进行拟合填补；
步骤5：将各层点云投影还原并平滑处理。
进一步地，所述步骤1具体包括：
对于获取到的三维散乱点云进行预处理，首先基于KD树对初始点云进行预处理，构建KD树并对初始点云进行随机取点求解该点与其它点的距离的平均值，将所有距离超出平均值两倍的点删除得到散乱点云的拓扑关系，然后利用KD树建立的散乱点云的拓扑关系计算点云密度，定义距离阈值作为判别参数,最后利用K邻域搜索计算每个点与其K个邻域点的距离,距离大于阈值的点即为边界点，获取边界点的点集N。
进一步地，所述步骤2具体包括：
根据步骤1获得的三维点云边界点点集N得到对应的点云个数n，将点云分为t层，每层点云的厚度为Si，记第i层点云的投影面为z＝zi，且第i层点云集合的z的取值范围
Figure BDA0003317997940000041
并分别提取每层点云的点集，记第i层点云的点云集合为Ni，其中
Figure BDA0003317997940000042
Figure BDA0003317997940000043
为第i层点云的第j个点的坐标。
进一步地，所述步骤3具体包括：
首先将单层点云看做是由多个二次曲面拼接而成，局部二次曲面能够准确地描述复杂型面的局部形状，二次曲面方程的矩阵形式为XTAX+BTX+c＝0，其中
Figure BDA0003317997940000044
以第i层点云为例，第i层点云的点云集合为Ni，其中
Figure BDA0003317997940000045
其中二次曲面方程中有10个未知数，从Ni随机取一个点记为
Figure BDA0003317997940000046
通过梯度算法取相邻的9个点
Figure BDA0003317997940000047
将10个不重合点代入XTAX+BTX+c＝0即可得到对应的参数矩阵
Figure BDA0003317997940000051
和
Figure BDA0003317997940000052
转化成二次曲面方程一般形式：
Figure BDA0003317997940000053
z＝zi代入，得到关于x,y的曲线方程：
Figure BDA0003317997940000054
Figure BDA0003317997940000055
的取值范围是10个点中的坐标值的最大值与最小值之间的范围，均匀取点
Figure BDA0003317997940000056
代替原有的散乱点集
Figure BDA0003317997940000057
将获取的三维点集记为
Figure BDA0003317997940000058
并将三维点集中各点的z坐标去除，得到二维点集
Figure BDA0003317997940000059
进一步地，所述步骤4具体包括：
首先对二维点集
Figure BDA00033179979400000510
进行基于NURBS曲线拟合，NURBS曲线定义式为：
Figure BDA00033179979400000511
其中
Figure BDA00033179979400000512
-∞＜t＜+∞为m次基函数，Pi为控制点，Ri为权因子，将二维点集
Figure BDA00033179979400000513
代入NURBS曲线的定义式，得到对应的NURBS曲线拟合曲线，之后计算相邻两点之间的距离Δsi与两点之间的平均距离
Figure BDA00033179979400000514
若
Figure BDA00033179979400000515
则在两点之间取NURBS曲线上的点填补，得到点集
Figure BDA00033179979400000516
Figure BDA00033179979400000517
为第i层的k个点的坐标。
进一步地，所述步骤5具体包括：
将步骤4得到二维点集
Figure BDA00033179979400000518
加上z轴坐标值，即
Figure BDA00033179979400000519
然后将t层点云集合并，即完成孔洞填补。
以上显示和描述了本发明的基本原理、主要特征及优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界。

Claims (6)

1.一种基于有序化分层精简散乱点云的孔洞填补方法，其特征在于，包括以下步骤：
步骤1：基于KD树对获取的散乱点云进行预处理；
步骤2：基于点云数量对点云进行分层处理；
步骤3：基于二次多项式对每层点云进行局部曲面拟合；
步骤4：基于NURBS曲线对降维点集进行拟合填补；
步骤5：将各层点云投影还原并平滑处理。
2.根据权利要求1所述的基于有序化分层精简散乱点云的孔洞填补方法，其特征在于，所述步骤1具体包括：
对于获取到的三维散乱点云进行预处理，首先基于KD树对初始点云进行预处理，构建KD树并对初始点云进行随机取点求解该点与其它点的距离的平均值，将所有距离超出平均值两倍的点删除得到散乱点云的拓扑关系，然后利用KD树建立的散乱点云的拓扑关系计算点云密度，定义距离阈值作为判别参数,最后利用K邻域搜索计算每个点与其K个邻域点的距离,距离大于阈值的点即为边界点，获取边界点的点集N。
3.根据权利要求2所述的基于有序化分层精简散乱点云的孔洞填补方法，其特征在于，所述步骤2具体包括：
根据步骤1获得的三维点云边界点点集N得到对应的点云个数n，将点云分为t层，每层点云的厚度为Si，记第i层点云的投影面为z＝zi，且第i层点云集合的z的取值范围
Figure FDA0003317997930000011
并分别提取每层点云的点集，记第i层点云的点云集合为Ni，其中
Figure FDA0003317997930000012
Figure FDA0003317997930000013
为第i层点云的第j个点的坐标。
4.根据权利要求3所述的基于有序化分层精简散乱点云的孔洞填补方法，其特征在于，所述步骤3具体包括：
首先将单层点云看做是由多个二次曲面拼接而成，局部二次曲面能够准确地描述复杂型面的局部形状，二次曲面方程的矩阵形式为XTAX+BTX+c＝0，其中
Figure FDA0003317997930000014
第i层点云的点云集合为Ni，其中
Figure FDA0003317997930000015
其中二次曲面方程中有10个未知数，从Ni随机取一个点记为
Figure FDA0003317997930000016
通过梯度算法取相邻的9个点
Figure FDA0003317997930000017
将10个不重合点代入XTAX+BTX+c＝0即可得到对应的参数矩阵
Figure FDA0003317997930000018
和
Figure FDA0003317997930000019
转化成二次曲面方程一般形式：
Figure FDA00033179979300000110
z＝zi代入，得到关于x,y的曲线方程：
Figure FDA0003317997930000021
Figure FDA0003317997930000022
的取值范围是10个点中的坐标值的最大值与最小值之间的范围，均匀取点
Figure FDA0003317997930000023
代替原有的散乱点集
Figure FDA0003317997930000024
将获取的三维点集记为
Figure FDA0003317997930000025
并将三维点集中各点的z坐标去除，得到二维点集
Figure FDA0003317997930000026
5.根据权利要求4所述的基于有序化分层精简散乱点云的孔洞填补方法，其特征在于，所述步骤4具体包括：
首先对二维点集
Figure FDA0003317997930000027
进行基于NURBS曲线拟合，NURBS曲线定义式为：
Figure FDA0003317997930000028
其中
Figure FDA0003317997930000029
-∞＜t＜+∞为m次基函数，Pi为控制点，Ri为权因子，将二维点集
Figure FDA00033179979300000210
代入NURBS曲线的定义式，得到对应的NURBS曲线拟合曲线，之后计算相邻两点之间的距离Δsi与两点之间的平均距离
Figure FDA00033179979300000211
若
Figure FDA00033179979300000212
则在两点之间取NURBS曲线上的点填补，得到点集
Figure FDA00033179979300000213
Figure FDA00033179979300000214
为第i层的k个点的坐标。
6.根据权利要求5所述的基于有序化分层精简散乱点云的孔洞填补方法，其特征在于，所述步骤5具体包括：
将步骤4得到二维点集
Figure FDA00033179979300000215
加上z轴坐标值，即
Figure FDA00033179979300000216
然后将t层点云集合并，即完成孔洞填补。
CN202111236964.2A 2021-10-24 2021-10-24 基于有序化分层精简散乱点云的孔洞填补方法 Pending CN114049471A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111236964.2A CN114049471A (zh) 2021-10-24 2021-10-24 基于有序化分层精简散乱点云的孔洞填补方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111236964.2A CN114049471A (zh) 2021-10-24 2021-10-24 基于有序化分层精简散乱点云的孔洞填补方法

Publications (1)

Publication Number Publication Date
CN114049471A true CN114049471A (zh) 2022-02-15

Family

ID=80206121

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111236964.2A Pending CN114049471A (zh) 2021-10-24 2021-10-24 基于有序化分层精简散乱点云的孔洞填补方法

Country Status (1)

Country Link
CN (1) CN114049471A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN118123331A (zh) * 2024-03-21 2024-06-04 深圳前海瑞集科技有限公司 无孔洞的焊缝规划方法和装置，设备与计算机介质

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN118123331A (zh) * 2024-03-21 2024-06-04 深圳前海瑞集科技有限公司 无孔洞的焊缝规划方法和装置，设备与计算机介质

Similar Documents

Publication Publication Date Title
Woo et al. A new segmentation method for point cloud data
CN107610061B (zh) 一种基于二维投影的保边点云孔洞修补方法
CN111696210A (zh) 一种基于三维点云数据特征轻量化的点云重构方法及系统
CN112784403B (zh) 基于点云数据建立节理岩体离散元模型的数值模拟方法
Di Angelo et al. A new mesh-growing algorithm for fast surface reconstruction
CN107464223B (zh) 一种基于切片的点云孔洞修补方法
CN103870845A (zh) 点云聚类去噪过程中新的k值优化方法
CN102222357A (zh) 基于图像分割和网格细分的脚型三维表面重建方法
CN109919955A (zh) 地基式激光雷达点云的隧道轴线提取和分割方法
CN113763529B (zh) 一种基于三维扫描的变电站建模方法
CN111199549A (zh) 基于叶片型面测量点云的叶型提取方法
CN114049471A (zh) 基于有序化分层精简散乱点云的孔洞填补方法
CN115797551A (zh) 基于两步无监督聚类算法的激光点云数据自动建模方法
CN115147551A (zh) 远程地面激光扫描技术提取监测对象表面同名特征点的方法
CN109859301A (zh) 一种岩石结构面粗糙度系数精细化表征方法
CN117968540A (zh) 一种基于线激光扫描的法兰轴承三维测量方法及系统
CN105678708A (zh) 一种适用于已配准多视角有序点云的整体优化方法
Kudelski et al. 3D feature line detection based on vertex labeling and 2D skeletonization
Sitnik et al. Optimized point cloud triangulation for 3D scanning systems
He et al. RETRACTED ARTICLE: Application of the slicing technique to extract the contour feature line
Pagani et al. Generalization of profile texture parameters for additively manufactured surfaces
CN112365534A (zh) 一种基于单目相机三维重建的大型煤堆体积测量方法
Zou et al. Research on optimization of rendering efficiency of point cloud data of transmission lines in three-dimensional GIS
CN112184564A (zh) 一种基于半边排序法的三维孔洞补偿方法
Kansal et al. A systematic approach for cad model generation of hole features from point cloud data

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