CN114119628A - 一种基于特征模板的点云精确分割方法 - Google Patents

Abstract

本发明公开了一种基于特征模板的点云精确分割方法，本发明公开了一种基于特征模板的实测点云数据分割方法，包括以下步骤：S1：首先对理论数模中的待测量和识别的曲面特征进行提取，构建成特征模板并存入模板数据库中；S2：利用空间栅格法建立实测点云拓扑关系并基于特征模板完成点云粗分割；S3：通过主成分分析法估计点云法向量，采用基于面的自适应区域生长算法对粗分割点云块进一步细分割，得到最终精确分割结果。本发明该方法为实际测量后的规模点云数据提供了一种精确的分割方法，减少了繁琐的人工操作，提高了分割效率和自动化程度，能够得到较好的分割结果。

Description

一种基于特征模板的点云精确分割方法

技术领域

本发明涉及一种点云数据分割方法，特别涉及一种基于特征模板的点云精确分割方法，属于数字化测量技术领域。

背景技术

飞机设计性能的不断提升，对飞机制造提出了更高的装配要求，出现了基于实测模型的预装配分析技术，该技术以实际测量点云数据重构的CAD模型代替理论模型进行虚拟装配分析。然而CAD模型重构的前提是需要将实测点云划分为只含有单一几何特征的拓扑结构区域的点云块。点云数据分割是值指根据曲线、曲面特征类型将点云数据分割成包含各自特征的区域点云数据，是点云逆向重构前非常关键的环节，但目前通过数字化测量设备得到的实测点云数据往往具有数据量大、空间分布不均匀、来源类型繁杂、含有杂点、特征繁多等特点，对点云按照设计意图的智能自动分割算法设计难度很大，同时飞机装配零部件数量多、结构复杂，这就要求逆向人员具有完备的逆向知识和大量的重构经验，在对实物零件测量点云的设计意图和造型规律充分理解的基础上，交互式对点云进行分割，获得属于不同特征类型的点云分割块。

为了解决目前数字化测量点云数据分割人机交互操作繁琐，工作量大，分割准确率低，自动化程度低，效率低下等问题，对此本文提出了一种基于特征模板的点云数据精确分割方法，通过理论数模的原始数据驱动引导规模点云数据完成粗分割、细分割的流程，最终得到精确的分割结果。

发明内容

本发明的目的在于提供一种基于特征模板的点云精确分割方法，以解决上述背景技术中提出的问题。

为实现上述目的，本发明提供如下技术方案：一种基于特征模板的点云精确分割方法，所述基于特征模板的点云精确分割方法步骤如下：

S1：首先对理论数模中的待测量和识别的曲面特征进行提取，构建成特征模板并存入模板数据库中；

S2：利用空间栅格法建立实测点云拓扑关系并用质心点代替栅格实格内所有点，并通过判断质心点到特征模板的距离完成基于特征模板的点云数据粗分割；

S3：通过主成分分析法估计点云法向量，采用基于面的自适应区域生长算法对粗分割点云块进一步细分割，得到最终精确分割结果。

作为本发明的一种优选技术方案，所述步骤S1中对理论数模中的待测量和识别的曲面特征进行提取，构建成特征模板并存入模板数据库中包括以下步骤：

a1：先按照设定的离散间距参数采用截交线法将理论曲面特征依次离散为一组截交线，得到的截交线有序集合为L(S)＝{L_i,i＝1,2,…,n_L}；

a2：对截交线L_i通过等弧长法离散。通过CATIA软件开放的二次开发接口函数CATCrvParam获取理论截交线的参数方程，得到的参数表达式为L(x,y,z)＝(x(t),y(t),z(t)),t∈(a,b)

则曲线弧长的计算方程为：

给定初始弧长S₀，完成单条截交线L_i的数字化离散，得到有序离散点集合：

P(L)＝{P_i(x_i,y_i,z_i),i＝1,…,n_P}

整个理论曲面特征离散点集合为所有截交线有序特征离散点的并集：

P(S)＝{P(L₁)∪P(L₂)…∪P(L_k),k＝n_L}

a3：用三角化算法将曲面特征有序离散点作为三角形顶点连接成三角网格，需要提取三角网格模型的面片法向量，为了给后续点云分割提供精确的初始参数以及生长依据。

作为本发明的一种优选技术方案，利用空间栅格法建立实测点云拓扑关系并用质心点代替栅格实格内所有点，判断点到特征模板的距离完成基于特征模板的点云数据粗分割包括以下步骤：

b1：空间栅格法是利用空间立体栅格来近似表示点云的空间结构和几何形状，基本原理为：设x_max、y_max、z_max、x_min、y_min、z_min为点云中x、y、z的最大、最小坐标，给定栅格扩展阈值ε，以点(x_max+ε,y_max+ε,z_max+ε)和点(x_min-ε,y_min-ε,z_min-ε)为对角点且表面平行于空间坐标系的空间六面体构建点云的空间包围盒；

b2：将空间包围盒作为栅格划分的总空间，以预设宽度λ作为单位长度并对包围盒进行均等划分，沿x、y、z方向的栅格数量分别为：

符号[]表示向上取整，三维立体栅格划分完成后，每个栅格是一个微小正方体；用栅格坐标(u，v，h)表示所有栅格，u、v、h分别代表在x、y、z方向的栅格序号，则有u∈[0,l-1]，v∈[0,m-1]，h∈[0,n-1]，然后将点云数据点按坐标值放入对应栅格内，有点的栅格称为实格，无点的栅格称为空格；栅格之间的邻域关系间接代表了点云的拓扑关系；

b3：按照特征模板中三角面片顶点集合计算并构建曲面特征空间包围盒{B_i(S),i＝1,…,n}，n为特征模板的数量；

b4：检索空间栅格G_k(u,v,h)，若G_k是实格，其质心点坐标为

则以质心点代表栅格实格内所有点，遍历所有曲面特征空间包围盒，若

把栅格坐标G_k(u,v,h)存入对应的分割块，直到空间栅格全部遍历完毕，实现点云数据实格质心点粗分割。

作为本发明的一种优选技术方案，所述步骤S3中通过主成分分析法估计点云法向量，采用基于面的自适应区域生长算法对粗分割点云块进一步细分割，得到最终精确分割结果，包括以下步骤：

c1：对于点云{V_i,i＝1,2,...n}中的某一点x_i∈{V_i}，通过空间栅格法建立的拓扑关系搜索点云中距离点x_i最近的k个点，即点x_i的k邻域，记作kNb(x_i)，

c2：对kNb(x_i)最小二乘拟合局部切平面P，P的法向量记作n，点x_i到坐标系原点的欧式距离记作d_i，则局部切平面P可以表示为：

采用主成分分析方法(PCA)求解切平面法向。对式(12)的求解问题就可以转化为对式(13)中的半正定协方差矩阵的特征值求解问题；

其中

为kNb(x_i)的质心点，将M分解为奇异值，得到的最小主成分系数作为P的法向量n；

c3：读取存储在数据库的特征模板对应的离散点集信息，选择

作为细分割理想种子点P_seed，其中n_L为离散的截交线条数，n_p为截交线上离散点的数量，[]表示向下取整P_seed为有序离散点集的中间点，保障了其所属点云区域的准确性，确保种子点从曲面特征中心由内向外开始生长；

c4：根据特征模板数据库索引关系检索理想种子点P_seed作为共享顶点的所有三角面片的编号，所有三角面片法向量的矢量和单位化后作为P_seed的法向量n_seed，赋予精确的初始生长分割参数，能够有效利用理论曲面特征信息引导点云精确分割；

c5：通过栅格实格质心点粗分割过程实现与其所属三角面片及法向量建立索引关系，便于后续实格质心点归属关系查询；

c6：从选定的理想种子点P_seed开始，若相邻两点的法向量夹角小于各自归属的三角网格面片间的法向量夹角，则作为新的种子点继续生长；伴随着生长点不断向外搜索扩张，允许生长的过渡夹角阈值参数也随着曲面三角面片的几何性质和类型不断自适应调整，无需通过已生长点逼近不同类型曲面识别特征属性；当生长点的法向量与所属的三角面片法向量夹角大于投影夹角阈值则认为区域生长到达了边界处。

与现有技术相比，本发明的有益效果是：本发明一种基于特征模板的点云精确分割方法，该方法为数量巨大、含有多种特征的实测点云数据提供了一种基于特征模板驱动的自动化程度高、精确的点云分割方法，减少了工艺人员繁琐的手动操作，提高了整个系统的准确性和测量效率。

附图说明

图1为本发明的理论特征模板的构建过程示意图；

图2为本发明的实测点云数据精确分割流程图。

图3为本发明的实测点云数据细分割原理示意图

具体实施方式

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例，都属于本发明保护的范围。

请参阅图1-3，本发明提供了一种基于特征模板的点云精确分割方法，S1：首先对理论数模中的待测量和识别的曲面特征进行提取，构建成特征模板并存入模板数据库中；

S2：利用空间栅格法建立实测点云拓扑关系并用质心点代替栅格实格内所有点，并通过判断质心点到特征模板的距离完成基于特征模板的点云数据粗分割；

S3：通过主成分分析法估计点云法向量，采用基于面的自适应区域生长算法对粗分割点云块进一步细分割，得到最终精确分割结果。

参照图1：步骤S1中首先对理论曲面特征进行提取命名并放入特征提取集中，对特征提取集中的所有理论有曲面特征逐一离散为一组等间距的截交线，将截交线等弧长离散为一组离散点集，并作为顶点三角网格化并计算每个三角面片的法向量。最终由曲面离散点坐标集合、三角网格序号集合、三角面片法向量集合共同组成特征模板并存储至特征模板数据库中。

Fea_Temp＝{P_i(x_i,y_i,z_i),i＝1,2,…,N_P；M_i,i＝1,2,…,N_M；n_F(f_i),i＝1,2,…,N_F}

参照图2：步骤S2中为提高点云数据处理效率，需要先将包含有多种特征的原始点云粗分割，剔除不属于特征模板的点云数据，具体算法步骤如下：

(1)通过空间栅格法建立全部点云拓扑关系；以栅格内是否有数据点区分实格和空格，并以质心点代替实格内的所有点。

(2)按照特征模板中三角面片顶点集合计算并构建曲面特征空间包围盒{B_i(S),i＝1,…,n}，n为特征模板的数量；

(3)建立空的点云数据粗分割块{C_i,i＝1,…,n}，其中C_i用于存放栅格坐标；

(4)检索空间栅格G_k(u,v,h)，若G_k(u,v,h)是实格，其质心点坐标为

则以质心点代表栅格实格内所有点，遍历所有曲面特征空间包围盒，若

把栅格坐标G_k(u,v,h)存入对应的分割块；

(5)重复步骤(4)，直到空间栅格全部遍历完毕，实现点云数据实格质心点粗分割。

参照图3：步骤S3中为实现粗分割块点云的进一步细分割，采用了改进的基于面的自适应区域生长点云细分割方法，曲面特征细分割具体步骤如下：

定义种子点容器Seed、最终细分割点云块集合C_细。

(1)原始点云经过粗分割得到的粗点云块C_粗和选取细分割理想种子点P_seed，在C_粗中找到距离P_seed最近点作为初始种子点p₁并加入种子点容器Seed中；

(2)从Seed中的种子点p₁开始，通过空间栅格法建立的点云拓扑关系查找点p₁的k近邻点p_k，并遍历所有k近邻点p_k；

(3)计算p_k内的点与点p₁的法向量偏差e_p，其中过渡夹角e_n＝acos(n_p1·n_pk)，

和

分别为点p₁和p_k估计的单位法向量；

(4)计算p_k内的点法向量与其归属的三角面片的法向量n_F(f_i)偏差e_p，其中投影夹角

和

分别为点p_k的单位法向量和其归属三角面片法向量；

(5)若

且同时满足e_n＜ε(e_n)和e_p＜ε(e_p)，则把同时放入C_细和Seed的末位；若

但只满足e_n＜ε(e_n)，则只将p_k放入C_细的末位。ε(e_n)和ε(e_p)分别为过渡夹角阈值和投影夹角阈值；

(6)遍历完种子点的所有k邻域点p_k后，从Seed中删除p₁；

(7)重复执行步骤(2)-(6)，直到Seed内无种子点，点云细分割完毕。

在本发明的描述中，需要理解的是，本发明实例中的实测点云数据为基于激光跟踪仪和T-Scan数字化测量设备获取的，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的点云数据必须具有特定的格式、以特定的来源分析和操作，因此不能理解为对本发明的限制。

尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。

Claims (4)

1.一种基于特征模板的点云精确分割方法，其特征在于，所述基于特征模板的点云精确分割方法步骤如下：

S1：首先对理论数模中的待测量和识别的曲面特征进行提取，构建成特征模板并存入模板数据库中；

S2：利用空间栅格法建立实测点云拓扑关系并用质心点代替栅格实格内所有点，并通过判断质心点到特征模板的距离完成基于特征模板的点云数据粗分割；

S3：通过主成分分析法估计点云法向量，采用基于面的自适应区域生长算法对粗分割点云块进一步细分割，得到最终精确分割结果。

2.根据权利要求1所述的一种基于特征模板的点云精确分割方法，其特征在于：所述步骤S1中对理论数模中的待测量和识别的曲面特征进行提取，构建成特征模板并存入模板数据库中包括以下步骤：

a1：先按照设定的离散间距参数采用截交线法将理论曲面特征依次离散为一组截交线，得到的截交线有序集合为L(S)＝{L_i,i＝1,2,…,n_L}；

a2：对截交线L_i通过等弧长法离散。通过CATIA软件开放的二次开发接口函数CATCrvParam获取理论截交线的参数方程，得到的参数表达式为L(x,y,z)＝(x(t),y(t),z(t)),t∈(a,b)

则曲线弧长的计算方程为：

给定初始弧长S₀，完成单条截交线L_i的数字化离散，得到有序离散点集合：

P(L)＝{P_i(x_i,y_i,z_i),i＝1,…,n_P}

整个理论曲面特征离散点集合为所有截交线有序特征离散点的并集：

P(S)＝{P(L₁)∪P(L₂)…∪P(L_k),k＝n_L}

a3：用三角化算法将曲面特征有序离散点作为三角形顶点连接成三角网格，需要提取三角网格模型的面片法向量，为了给后续点云分割提供精确的初始参数以及生长依据。

3.根据权利要求1所述的一种基于特征模板的点云精确分割方法，其特征在于：利用空间栅格法建立实测点云拓扑关系并用质心点代替栅格实格内所有点，判断点到特征模板的距离完成基于特征模板的点云数据粗分割包括以下步骤：

b1：空间栅格法是利用空间立体栅格来近似表示点云的空间结构和几何形状，基本原理为：设x_max、y_max、z_max、x_min、y_min、z_min为点云中x、y、z的最大、最小坐标，给定栅格扩展阈值ε，以点(x_max+ε,y_max+ε,z_max+ε)和点(x_min-ε,y_min-ε,z_min-ε)为对角点且表面平行于空间坐标系的空间六面体构建点云的空间包围盒；

b2：将空间包围盒作为栅格划分的总空间，以预设宽度λ作为单位长度并对包围盒进行均等划分，沿x、y、z方向的栅格数量分别为：

符号[]表示向上取整，三维立体栅格划分完成后，每个栅格是一个微小正方体；用栅格坐标(u，v，h)表示所有栅格，u、v、h分别代表在x、y、z方向的栅格序号，则有u∈[0,l-1]，v∈[0,m-1]，h∈[0,n-1]，然后将点云数据点按坐标值放入对应栅格内，有点的栅格称为实格，无点的栅格称为空格；栅格之间的邻域关系间接代表了点云的拓扑关系；

b3：按照特征模板中三角面片顶点集合计算并构建曲面特征空间包围盒{B_i(S),i＝1,…,n}，n为特征模板的数量；

b4：检索空间栅格G_k(u,v,h)，若G_k是实格，其质心点坐标为

则以质心点代表栅格实格内所有点，遍历所有曲面特征空间包围盒，若

把栅格坐标G_k(u,v,h)存入对应的分割块，直到空间栅格全部遍历完毕，实现点云数据实格质心点粗分割。

4.根据权利要求1所述的一种基于特征模板的点云精确分割方法，其特征在于：所述步骤S3中通过主成分分析法估计点云法向量，采用基于面的自适应区域生长算法对粗分割点云块进一步细分割，得到最终精确分割结果，包括以下步骤：

c1：对于点云{V_i,i＝1,2,...n}中的某一点x_i∈{V_i}，通过空间栅格法建立的拓扑关系搜索点云中距离点x_i最近的k个点，即点x_i的k邻域，记作kNb(x_i)，

c2：对kNb(x_i)最小二乘拟合局部切平面P，P的法向量记作n，点x_i到坐标系原点的欧式距离记作d_i，则局部切平面P可以表示为：

采用主成分分析方法(PCA)求解切平面法向。对式(12)的求解问题就可以转化为对式(13)中的半正定协方差矩阵的特征值求解问题；

其中

为kNb(x_i)的质心点，将M分解为奇异值，得到的最小主成分系数作为P的法向量n；

c3：读取存储在数据库的特征模板对应的离散点集信息，选择

作为细分割理想种子点P_seed，其中n_L为离散的截交线条数，n_p为截交线上离散点的数量，[]表示向下取整P_seed为有序离散点集的中间点，保障了其所属点云区域的准确性，确保种子点从曲面特征中心由内向外开始生长；

c4：根据特征模板数据库索引关系检索理想种子点P_seed作为共享顶点的所有三角面片的编号，所有三角面片法向量的矢量和单位化后作为P_seed的法向量n_seed，赋予精确的初始生长分割参数，能够有效利用理论曲面特征信息引导点云精确分割；

c5：通过栅格实格质心点粗分割过程实现与其所属三角面片及法向量建立索引关系，便于后续实格质心点归属关系查询；

c6：从选定的理想种子点P_seed开始，若相邻两点的法向量夹角小于各自归属的三角网格面片间的法向量夹角，则作为新的种子点继续生长；伴随着生长点不断向外搜索扩张，允许生长的过渡夹角阈值参数也随着曲面三角面片的几何性质和类型不断自适应调整，无需通过已生长点逼近不同类型曲面识别特征属性；当生长点的法向量与所属的三角面片法向量夹角大于投影夹角阈值则认为区域生长到达了边界处。

Images