CN115984147B - 基于齿科扫描仪点云自适应处理方法、设备及介质 - Google Patents
基于齿科扫描仪点云自适应处理方法、设备及介质 Download PDFInfo
- Publication number
- CN115984147B CN115984147B CN202310259881.8A CN202310259881A CN115984147B CN 115984147 B CN115984147 B CN 115984147B CN 202310259881 A CN202310259881 A CN 202310259881A CN 115984147 B CN115984147 B CN 115984147B
- Authority
- CN
- China
- Prior art keywords
- point
- point cloud
- neighborhood
- points
- clouda
- 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
- 238000003672 processing method Methods 0.000 title claims abstract description 22
- 238000000034 method Methods 0.000 claims abstract description 42
- 238000005070 sampling Methods 0.000 claims abstract description 24
- 238000013507 mapping Methods 0.000 claims abstract description 5
- 238000007781 pre-processing Methods 0.000 claims abstract description 5
- 230000008569 process Effects 0.000 claims description 18
- 230000003044 adaptive effect Effects 0.000 claims description 17
- 239000013598 vector Substances 0.000 claims description 14
- 238000004364 calculation method Methods 0.000 claims description 9
- 238000004590 computer program Methods 0.000 claims description 6
- 238000012545 processing Methods 0.000 abstract description 11
- 238000004422 calculation algorithm Methods 0.000 abstract description 9
- 230000000694 effects Effects 0.000 abstract description 6
- 238000010586 diagram Methods 0.000 description 11
- 230000006870 function Effects 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 239000013307 optical fiber Substances 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000010363 phase shift Effects 0.000 description 1
- 238000010845 search algorithm Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Image Processing (AREA)
Abstract
本发明涉及图像处理技术领域，为一种基于齿科扫描仪点云自适应处理方法、设备及介质，包括；S1：通过齿科扫描仪获取点云数据CloudA；S2：对点云数据CloudA预处理，利用mMap计算得到点云法向；S3：建立二维查找表LUT，映射点云邻域关系；S4：定义局部密度因子；S5：对点云CloudA进行降采样，通过mMap与S3中的二维查找表LUT结合，查找邻域点并根据预设采样密度D设置判定条件提取邻域点，生成采样后的点云法向及坐标；S6：在统计滤波器中加入点云法向约束，达到更好的去飞点效果；S7：最终得到处理后的点云数据CloudDstA。本发明在避免扩大孔洞的同时达到更好的飞点去除效果，同时通过将三维点云的knn搜索算法替换为基于结构化map的搜索方法，提升算法效率，降低时间成本。
Description
技术领域
本发明涉及图像处理技术领域，具体为一种基于齿科扫描仪点云自适应处理方法、设备及介质。
背景技术
在齿科桌面扫描仪点云数据处理过程中，需要对结构光扫描获得的单帧点云进行处理，一般性处理包含降采样和去除外点，传统方法通常采用栅格采样和统计滤波器做处理。在栅格采样过程中，由于没有引入局部的密度因子做约束，当采样参数设置不合理时，容易导致部分区域密度降低进而加重孔洞的扩大；在统计滤波器处理过程中，处理低密度区域时，由于统计滤波器的特性容易将稀疏点作为杂点去除，造成点云数据孔洞扩大，对最终数据结果产生影响；此外，统计滤波器需要对邻域做计算，通常使用栅格法或者knn搜索方法，这种方法广泛用于无序点云的邻域查找应用，但计算时间成本较高，算法效率低。
因此有必要对基于齿科扫描仪点云自适应处理方法、设备及介质进行进一步的改进，以解决上述问题。
发明内容
本申请的目的：在于解决和克服现有技术和应用的不足，提供一种基于齿科扫描仪点云自适应处理方法、设备及介质，有效解决点云数据孔洞扩大，算法效率低的问题，在避免扩大孔洞的同时达到更好的飞点去除效果，同时通过将三维点云的knn搜索算法替换为基于结构化map的搜索方法，提升算法效率，降低时间成本。
本申请的目的是通过如下技术方案来完成的，一种基于齿科扫描仪点云自适应处理方法，其特征在于：包括以下步骤：
S1：基于齿科扫描仪获取点云数据CloudA；
S2：将点云数据CloudA进行预处理，利用mMap计算得到点云法向；
S3：建立二维查找表LUT，映射点云邻域关系；
S4：定义局部密度因子：计算点云数据CloudA中的每一个点P的局部密度PdensityL；
S5：对点云数据CloudA进行降采样：通过mMap与S3中的二维查找表LUT结合，查找邻域点并根据预设采样密度D设置判定条件提取邻域点，对满足条件的邻域点做标记，并生成降采样后的新的点云法向及点坐标；
S6：将S5中降采样后的点云法向及点坐标通过在统计滤波器中加入点云法向约束进行去飞点；
S7：得到最终的点云数据CloudDstA。
优选地，所述步骤S1具体为：数据CloudA由齿科扫描仪通过三维扫描得到，在扫描过程中将多帧扫描数据拼接得到完整上、下颌点云数据，数据CloudA为单帧扫描点云数据，其包含部分上颌或部分下颌特征的点云原始数据。
优选地，所述步骤S2具体包括：
S21输入mMaps为重建过程中生成的掩码图像，其包含重建中
有效点的邻域信息及该点在点云中的索引Idx；
S22根据mMaps通过邻域四个点计算点云法向，其计算方法为：
N＝V1×V2
其中N为3x1向量，为该点云法向，V1，V2分别为该点二维相邻四个点构成的两个向量，N由V1和V2做叉乘得到。
优选地，所述步骤S3具体为：
LUT查找表建立在mMap之上，记录每个点的n层邻域信息，每一层以像素为单位向外扩充，对于点P，其坐标为(i，j)，其第n层邻域点Pn为：
Pn(x，y)，i-n＜x＜i+n，j-n＜y＜j+n；i-n＞0，j-n＞0，i+n＜width,j+n＜height
其中i，j为P点的像素坐标，x，y为Pn的像素坐标，均为整数，i和x为图像像素所在行数，j和y为所在列数；width和height为图像的宽度和高度。
优选地，所述步骤S4具体为：
定义并计算局部密度因子PdensityL，其计算方式为：
m为规定的邻域点数量，d为邻域点与该点的欧式距离，其中获取邻域点使用LUT进行查找。
优选地，所述步骤S5具体包括：
S51.预设采样密度D，根据点云CloudA中的一点P，确定邻域m个点，具体为：
使用mMap结合二维查找表LUT查找邻域点，并根据预设采样密度D设置判定条件提取邻域点，对所有与点P距离小于采样密度D的点标记为点P的邻域点；
S52.根据S3建立的局部密度因子，对于每一点P，该点局部密度满足条件PdensityL＞0.9*D时，则该点邻域不做处理；若局部密度小于0.9倍的D，则计算新的坐标法向，得到降采样结果；
S53.生成降采样后的点云法向及点坐标：
其中，m为邻域点的数量，P和N分别为原有点坐标和点云法向，邻域点数量m取决于预设采样密度，根据S4建立的局部密度因子，对于每一点P,当该点局部密度满足条件PdensityL＞0.9*D时，该点及邻域点不做处理。
优选地，所述步骤S6具体为：
S61.根据点云CloudA中的一点P，计算P点与S5中m个邻域点的平均距离、方差及法向夹角；
S62.判断满足飞点的条件；
S63.若满足飞点条件，则删除该点，若不满足，则保留该点；
P点与m个邻域点的平均距离采用以下公式：
其中，d代表点P与Pi的欧氏距离，Pi属于邻域点集m；
P点与m个邻域点方差δ采用以下公式：
预设整数nr及角度θ，确定飞点判别条件：
其中，其中dr为飞点的距离最大阈值，αr为飞点判别的法向量夹角最大阈值；
对于m中任意一点，当dr<d&&αr<α时，认定该点为飞点，其中α为两点法向量夹角。
本发明还提供了一种电子设备，包括：一个或多个处理器；存储装置，用于存储一个或多个程序；当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如本发明提供的基于齿科扫描仪点云自适应处理方法。
本发明还提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序可以被计算机处理器执行，以实现上述任意一项所述的基于齿科扫描仪点云自适应处理方法。
本申请与现有技术相比，至少具有以下明显优点和效果：
1、在本发明中，通过引入局部密度因子对点云采样过程做约束，使得算法能够在不同密度的点云区域达到更好的处理效果，保留边缘信息，不再扩大孔洞。
2、在本发明中，通过在传统统计滤波器中加入点云法向作为约束，避免飞点的误判别和误删除，提升效果。
3、在本发明中，使用结构化map并建立二维查找表LUT代替knn等三维点云搜索算法，提高算法执行效率。
附图说明
图1是本申请的齿科扫描仪点云自适应处理方法的整体流程图。
图2是本申请中搜索流程示意图。
图3是本申请中降采样流程示意图。
图4是本申请中去飞点流程示意图。
图5是本申请中原始点云数据示意图。
图6是本申请中最终点云数据示意图。
图7是申请中的一种电子设备的结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。
在更加详细地讨论示例性实施例之前，应当提到的是，一些示例性实施例被描述成作为流程图描绘的处理或方法。虽然流程图将各项操作(或步骤)描述成顺序的处理，但是其中的许多操作(或步骤)可以被并行地、并发地或者同时实施。此外，各项操作的顺序可以被重新安排。当其操作完成时所述处理可以被终止，但是还可以具有未包括在附图中的附加步骤。所述处理可以对应于方法、函数、规程、子例程、子程序等等。
下面通过以下各个实施例及其可选方案对本申请中提供的基于齿科扫描仪点云自适应处理方法、设备及介质进行详细阐述。
图1是本发明实施例中提供的基于齿科扫描仪点云自适应处理方法的流程图。图2是本申请搜索流程示意图。结合图1和图2，本发明实施例可适用于齿科扫描仪点云自适应处理方法，该方法可由齿科扫描仪点云自适应处理设备来执行，该设备可以采用软件和/或硬件的方式实现，并集成在任何具有网络通信功能的电子设备上。如图1所示，本申请实施例中提供的齿科扫描仪点云自适应处理方法，可包括以下步骤：
S1：基于齿科扫描仪获取点云数据CloudA；在本申请实施例中，图5是本申请中原始点云数据示意图，单帧待处理点云数据由齿科结构光扫描仪通过多频相移的方法利用三角法采集处理得到，其包含部分牙齿特征，如图5所示为原始点云数据示意图。
S2：将点云数据CloudA进行预处理，利用mMap计算得到点云法向；步骤S2具体包括：
S21输入mMaps为重建过程中生成的掩码图像，其包含重建中有效点的邻域信息及该点在点云中的索引Idx；
S22根据mMaps通过邻域四个点计算点云法向，其计算方法为：
N＝V1×V2
其中N为3x1向量，为该点云法向，V1，V2分别为该点二维相邻四个点构成的两个向量，N由V1和V2做叉乘得到。
在本实施例中，结构光扫描所获得的待处理原始点云为有序点云，mMaps为重建过程中生成的有序点云索引图，其本质为等于图像分辨率的一个矩阵，这里为1280*1024，保存光栅图像中各个点在三维点云数据中的索引值及其邻域信息，这里点云数据存储为一个一维数组。通过mMaps可以轻易地获得图像中每一个点一环邻域8个点的索引，通过选取四个点做叉乘可以计算出该点的法向量。部分mMaps及邻域可以用如下表格所示:
其中，p为当前点，1为一环邻域，2为二环邻域，3为三环邻域。
S3：建立二维查找表LUT，映射点云邻域关系；步骤S3具体为：
LUT查找表建立在mMap之上，记录每个点的n层邻域信息，每一层以像素为单位向外扩充，对于点P，其坐标为(i,j)，其第n层邻域点Pn为：
Pn(x,y),i-n<x<i+n,j-n<y<j+n；i-n>0,j-n>0,i+n
<width,j+n<height
其中i，j为P点的像素坐标，x，y为Pn的像素坐标，均为整数，i和x为图像像素所在行数，j和y为所在列数；width和height为图像的宽度和高度。
在本申请实施例中，通过S2中所述的邻域关系，建立查找表，该查找表可以大大减少在三维点云中执行邻域搜索的时间，具体的，查找表包含每个点的三环邻域信息(这里不一定为三环邻域，可以根据具体情况而定)，例如一点p，改点的一环邻域可以表示为Neighbor1{(x-1,y-1),(x-1,y),(x-1,y+1),(x,y-1),(x,y+1),(x+1，y-1),(x+1,y),(x+1,y+1)}，其中，x，y为p点在mMaps中的坐标。
S4：定义局部密度因子：计算点云数据CloudA中的每一个点P的局部密度PdensityL；步骤S4具体为：
定义并计算局部密度因子PdensityL，其计算方式为：
m为规定的邻域点数量，d为邻域点与该点的欧式距离，其中获取邻域点使用LUT进行查找。
在本申请实施例中，计算待处理点云数据局部密度因子，具体的，计算需要根据S3中获得的查找表进行邻域点的查找，这里计算结果与S3中算法参数选择具有相关性。假设对于一点p，只考虑一环邻域的情况下一环邻域有6个有效点，点p到6个邻域点的欧式距离的和为1.0，则根据公式该点的局部密度为0.167。
S5：对点云数据CloudA进行降采样：通过mMap与S3中的二维查找表LUT结合，查找邻域点并根据预设采样密度D设置判定条件提取邻域点，对满足条件的邻域点做标记，并生成降采样后的点云法向及点坐标；图3是本申请中降采样流程示意图，如图3所示，步骤S5具体包括：
S51.预设采样密度D，根据点云CloudA中的一点P，确定邻域m个点，具体为：
使用mMap结合二维查找表LUT查找邻域点，并根据预设采样密度D设置判定条件提取邻域点，对所有与点P距离小于采样密度D的点标记为点P的邻域点；
S52.根据S3建立的局部密度因子，对于每一点P，该点局部密度满足条件PdensityL＞0.9*D时，则该点邻域不做处理；若局部密度小于0.9倍的D，则计算新的坐标法向，得到降采样结果；
S53.生成降采样后的点云法向及点坐标：
其中，m为邻域点的数量，P和N分别为原有点坐标和点云法向，邻域点数量m取决于预设采样密度，根据S4建立的局部密度因子，对于每一点P,当该点局部密度满足条件PdensityL＞0.9*D时，该点及邻域点不做处理。
在本实施中，对待处理点云数据进行降采样。这一步的目的是降低点云数据量及滤波，具体地，选取采样密度为0.2(该数值只适用于本实施例，不做限制)，根据预设密度及公式得到新的点云坐标。在将采样的过程中，如果一点p其局部密度为0.19，由于0.19>0.9*0.2则该点及其邻域都被保留不被处理。
S6：将S5中降采样后的点云法向及点坐标通过在统计滤波器中加入点云法向约束进行去飞点；图4是本申请中去飞点流程示意图，如图4所示，步骤S6具体为：
S61.根据点云CloudA中的一点P，计算P点与S5中m个邻域点的平均距离、方差及法向夹角；
S62.判断满足飞点的条件；
S63.若满足飞点条件，则删除该点，若不满足，则保留该点；
P点与m个邻域点的平均距离采用以下公式：
其中，d代表点P与Pi的欧氏距离，Pi属于邻域点集m；
P点与m个邻域点方差δ采用以下公式：
预设整数nr及角度θ，确定飞点判别条件：
其中，其中dr为飞点的距离最大阈值，αr为飞点判别的法向量夹角最大阈值；
对于m中任意一点，当dr<d&&αr<α时，认定该点为飞点，其中α为两点法向量夹角。
在本申请实施例中，针对S5中得到的每一点，计算其与三环邻域内所有点的平均距离、方差及法向量夹角，根据确定的飞点去除规则删除离群点。
S7：得到最终处理后的点云数据，如图6所示为本申请实施例中的最终点云数据示意。
本发明还提供了一种电子设备，如图7所示为本申请中的一种电子设备的结构示意图，包括一个或多个处理器和存储装置；该电子设备中的处理器可以是一个或多个，图7中以一个处理器为例；存储装置用于存储一个或多个程序；所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如本发明实施例中任一项所述的基于齿科扫描仪点云自适应处理方法。
该电子设备还可以包括：输入装置和输出装置。该电子设备中的处理器、存储装置、输入装置和输出装置可以通过总线或其他方式连接，图7中以通过总线连接为例。
该电子设备中的存储装置作为一种计算机可读存储介质，可用于存储一个或多个程序，所述程序可以是软件程序、计算机可执行程序以及模块，如本发明实施例中所提供的基于齿科扫描仪点云自适应处理方法对应的程序指令/模块。处理器通过运行存储在存储装置中的软件程序、指令以及模块，从而执行电子设备的各种功能应用以及数据处理，即实现上述方法实施例中基于齿科扫描仪点云自适应处理方法。
存储装置可包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序；存储数据区可存储根据电子设备的使用所创建的数据等。此外，存储装置可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实例中，存储装置可进一步包括相对于处理器远程设置的存储器，这些远程存储器可以通过网络连接至设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
输入装置可用于接收输入的数字或字符信息，以及产生与电子设备的用户设置以及功能控制有关的键信号输入。输出装置可包括显示屏等显示设备。
并且，当上述电子设备所包括一个或者多个程序被所述一个或者多个处理器执行时，程序进行如下操作：
S1：基于齿科扫描仪获取点云数据CloudA；
S2：将点云数据CloudA进行预处理，利用mMap计算得到点云法向；
S3：建立二维查找表LUT，映射点云邻域关系；
S4：定义局部密度因子：计算点云数据CloudA中的每一个点P的局部密度PdensityL；
S5：对点云数据CloudA进行降采样：通过mMap与S3中的二维查找表LUT结合，查找邻域点并根据预设采样密度D设置判定条件提取邻域点，对满足条件的邻域点做标记，并生成降采样后的点云法向及点坐标；
S6：将S5中降采样后的点云法向及点坐标通过在统计滤波器中加入点云法向约束进行去飞点；
S7：得到最终的点云数据CloudDstA。当然，本领域技术人员可以理解，当上述电子设备所包括一个或者多个程序被所述一个或者多个处理器执行时，程序还可以进行本发明任意实施例中所提供的齿科扫描仪点云自适应处理方法中的相关操作。
需要进一步说明的是，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序可以被计算机处理器执行，实现上述实施例基于齿科扫描仪点云自适应处理方法。所述计算机程序可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了可读程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。可读信号介质还可以是可读存储介质以外的任何可读介质，该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于无线、有线、光缆、RF等等，或者上述的任意合适的组合。
可以以一种或多种程序设计语言的任意组合来编写用于执行本发明操作的程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、C++等，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上、部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络，包括局域网(LAN)或广域网(WAN)，连接到用户计算设备，或者，可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
由于本领域技术人员能够很容易想到，利用申请的构思和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。
Claims (6)
1.一种基于齿科扫描仪点云自适应处理方法，其特征在于：包括以下步骤：
S1：基于齿科扫描仪获取点云数据CloudA；
S2：将点云数据CloudA进行预处理，利用mMap计算得到点云法向；
S3：建立二维查找表LUT，映射点云邻域关系；
S4：定义局部密度因子：计算点云数据CloudA中的每一个点P的局部密度；
S5：对点云数据CloudA进行降采样：通过mMap与S3中的二维查找表LUT结合，查找邻域点并根据预设采样密度D设置判定条件提取邻域点，对满足条件的邻域点做标记，并生成降采样后的新的点云法向及点坐标；
S6：将S5中降采样后的新的点云法向及点坐标作为统计滤波器约束进行去飞点；
S7：得到最终的点云数据CloudDstA；
其中，步骤S4 定义并计算局部密度因子，其计算方式为：/>m为规定的邻域点数量，d为邻域点与该点的欧式距离，其中获取邻域点使用LUT进行查找；
步骤S5具体包括：
S51.预设采样密度D，根据点云CloudA中的一点P，确定邻域m个点，具体为：
使用mMap结合二维查找表LUT查找邻域点，并根据预设采样密度D设置判定条件提取邻域点，对所有与点P距离小于采样密度D的点标记为点P的邻域点；
S52.根据S3建立的局部密度因子，对于每一点P，该点局部密度满足条件时，则该点邻域不做处理；若局部密度小于0.9倍的D，则计算新的坐标法向，得到降采样结果；
S53.生成降采样后的新的点云法向及点坐标：其中，m为邻域点的数量，P和N分别为原有点坐标和点云法向，邻域点数量m取决于预设采样密度，根据S4建立的局部密度因子，对于每一点P,当该点局部密度满足条件/>时，该点及邻域点不做处理；
步骤S6具体为：
S61. 根据点云CloudA中的一点P，计算P点与S5中m个邻域点的平均距离、方差及法向夹角；
S62.判断满足飞点的条件；
S63.若满足飞点条件，则删除该点，若不满足，则保留该点；
P点与m个邻域点的平均距离采用以下公式：/>其中，d代表点P与/>的欧氏距离，/>属于邻域点集m；
P点与m个邻域点方差采用以下公式：/>预设整数nr及角度/>，确定飞点判别条件：/>其中，其中/>为飞点的距离最大阈值，/>为飞点判别的法向量夹角最大阈值；
对于m中任意一点，当时，认定该点为飞点，其中/>为两点法向量夹角。
2.根据权利要求1所述的一种基于齿科扫描仪点云自适应处理方法，其特征在于，所述步骤S1具体包括：数据CloudA由齿科扫描仪通过三维扫描得到，在扫描过程中将多帧扫描数据拼接得到完整上、下颌点云数据，数据CloudA为单帧扫描点云数据，其包含部分上颌或部分下颌特征的点云原始数据。
3.根据权利要求1所述的一种基于齿科扫描仪点云自适应处理方法，其特征在于，所述步骤S2具体包括：
S21输入mMaps为重建过程中生成的掩码图像，其包含重建中有效点的邻域信息及该点在点云中的索引Idx；
S22根据mMaps通过邻域四个点计算点云法向，其计算方法为：其中N为3x1向量，为该点云法向，V1，V2分别为该点二维相邻四个点构成的两个向量，N由V1和V2做叉乘得到。
4.根据权利要求1所述的一种基于齿科扫描仪点云自适应处理方法，其特征在于：所述步骤S3具体为：
LUT查找表建立在mMap之上，记录每个点的n层邻域信息，每一层以像素为单位向外扩充，对于点P，其坐标为（i,j），其第n层邻域点为：
其中i，j为P点的像素坐标，x，y为的像素坐标，均为整数，i和x为图像像素所在行数，j和y为所在列数；width和height为图像的宽度和高度。
5.一种电子设备，其特征在于，包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序；
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现权利要求1至4中任一所述的基于齿科扫描仪点云自适应处理方法。
6.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序可以被计算机处理器执行实现如权利要求1至4中的任意一项所述方法的计算机可读指令。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310259881.8A CN115984147B (zh) | 2023-03-17 | 2023-03-17 | 基于齿科扫描仪点云自适应处理方法、设备及介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310259881.8A CN115984147B (zh) | 2023-03-17 | 2023-03-17 | 基于齿科扫描仪点云自适应处理方法、设备及介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115984147A CN115984147A (zh) | 2023-04-18 |
| CN115984147B true CN115984147B (zh) | 2023-09-15 |
Family
ID=85974492
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310259881.8A Active CN115984147B (zh) | 2023-03-17 | 2023-03-17 | 基于齿科扫描仪点云自适应处理方法、设备及介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115984147B (zh) |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105354829A (zh) * | 2015-10-08 | 2016-02-24 | 西北农林科技大学 | 一种自适应的点云数据分割方法 |
| CN106875472A (zh) * | 2017-01-16 | 2017-06-20 | 成都信息工程大学 | 一种3d牙齿成像建模方法 |
| CN110910462A (zh) * | 2019-10-14 | 2020-03-24 | 广州南方智能技术有限公司 | 一种基于特征计算的点云轻量化方法及存储介质 |
| CN114005109A (zh) * | 2021-09-24 | 2022-02-01 | 常州市新科汽车电子有限公司 | 一种基于knn的自适应噪声滤波方法 |
| CN114049267A (zh) * | 2021-10-29 | 2022-02-15 | 西安建筑科技大学 | 基于改进邻域搜索的统计和双边滤波点云去噪方法 |
| CN114049407A (zh) * | 2021-11-08 | 2022-02-15 | 苏州全视智能光电有限公司 | 一种二维激光点云等密度化处理的方法和装置 |
| CN114202470A (zh) * | 2021-11-12 | 2022-03-18 | 江苏核电有限公司 | 一种压力容器主螺栓孔螺纹三维重建及缺陷自动识别方法 |
| WO2022126427A1 (zh) * | 2020-12-16 | 2022-06-23 | 深圳市大疆创新科技有限公司 | 点云处理方法、点云处理装置、可移动平台和计算机存储介质 |
| WO2022142628A1 (zh) * | 2020-12-29 | 2022-07-07 | 华为技术有限公司 | 一种点云数据处理方法及装置 |
| CN115131240A (zh) * | 2022-06-28 | 2022-09-30 | 湖北三江航天万峰科技发展有限公司 | 一种用于三维点云数据的目标识别方法和系统 |
-
2023
- 2023-03-17 CN CN202310259881.8A patent/CN115984147B/zh active Active
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105354829A (zh) * | 2015-10-08 | 2016-02-24 | 西北农林科技大学 | 一种自适应的点云数据分割方法 |
| CN106875472A (zh) * | 2017-01-16 | 2017-06-20 | 成都信息工程大学 | 一种3d牙齿成像建模方法 |
| CN110910462A (zh) * | 2019-10-14 | 2020-03-24 | 广州南方智能技术有限公司 | 一种基于特征计算的点云轻量化方法及存储介质 |
| WO2022126427A1 (zh) * | 2020-12-16 | 2022-06-23 | 深圳市大疆创新科技有限公司 | 点云处理方法、点云处理装置、可移动平台和计算机存储介质 |
| WO2022142628A1 (zh) * | 2020-12-29 | 2022-07-07 | 华为技术有限公司 | 一种点云数据处理方法及装置 |
| CN114005109A (zh) * | 2021-09-24 | 2022-02-01 | 常州市新科汽车电子有限公司 | 一种基于knn的自适应噪声滤波方法 |
| CN114049267A (zh) * | 2021-10-29 | 2022-02-15 | 西安建筑科技大学 | 基于改进邻域搜索的统计和双边滤波点云去噪方法 |
| CN114049407A (zh) * | 2021-11-08 | 2022-02-15 | 苏州全视智能光电有限公司 | 一种二维激光点云等密度化处理的方法和装置 |
| CN114202470A (zh) * | 2021-11-12 | 2022-03-18 | 江苏核电有限公司 | 一种压力容器主螺栓孔螺纹三维重建及缺陷自动识别方法 |
| CN115131240A (zh) * | 2022-06-28 | 2022-09-30 | 湖北三江航天万峰科技发展有限公司 | 一种用于三维点云数据的目标识别方法和系统 |
Non-Patent Citations (7)
| Title |
|---|
| A Steady Arm Slope Detection Method Based on 3D Point Cloud Segmentation;Jingsong Zhou et al.;《2018 3rd IEEE International Conference on Image, Vision and Computing》;278-282 * |
| Robust and Efficient Processing Techniques for Static and Dynamic Geometric Data;Oliver Schall;《http://diglib.eg.org/handle/10.2312/8228》;1-119 * |
| 基于密度的离群噪声点检测;张毅 等;《计算机应用》;第30卷(第3期);802-805,809 * |
| 基于改进DPC和特征分区的点云去噪算法;耿蜜 等;《激光与红外》;第52卷(第7期);第1098-1104页 * |
| 基于标记的多状态离群点去除算法;陈逍遥 等;《理论与方法》;第39卷(第1期);39-43 * |
| 基于法向量距离分类的散乱点云数据去噪;王晓辉 等;《吉林大学学报》;第50卷(第1期);278-288 * |
| 结合统计滤波与密度聚类的矿山地面点云提取算法;杨鹏 等;《激光与光电子学进展》;第57卷(第2期);第1-13页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115984147A (zh) | 2023-04-18 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP7175197B2 (ja) | 画像処理方法および装置、記憶媒体、コンピュータ装置 | |
| CN112734641A (zh) | 目标检测模型的训练方法、装置、计算机设备及介质 | |
| CN107871319B (zh) | 限束器区域的检测方法、装置、x射线系统和存储介质 | |
| US7608844B2 (en) | Charged particle beam drawing apparatus | |
| CN111870953B (zh) | 一种高度图生成方法、装置、设备及存储介质 | |
| US8295646B2 (en) | Resolution converting method | |
| CN115984147B (zh) | 基于齿科扫描仪点云自适应处理方法、设备及介质 | |
| CN117541496A (zh) | 基于fpga的红外图像nlmeans降噪简化方法、系统、介质及设备 | |
| CN116883441A (zh) | 一种保证拟合精度的点云建筑轮廓线提取方法 | |
| JPWO2019041842A5 (zh) | ||
| US20240281938A1 (en) | Video processing method and apparatus, electronic device, and medium | |
| CN114511862B (zh) | 表格识别方法、装置及电子设备 | |
| CN116258994A (zh) | 视频生成方法、装置及电子设备 | |
| CN115170685A (zh) | 一种掩膜引导的影像镶嵌线的生成方法、装置、计算机设备及存储介质 | |
| CN109859118B (zh) | 一种基于四叉树的有效镶嵌多边形优化去除云覆盖区域的方法和系统 | |
| CN114359038A (zh) | 基于生成对抗网络的多风格动态组字方法 | |
| JP6116271B2 (ja) | 特徴量算出装置、方法及びプログラム | |
| CN112991375A (zh) | 将任意形状图像区域重塑为n个矩形区域的方法及其系统 | |
| CN111652956B (zh) | 一种元网格轮廓边界优化方法、介质及终端设备 | |
| CN118096599A (zh) | 图像修复方法、装置、电子设备 | |
| CN116109485B (zh) | 遥感影像的更新方法、装置、电子设备和存储介质 | |
| CN118363572B (zh) | 一种架构图自动布局方法和系统 | |
| JP4890425B2 (ja) | マンガのコマ画像のためのマスク画像の作成方法及びプログラム | |
| JP3162918B2 (ja) | 画像処理装置および方法 | |
| JP6217116B2 (ja) | データ処理装置、方法、およびプログラム |
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 | ||
| CP02 | Change in the address of a patent holder |
Address after: Building 2, No. 5 Yichuang Road, Yuhang Street, Yuhang District, Hangzhou City, Zhejiang Province, 310026 Patentee after: Hansf (Hangzhou) Medical Technology Co.,Ltd. Address before: Room 1717, building 1, 1199 Wenyi West Road, Wuchang Street, Yuhang District, Hangzhou City, Zhejiang Province 310000 Patentee before: Hansf (Hangzhou) Medical Technology Co.,Ltd. |
|
| CP02 | Change in the address of a patent holder |