CN1783143A

CN1783143A - 彩色三维点云数据前期处理算法

Info

Publication number: CN1783143A
Application number: CN 200510015065
Authority: CN
Inventors: 孙长库; 张效栋; 陶立
Original assignee: Tianjin University
Current assignee: Tianjin University
Priority date: 2005-09-09
Filing date: 2005-09-09
Publication date: 2006-06-07

Abstract

本发明彩色三维点云数据前期处理算法，涉及三维数字化、逆向工程领域，具体讲彩色三维点云数据前期处理算法。为提供高处理效率，并能得到很好的重构模型和使重构结果优化，本发明采用的技术方案是，采用曲率夹角和弦高法自动剔除小区域的孤立和突起点；记忆3D显示平台中控制物体位置的坐标变换关系，并以此实现3D数据到当前控制位置2D坐标的转换；手动点选区域，把点连成多边形，规则判定点的归属进行大区域噪声点去除；引入RGB空间的颜色距离定义，并以此判断颜色差别，改进栅格缩减算法，提出RGB栅格缩减算法对彩色点云数据的重新采样。本发明主要用于激光扫描彩色数据的前期处理。

Description

彩色三维点云数据前期处理算法

技术领域

本发明涉及到三维数字化、逆向工程领域，属于三维数据处理算法中的一部分，以为后期三维重构提供较好的前期处理数据。具体讲，本发明涉及彩色三维点云数据前期处理算法。

背景技术

扫描是一种高精度的三维坐标测量方法。线结构激光投射到被测表面，摄像机获取投射图像，提取光条上点的三维形貌和颜色数据。通过精确控制被测物的平移和旋转得到表面完整的彩色三维点云数据。因此，得到的点云数据是线阵列的规则数据。对点云数据进行重构真实再现彩色三维表面。这种技术可以应用于逆向工程技术，尤其是实现古文物、艺术品以及各类商品的彩色三维数字化。

对于模型的重构，尤其对于彩色模型，优化的前期处理算法起到关键的作用。因为，扫描数据不可避免的会有一些冗余信息和噪声点，比如：激光扫描数据量相当大，点云数据过度密集；扫描过程中激光线可能会投射到CCD摄像机视场范围内的非测量物上，如摆放物体的平台等，导致冗余数据；扫描数据易受环境和系统的影响，从而可能产生干扰噪声。这些点会严重地影响模型的建构。因此，数据前期处理的原则是在不影响重构曲面精度的前提下，大幅度减少数据并使之光顺。所以，前期处理算法可以保证重构过程中有可靠精选的点云数据，不仅能提高重构的精准度，更能降低重构过程的消耗。现有技术存在处理效率低，有严重的颜色失真、重构效果较差等不足。

发明内容

为克服现有技术的不足，本发明的目的在于提供彩色三维点云数据前期处理算法，针对彩色三维激光扫描数据特征，剔除噪声数据点；并考虑到数据的颜色属性，进行点云数据的精简，同时保证形状特征点和颜色边界不丢失，更保证高效精确的后期曲面重构。

本发明采用的技术方案是：

彩色三维点云数据前期处理算法，依次包括下列步骤：

记忆3D显示平台中控制物体位置的模型变换矩阵(Model view matrix)、投影变换矩阵(Projection matrix)和视口变换矢量(View port vector)，并借助坐标变换关系把所有3D数据转换为当前位置下的2D坐标；

在点选择区域，把点连成多边形，使用下述判断规则判定点的归属：使用矢量叉积符号判断点是否在选择区域内部，所有多边形顶点和内部任意点的连线与相邻边的叉积符号一致，而外部任意点则符号不一致；

采用缩减算法实现对点云数据的采样。

其中，所述的缩减算法是，包括依次下列步骤：

首先基于栅格算法对扫描线进行划分；

在每条扫描线上搜索颜色边界，并使用颜色边界点对栅格进一步划分；

最终得到的栅格以曲率夹角最大的一些点和颜色边界点作为划分边界，在所有栅格中搜索曲率夹角最大点，保留这些点和所有边界点作为缩减算法的结果。

所述的栅格算法是指借助最大曲率夹角对每条扫描线进行循环栅格划分，直到每个栅格的大小都不大于规定的值T，最后每个栅格内的点使用栅格内点的RGB中值进行代替。

本发明可取得如下效果：

由于采取曲率夹角和弦高法可以去除处理很麻烦的小区域孤立和突起点，减少选择的复杂度；而人工选择可以删除大区域的冗余和杂散点，提高处理效率，并得到很好的重构模型。

采用的修正算法可以很好改变处理效果，在缩减数据的时候有效地保证了重构结果的优化。

附图说明

图1直接重构和除噪重构效果比较图

图2矢量叉积法判别点的归属示意图

图3框选法处理效果示意图

图4RGB空间颜色距离图

图5颜色边界对重构模型的影响图

图6RGB栅格缩减算法示意，图中园点表示栅格边界点，方块点表示栅格保留和替换点。

图7RGB栅格缩减算法流程图

图8彩色扫描线缩减效果比较表

图9实测茶叶盒缩减模型效果比较图

具体实施方式

下面结合附图和实施例进一步说明本发明。

根据数据造型的两个信息量：曲率夹角和弦高，采用本发明的方法可以方便的剔除扫描数据中的孤立或突起噪声点。由于噪声数据的情况很复杂，完全自动的方法不能去掉所有噪声点和冗余信息，所以还要借助人工选择的方法实现除噪，把两种方法结合起来称之为半自动除噪法，在实际使用中取得很好的效果。曲率夹角和弦高法可以去除人工方式处理很麻烦的小区域孤立和突起点，减少人工选择的复杂度；而人工选择可以删除大区域的冗余和杂散点，提高处理效率。

人工选择的实现关键在于把3D数据坐标转换为当前位置的2D视场坐标中，并判断这些点是否在2D选择区域内。本发明算法基于OpenGL开发平台，实现的具体步骤如下：

1.记忆3D显示平台中控制物体位置的模型变换矩阵(Model view matrix)、投影变换矩阵(Projection matrix)和视口变换矢量(View port vector)，并借助坐标变换关系把所有3D数据转换为当前位置下的2D坐标；

2.点选选择区域，把点连成多边形，使用矢量叉积符号判断点是否在选择区域内部。由计算几何知识可知，所有多边形顶点和内部任意点的连线与相邻边的叉积符号一致，而外部任意点则符号不一样，使用这样的判断规则可以判定点的归属，如图2。

图3是半自动除噪法处理的效果图。

缩减算法实现对点云数据的采样，使得点云数据在数量上减少。曲率采样可以很好的避免模型的形貌失真。这里我们使用栅格算法，它借助最大曲率夹角对每条扫描线进行循环栅格划分，直到每个栅格的大小都不大于规定的值T，最后每个栅格内的点使用栅格内点的中值进行代替。在RGB空间中，我们定义颜色距离来描述两种颜色的差距，如图4所示，假设两点的颜色分量为C₁(R₁，G₁，B₁)和C₂(R₂，G₂，B₂)，则颜色距离为：

D_{color} = \sqrt{{(R_{1} {- R}_{2})}^{2} + {(G_{1} - G_{2})}^{2} + {(B_{1} - B_{2})}^{2}}

颜色差别越大，两种颜色的颜色距离就越大，反之越小；当D_color＞τ时，这两点被视为颜色边界。在缩减算法中，如果颜色边界被破坏，最终得到的模型的颜色会产生相应的失真，所以在缩减过程中要保留颜色边界，图5是模拟数据处理效果。采用RGB颜色边界的定义对栅格算法修正，得到RGB空间栅格缩减算法，图6是算法的示意图，具体步骤如下：

1.首先基于栅格算法对扫描线进行划分；

2.在每条扫描线上搜索颜色边界，并使用颜色边界点对栅格进一步划分；

3.最终得到的栅格以曲率夹角最大的一些点和颜色边界点作为划分边界。在所有栅格中搜索曲率夹角最大点，保留这些点和所有边界点作为缩减算法的结果。如图7所示。

如上所述，由于噪声点的存在，直接对激光扫描点云数据进行网格重构，会得到较差的重构效果；采用半自动除噪处理后的点云数据进行重构能得到很好的重构模型，如图1所示。

对于彩色点云数据仅考虑到避免形貌失真是不够的，这样缩减的数据有严重的颜色失真；而我们采用的修正算法可以很好改变处理效果，在缩减数据的时候有效地保证了重构结果的优化，如图5、8和9所示。

本发明针对激光扫描的规则数据提出了前期处理的一套方法。RGB空间栅格缩减算法按照扫描线对数据进行处理；但半自动除噪算法可以对三维点云进行整体处理，所以可以适应更多的测量数据。整套算法基于Visual C++和OpenGL开发环境实现，结合彩色三维显示平台和后期重构算法，其处理效果和必要性被展示的更加明显，是整个三维彩色数据处理过程中非常重要的内容。

Claims

1.一种彩色三维点云数据前期处理算法，其特征是，依次包括下列步骤：

采用缩减算法实现对点云数据的采样。

2.根据权利要求1所述的一种彩色三维点云数据前期处理算法，其特征是，所述的缩减算法是包括依次下列步骤：

首先基于栅格算法对扫描线进行划分；

3.根据权利要求2所述的一种彩色三维点云数据前期处理算法，其特征是，所述的栅格算法是指借助最大曲率夹角对每条扫描线进行循环栅格划分，直到每个栅格的大小都不大于规定的值T，最后每个栅格内的点使用栅格内点的RGB中值进行代替。