TW201643826A - 點雲精簡方法及系統 - Google Patents
點雲精簡方法及系統 Download PDFInfo
- Publication number
- TW201643826A TW201643826A TW104100196A TW104100196A TW201643826A TW 201643826 A TW201643826 A TW 201643826A TW 104100196 A TW104100196 A TW 104100196A TW 104100196 A TW104100196 A TW 104100196A TW 201643826 A TW201643826 A TW 201643826A
- Authority
- TW
- Taiwan
- Prior art keywords
- vertex
- point cloud
- normal vector
- sampling
- unit normal
- Prior art date
Links
Abstract
一種點雲精簡方法及系統,應用於計算裝置中,包括:接收點雲網格化檔案,並從該點雲網格化檔案中獲取由網格化後的點雲所組成的多個三角形及每個三角形的資訊;計算每個三角形的每個頂點的單位法向量;根據每個三角形的每個頂點的單位法向量及每個頂點的相鄰點的單位法向量計算每個三角形的每個頂點的判定值;根據每個三角形的每個頂點的判定值把所有三角形的所有頂點分類成預設數量的層級;根據用戶設定的每個層級的採樣比例,從每個層級中取出採樣點;對採樣後的點雲的三角結構進行修復。
Description
本發明涉及點雲處理技術領域,尤其涉及一種點雲精簡方法及系統。
點雲精簡是點雲處理的關鍵步驟,三維掃描時,一個産品的完整點雲透過多幅點雲合併而成,往往資料量很大,因此,對點雲進行精簡顯得格爲重要。也就需要去除部份點雲,讓點雲密度均勻。精簡的最理想效果是精簡後的點雲具有較少的數量的同時又不丟失物體表面細節特徵。
鑒於以上內容,有必要提供一種點雲精簡方法及系統,可以用較少的點表現出點雲的細節。
一種點雲精簡方法,應用於計算裝置中,該方法包括:獲取步驟,接收點雲網格化檔案,並從該點雲網格化檔案中獲取由網格化後的點雲所組成的多個三角形及每個三角形的資訊;計算步驟一,計算每個三角形的每個頂點的單位法向量;計算步驟二,根據每個三角形的每個頂點的單位法向量及每個頂點的相鄰點的單位法向量計算每個三角形的每個頂點的判定值;分類步驟,根據每個三角形的每個頂點的判定值把所有三角形的所有頂點分類成預設數量的層級;採樣步驟,根據用戶設定的每個層級的採樣比例,從每個層級中取出採樣點;及修復步驟,對採樣後的點雲的三角結構進行修復。
一種點雲精簡系統,運行於計算裝置中,該系統包括:獲取模組,用於接收點雲網格化檔案,並從該點雲網格化檔案中獲取由網格化後的點雲所組成的多個三角形及每個三角形的資訊;計算模組,用於計算每個三角形的每個頂點的單位法向量;所述計算模組,還用於根據每個三角形的每個頂點的單位法向量及每個頂點的相鄰點的單位法向量計算每個三角形的每個頂點的判定值;分類模組,用於根據每個三角形的每個頂點的判定值把所有三角形的所有頂點分類成預設數量的層級;採樣模組,用於根據用戶設定的每個層級的採樣比例,從每個層級中取出採樣點;及修復模組,用於對採樣後的點雲的三角結構進行修復。
相較於習知技術,所述點雲精簡方法及系統,在曲率高的地方取較多的採樣點,在曲率小的地方取較少的採樣點,即使删除了一些點資料,仍然能保留點雲中細節特徵,滿足採樣速度和採樣精度要求。
圖1是本發明點雲精簡系統較佳實施例的運行環境示意圖。
圖2是本發明點雲精簡系統較佳實施例的功能模組圖。
圖3是本發明點雲精簡方法較佳實施例的流程圖。
圖4是一個頂點周圍的三角形的示意圖。
圖5是修復點三角結構的示意圖。
參閱圖1所示,是本發明點雲精簡系統較佳實施例的運行環境示意圖。所述點雲精簡系統10運行於計算裝置1中。該計算裝置1還包括透過資料匯流排相連的儲存設備11及一個或者多個處理設備12等。所述計算裝置1可以是電腦、伺服器等。
所述的點雲精簡系統10包括一個或多個由程式代碼組成的功能模組(詳見圖2),各功能模組儲存於所述儲存設備11中,並由所述處理設備12所執行,以實現如下功能:在曲率高的地方取較多的採樣點,在曲率小的地方取較少的採樣點,即使删除了一些點資料,仍然能保留點雲中細節特徵,滿足採樣速度和採樣精度要求。
所述儲存設備11用於儲存所述點雲精簡系統10中各個程式段的程式代碼。該儲存設備11可以爲智能媒體卡(smart media card)、安全數字卡(secure digital card)、快閃儲存器卡(flash card)等儲存設備。
參閱圖2所示,在本實施例中,所述點雲精簡系統10的功能模組包括:獲取模組100、計算模組101、分類模組102、採樣模組103及修復模組104。以下將結合圖3說明各模組的具體功能。
參閱圖3所示,是本發明點雲精簡方法較佳實施例的流程圖。根據不同的需求,該流程圖中步驟的順序可以改變,某些步驟可以省略。
步驟S10,獲取模組100接收用戶上傳到計算裝置1中的點雲網格化檔案,並從該點雲網格化檔案中獲取由網格化後的點雲所組成的多個三角形及每個三角形的資訊。
在本實施例中,每個三角形的資訊包括每個三角形的單位法向量、三個頂點及三個頂點的三維座標。
步驟S11,計算模組101計算每個三角形的每個頂點的單位法向量。
在本實施例中,計算模組101在計算一個三角形的一個頂點的單位法向量的過程爲:
找出經過該頂點並位於該頂點周圍的所有三角形,
計算所找出的所有三角形的平均單位法向量,所述平均單位法向量即爲該頂點的單位法向量。在本實施例中,所述平均單位法向量等於所找出的每個三角形的單位法向量之和除以計算所找出的三角形個數。
例如,如圖4所示,在點雲中選取一個三角形△AOB,任取一個頂點O,對其進行擴層,找出所有點O周圍的三角形,即爲△AOB、△BOC、△COD、△DOE、△EOF、△FOA。從網格化檔案中讀取△AOB、△BOC、△COD、△DOE、△EOF、△FOA的單位法向量,求出平均單位法向量即爲點O的單位法向量。
步驟S12,計算模組101根據每個三角形的每個頂點的單位法向量及每個頂點的相鄰點的單位法向量計算每個三角形的每個頂點的判定值。
在本實施例中,一個頂點的相鄰點是指經過該頂點並位於該頂點周圍的所有三角形中所包含的頂點(除去該頂點)。例如,如圖4所示,點O的相鄰點即爲A、B、C、D、E及F。
計算模組101計算一個頂點的判定值的過程爲:
計算所述頂點的單位法向量與所述頂點的每個相鄰點的單位法向量的夾角餘弦值。
根據所計算出的夾角餘弦值計算平均夾角餘弦值,即爲所述頂點的判定值。在本實施例中,所述平均夾角餘弦值等於所計算出的所有夾角餘弦值之和除以所述頂點的相鄰點的個數。所述頂點的判定值的範圍爲[0,1]。
按照上述計算一個頂點的判定值的過程,計算每個三角形的每個頂點的判定值。
步驟S13,分類模組102根據每個三角形的每個頂點的判定值把所有三角形的所有頂點分類成預設數量的層級。
在本實施例中,當一個頂點的判定值越大,表示在該點的曲率越小,那麽在該點附近取的採樣點越少。分類模組102將所有三角形的頂點的判定值按照從小到大排序,將所有三角形的頂點分成預設數量N的層級。所述層級用Ci
表示,i的取值爲1,2,…,N。其中C1
中需要選取的採樣點的個數最多,C1
到CN
選取的採樣點的個數依次减少。
步驟S14,採樣模組103根據用戶設定的每個層級的採樣比例,從每個層級中取出採樣點。
在本實施例中,假設精簡採樣比率爲,則採樣點數目爲
,
用Ri
表示每個層級的採樣比例,i的取值爲1,2,…,N,採樣模組103從每個層級中取出採樣點的過程爲:
先取C1
層級中的採樣點,當C1
中的點數,則在C1
層級中隨機選取個採樣點;
如果,則將C1
中的所有點取出,把剩餘的()個採樣點數加上C2
應該取出的採樣點數作爲C2
層級的目標採樣點數,即,C2
層級的目標採樣點數和C2
中的點數進行比較,按以上採樣方式進行在C2
中取出採樣點。
循環以上步驟,依次從C3
到CN
層級中選取採樣點。
步驟S15,修復模組104對採樣後的點雲的三角結構進行修復。
在本實施例中,由於對點雲進行精簡過程,會過濾部分點,造成原先點雲中部分三角形結構頂點被去除,無法形成三角形結構,所以需要進行三角形修復。
修復模組104對一個點(該點爲過濾點,即被删除的點)周圍的三角形進行修復的過程爲:把該點周圍的採樣點按順時針排列形成點序列,取第一個點連接第三個點,形成新的三角形結構。接著再取第三個點作爲起始點,連接第五個點,以此類推,直到連接完所有點資料。按照上述過程循環處理完採樣後的點雲中的所有點。
例如,如圖5所示,取第一個點(即A)作爲一個端點,連接第三個頂點(即C),形成新的三角形△ABC。再以C作爲一個端點,連接第五個頂點(即E),形成有一個新的三角形△CDE,以此類推,連接完所有的點。計算是否連接完所有點時,需要進行判斷,如果在點序列中,當前的末端點(比如連接AC,C則爲當前的末端點),後面沒有多於或等於兩個的點,則說明連接已經完成。如果不是,以當前末端點作爲始端點,查找下一個末端點。
最後應說明的是,以上實施例僅用以說明本發明的技術方案而非限制,儘管參照較佳實施例對本發明進行了詳細說明,本領域的普通技術人員應當理解,可以對本發明的技術方案進行修改或等同替換,而不脫離本發明技術方案的精神和範圍。
1‧‧‧計算裝置
10‧‧‧點雲精簡系統
11‧‧‧儲存設備
12‧‧‧處理設備
100‧‧‧獲取模組
101‧‧‧計算模組
102‧‧‧分類模組
103‧‧‧採樣模組
104‧‧‧修復模組
無
10‧‧‧點雲精簡系統
100‧‧‧獲取模組
101‧‧‧計算模組
102‧‧‧分類模組
103‧‧‧採樣模組
104‧‧‧修復模組
Claims (10)
- 一種點雲精簡方法,應用於計算裝置中,該方法包括:
獲取步驟,接收點雲網格化檔案,並從該點雲網格化檔案中獲取由網格化後的點雲所組成的多個三角形及每個三角形的資訊;
計算步驟一,計算每個三角形的每個頂點的單位法向量;
計算步驟二,根據每個三角形的每個頂點的單位法向量及每個頂點的相鄰點的單位法向量計算每個三角形的每個頂點的判定值;
分類步驟,根據每個三角形的每個頂點的判定值把所有三角形的所有頂點分類成預設數量的層級;
採樣步驟,根據用戶設定的每個層級的採樣比例,從每個層級中取出採樣點;及
修復步驟,對採樣後的點雲的三角結構進行修復。 - 如申請專利範圍第1項所述之點雲精簡方法,在所述計算步驟一中,計算一個三角形的一個頂點的單位法向量的過程爲:
找出經過該頂點並位於該頂點周圍的所有三角形;及
計算所找出的所有三角形的平均單位法向量,所述平均單位法向量即爲該頂點的單位法向量。 - 如申請專利範圍第1項所述之點雲精簡方法,所述計算步驟二中計算一個頂點的判定值的過程爲:
計算所述頂點的單位法向量與所述頂點的每個相鄰點的單位法向量的夾角餘弦值;
根據所計算出的所述頂點的單位法向量與所述頂點的每個相鄰點的單位法向量的夾角餘弦值計算平均夾角餘弦值,即爲所述頂點的判定值。 - 如申請專利範圍第1項所述之點雲精簡方法,在所述分類步驟中,將所有三角形的頂點的判定值按照從小到大排序,將所有三角形的頂點分成預設數量N的層級,所述層級用Ci 表示,i的取值爲1,2,…,N,其中C1 中需要選取的採樣點的個數最多,C1 到CN 選取的採樣點的個數依次减少。
- 如申請專利範圍第4項所述之點雲精簡方法,在所述採樣步驟中,用Ri 表示每個層級的採樣比例,i的取值爲1,2,…,N,表示採樣點數目,從每個層級中取出採樣點的過程爲:
先取C1 層級中的採樣點,當C1 中的點數,則在C1 層級中隨機選取個採樣點;及
當,則將C1 中的所有點取出,把剩餘的()個採樣點數加上C2 應該取出的採樣點數作爲C2 層級的目標採樣點數,即,C2 層級的目標採樣點數和C2 中的點數進行比較,按以上採樣方式在C2 中取出採樣點,循環以上過程,依次從C3 到CN 層級中選取採樣點。 - 一種點雲精簡系統,運行於計算裝置中,該系統包括:
獲取模組,用於接收點雲網格化檔案,並從該點雲網格化檔案中獲取由網格化後的點雲所組成的多個三角形及每個三角形的資訊;
計算模組,用於計算每個三角形的每個頂點的單位法向量;
所述計算模組,還用於根據每個三角形的每個頂點的單位法向量及每個頂點的相鄰點的單位法向量計算每個三角形的每個頂點的判定值;
分類模組,用於根據每個三角形的每個頂點的判定值把所有三角形的所有頂點分類成預設數量的層級;
採樣模組,用於根據用戶設定的每個層級的採樣比例,從每個層級中取出採樣點;及
修復模組,用於對採樣後的點雲的三角結構進行修復。 - 如申請專利範圍第6項所述之點雲精簡系統,所述計算模組計算一個三角形的一個頂點的單位法向量的過程爲:
找出經過該頂點並位於該頂點周圍的所有三角形;及
計算所找出的所有三角形的平均單位法向量,所述平均法單位向量即爲該頂點的單位法向量。 - 如申請專利範圍第6項所述之點雲精簡系統,所述計算模組計算一個頂點的判定值的過程爲:
計算所述頂點的單位法向量與所述頂點的每個相鄰點的單位法向量的夾角餘弦值;
根據所計算出的所述頂點的單位法向量與所述頂點的每個相鄰點的單位法向量的夾角餘弦值計算平均夾角餘弦值,即爲所述頂點的判定值。 - 如申請專利範圍第6項所述之點雲精簡系統,所述分類模組將所有三角形的頂點的判定值按照從小到大排序,將所有三角形的頂點分成預設數量N的層級,所述層級用Ci 表示,i的取值爲1,2,…,N,其中C1 中需要選取的採樣點的個數最多,C1 到CN 選取的採樣點的個數依次减少。
- 如申請專利範圍第9項所述之點雲精簡系統,在所述採樣模組中,用Ri 表示每個層級的採樣比例,i的取值爲1,2,…,N,表示採樣點數目,從每個層級中取出採樣點的過程爲:
先取C1 層級中的採樣點,當C1 中的點數,則在C1 層級中隨機選取個採樣點;及
當,則將C1 中的所有點取出,把剩餘的()個採樣點數加上C2 應該取出的採樣點數作爲C2 層級的目標採樣點數,即,C2 層級的目標採樣點數和C2 中的點數進行比較,按以上採樣方式在依次從C2 到CN 層級中選取採樣點。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW104100196A TW201643826A (zh) | 2015-01-06 | 2015-01-06 | 點雲精簡方法及系統 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW104100196A TW201643826A (zh) | 2015-01-06 | 2015-01-06 | 點雲精簡方法及系統 |
Publications (1)
Publication Number | Publication Date |
---|---|
TW201643826A true TW201643826A (zh) | 2016-12-16 |
Family
ID=58055964
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW104100196A TW201643826A (zh) | 2015-01-06 | 2015-01-06 | 點雲精簡方法及系統 |
Country Status (1)
Country | Link |
---|---|
TW (1) | TW201643826A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117456131A (zh) * | 2023-12-26 | 2024-01-26 | 深圳市信润富联数字科技有限公司 | 缺陷场景下点云的降采样方法及装置 |
-
2015
- 2015-01-06 TW TW104100196A patent/TW201643826A/zh unknown
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117456131A (zh) * | 2023-12-26 | 2024-01-26 | 深圳市信润富联数字科技有限公司 | 缺陷场景下点云的降采样方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2020108358A1 (zh) | 图像修复方法、装置、计算机设备和存储介质 | |
US10510148B2 (en) | Systems and methods for block based edgel detection with false edge elimination | |
US9142011B2 (en) | Shadow detection method and device | |
CN105809651B (zh) | 基于边缘非相似性对比的图像显著性检测方法 | |
CN108920765B (zh) | 一种基于建筑物三维线段模型的假设平面拟合方法 | |
CN107729935B (zh) | 相似图片的识别方法和装置、服务器、存储介质 | |
US8520940B1 (en) | Automatic city block segmentation in aerial imagery for parallel processing | |
TWI536186B (zh) | 三維圖檔搜尋方法與三維圖檔搜尋系統 | |
CN106557765A (zh) | 注意检测装置以及注意检测方法 | |
CN111079773A (zh) | 一种基于Mask R-CNN网络的砾石参数获取方法、装置、设备及存储介质 | |
CN116168351B (zh) | 电力设备巡检方法及装置 | |
JP2018045302A (ja) | 情報処理装置、情報処理方法及びプログラム | |
CN115526892A (zh) | 基于三维重建的图像缺陷去重检测方法和装置 | |
CN112132892B (zh) | 目标位置标注方法、装置及设备 | |
CN113628343B (zh) | 三维网格的合并处理方法和装置、存储介质 | |
CN111209940A (zh) | 一种基于特征点匹配的图像去重方法和装置 | |
CN113326766B (zh) | 文本检测模型的训练方法及装置、文本检测方法及装置 | |
TW201643826A (zh) | 點雲精簡方法及系統 | |
CN114913330B (zh) | 点云部件分割方法、装置、电子设备与存储介质 | |
CN113903016B (zh) | 分岔点检测方法、装置、计算机设备和存储介质 | |
CN112446231A (zh) | 一种人行横道检测方法、装置、计算机设备及存储介质 | |
KR101359661B1 (ko) | 삼각형 메쉬로 표현된 3차원 물체를 DoSurface 표현 방법으로 변환하는 시스템 및 그 방법 | |
CN105741344A (zh) | 点云精简方法及系统 | |
CN113658338A (zh) | 点云树木单体分割方法、装置、电子设备及存储介质 | |
CN106055669A (zh) | 一种数据离散化方法及系统 |