一种基于点云的室内场景物体提取方法技术

本发明专利技术公开的一种基于点云的室内场景物体提取方法，首先读入场景中原始三维点云数据，判断并去除场景数据离群点；其次，在通过三维坐标旋转变换将倾斜的场景数据旋转至竖直方向；再次，去除场景中地面和墙面，并将场景分割形成多个子场景；最后通过子场景中最大水平平面及其上方是否存在点来判断其上方是否有物体存在，从而完成整个场景中所有物体的提取。本发明专利技术的室内场景物体提取方法主要针对室内场景单视点下的的实测单侧点云数据，进行场景中的物体提取，解决了现有室内场景的物体提取方法需要训练样本多、对物体分割粗糙、鲁棒性和稳定性差的问题，有很好的实用价值。

【技术实现步骤摘要】
一种基于点云的室内场景物体提取方法
本专利技术属于室内场景物体提取方法
，具体涉及一种基于点云的室内场景物体提取方法。
技术介绍
随着虚拟现实技术的发展速度越来越快，三维激光点云的应用越来越广泛。视觉是人类获取外界信息的主要方式，也是智能机器人获取外界深度信息的主要手段，机器人可以通过视觉传感器对扫描到的场景进行分析和处理，进一步完成定位，抓取或避障等行为。但受到阻挡、传感器获取数据不准确、各种光线对传感器的影响等因素影响，要做到对室内物体的识别，关键一点是先对室内的显著物体进行提取。室内场景的物体提取有很广阔的应用前景，既可为现在最流行的VR/AR/MR技术的研究和应用做铺垫，又可为室内场景物体识别做前提。在日常生活的应用中，不仅可以加强机器人对室内物体的识别能力，提高机器人的智能程度，而且可以进一步发展智能家居等领域的应用。针对室内场景物体提取，目前的研究成果集中在二维图像的基础上完成，在三维激光扫描点云数据的研究方面也在逐渐深入。从国内外研究人员的研究成果来看，点云室内场景的物体提取方法主要分为三类：基于机器学习的分类方法、基于聚类的方法、基于区域生长的方法。(1)基于机器学习的分类方法机器学习在目标提取的一般过程为：①先创建要训练的分类器样本；②特征提取；③用训练样本来训练分类器；④利用训练好的分类器进行目标检测；⑤学习和改进分类器。常用的分类算法有：决策树算法、朴素贝叶斯算法、人工神经网络算法、支持向量机、K近邻和K均值算法、Adaboost算法、马尔科夫模型法等。(2)基于聚类的方法2012年马志峰等人提出一种多目标场景下的显著物体提取方法，对基于空间的计算模型得到的显著图像进行聚类，将多目标场景划分为多个单目标的子场景，在子场景集合中，引入注意转移机制，并使用基于物体的计算模型依次提取显著物体。聚类算法一般是非监督性的，不用训练样本，操作简单，对异常数据较不敏感；该类方法相对来说具有较好的鲁棒性，但是无法对物体有接触的情况下完成精确提取，往往造成欠分割，在分割后可能需要进一步进行细化处理。(3)基于区域生长的方法区域生长的基本思想是将具有相似性质的像素集合起来构成区域，算法的过程一般为：先给定点云中要分割的目标物体内的一个小块或者说种子点，再在种子的基础上不断将其周围的点以一定的规则加入其中，达到最终将代表该物体的所有点结合成一个区域的目的。该类方法只需要若干种子点即可完成，并且在生长过程中的生长准则可以自由指定，该方法通常能将具有相同特征的联通区域分割出来，并且可以提供很好的边界信息和分割结果；但是算法的鲁棒性不好，需要选取合适的门限，同时算法稳定性不好，往往会造成过分割。
技术实现思路
本专利技术的目的是提供一种基于点云的室内场景物体提取方法，解决了现有室内场景的物体提取方法需要训练样本多、对物体分割粗糙、鲁棒性和稳定性差的问题。本专利技术所采用的技术方案是，一种基于点云的室内场景物体提取方法，包括以下步骤：步骤1，读入场景中原始三维点云数据，采用基于K-近邻的邻域平均距离算法判断并去除场景数据离群点；步骤2，在场景中建立XYZ三维坐标系，通过三维坐标旋转变换将倾斜的场景数据旋转至竖直方向；步骤3，经过步骤2旋转后，使用随机抽样一致性算法进行场景平面的检测，随后去除场景中地面和墙面，对于由物体遮挡造成的点云数据缺失的情况，使用分割优化，分割形成多个子场景；步骤4，通过对步骤3得到的子场景中最大水平平面及其上方是否存在点来判断其上方是否有物体存在，如果存在则进行提取，从而完成整个场景中所有物体的提取。本专利技术的特征还在于，步骤1的具体操作为：步骤1.1，采用K-D树组织原始三维点云数据；步骤1.2，取步骤1.1中任意一点Pi的K近邻N(P)，其中Pi∈S，S表示三维点云集合，N(P)表示任意一点Pi的K近邻；步骤1.3，计算步骤1.2中点Pi与K邻域内各个点之间的平均距离，并取其平均值D(Pi)，如公式(1)：其中，参数k表示近邻点个数，参数Pj表示Pi的K近邻中的第j个点；步骤1.4，判断步骤1.3中D(Pi)与设定的阈值Dσ的大小，若D(Pi)＞Dσ，则认为该点为离群噪声点，删除；若D(Pi)≤Dσ，则认为该点为不是离群噪声点，保留；步骤1.5，重复步骤1.2至步骤1.4，直至判断并删除完所有离群噪声点。步骤2的具体操作为：步骤2.1，获取场景中主平面法向量v0'设场景中主趋势方向为v1、次趋势方向为v2，主趋势方向v1与次趋势方向v2形成的平面称为主平面，则主平面法向量v0'＝v1×v2，令主平面法向量v0'＝v1×v2＝{x0',y0',z0'}、v1＝{x1,y1,z1}、v2＝{x2,y2,z2}，则主平面法向量v0'可转化为公式(2)，其中参数x0'、y0'、z0'分别表示法向量v0'对应XYZ轴的坐标值，参数x1、y1、z1分别表示主趋势方向v1对应XYZ轴的坐标值，参数x2、y2、z2分别表示次趋势方向v2对应XYZ轴的坐标值；步骤2.2，通过步骤2.1主平面法向量与场景平面法向量夹角判断场景平面是否为水平平面或竖直平面；若两者夹角不大于θ(θ＝30°)，则场景平面视为水平平面，否则视为竖直平面；步骤2.3，针对水平平面，获取旋转方向向量，随后对场景坐标转换至竖直方向，得到旋转之后的点云场景。步骤2.3具体为：步骤2.3.1，检测场景中的所有平面，得到平面检测集合F＝{f1,f2,…,fm}、其中参数fm为场景平面，获取所有场景平面的法向量其中参数为场景平面的法向量，步骤2.3.2，计算步骤2.3.1中任一场景平面的法向量Vi(1≤i≤m)与主平面法向量v0'的夹角θi，步骤2.3.3，若θi＜δ，则将该平面法向量加入水平平面法向量集合Vh，否则加入竖直平面法向量集合Vv；步骤2.3.4，设水平平面集合Vh有p个元素，则旋转方向向量为公式(3)：步骤2.3.5，针对旋转方向向量设原始点的坐标为p(x,y,z)，首先绕Z轴旋转至YOZ平面，得到对应的点坐标p'(x',y',z')，则场景绕Z轴旋转的旋转矩阵为公式(4)，其中，参数α表示绕Z轴旋转角度，则对应的点坐标p'(x',y',z')表示为：公式(5)化简后可得公式(6)，步骤2.3.6，再将场景绕X轴旋转至Y轴，得到最终的旋转结果，将p'(x',y',z')旋转之后的坐标为p”(x”,y”,z”)，则场景绕X轴旋转的旋转矩阵为：其中参数β表示绕X轴旋转角度，则旋转之后的坐标为：公式(8)化简后可得公式(9)，则p”(x”,y”,z”)为最终的旋转结果。步骤3具体为：步骤3.1，场景平面检测由步骤2可知平面检测集合F＝{f1,f2,…,fm}、其中参数fm为场景平面，则水平平面集合Fh＝{f1,f2,…,fh},(h≤m)、其中参数fh为水平平面，则竖直平面集合Fv＝{f1,f2,…,fv},(v≤m)、其中参数fv为竖直平面，根据以上参数，得到场景中最低点的Z轴坐标值为z0，计算所有水平平面中心的Z轴坐标值与z0的差值，差值最小的水平平面记为地面f；步骤3.2，去除场景中地面和墙面设步骤3.1竖直平面集合中任一竖直平面fi(1≤i≤m)的法向量则竖直平面法向量集合为Vv＝{v1,v2,...,vv}；设步骤3.本文档来自技高网...

【技术保护点】
1.一种基于点云的室内场景物体提取方法，其特征在于，包括以下步骤：步骤1，读入场景中原始三维点云数据，采用基于K‑近邻的邻域平均距离算法判断并去除场景数据离群点；步骤2，在场景中建立XYZ三维坐标系，通过三维坐标旋转变换将倾斜的场景数据旋转至竖直方向；步骤3，经过步骤2旋转后，使用随机抽样一致性算法进行场景平面的检测，随后去除场景中地面和墙面，对于由物体遮挡造成的点云数据缺失的情况，使用分割优化，分割形成多个子场景；步骤4，通过对步骤3得到的子场景中最大水平平面及其上方是否存在点来判断其上方是否有物体存在，如果存在则进行提取，从而完成整个场景中所有物体的提取。

【技术特征摘要】
1.一种基于点云的室内场景物体提取方法，其特征在于，包括以下步骤：步骤1，读入场景中原始三维点云数据，采用基于K-近邻的邻域平均距离算法判断并去除场景数据离群点；步骤2，在场景中建立XYZ三维坐标系，通过三维坐标旋转变换将倾斜的场景数据旋转至竖直方向；步骤3，经过步骤2旋转后，使用随机抽样一致性算法进行场景平面的检测，随后去除场景中地面和墙面，对于由物体遮挡造成的点云数据缺失的情况，使用分割优化，分割形成多个子场景；步骤4，通过对步骤3得到的子场景中最大水平平面及其上方是否存在点来判断其上方是否有物体存在，如果存在则进行提取，从而完成整个场景中所有物体的提取。2.根据权利要求1所述的一种基于点云的室内场景物体提取方法，其特征在于，所述步骤1的具体操作为：步骤1.1，采用K-D树组织原始三维点云数据；步骤1.2，取步骤1.1中任意一点Pi的K近邻N(P)，其中Pi∈S，S表示三维点云集合，N(P)表示任意一点Pi的K近邻；步骤1.3，计算步骤1.2中点Pi与K邻域内各个点之间的平均距离，并取其平均值D(Pi)，如公式(1)：其中，参数k表示近邻点个数，参数Pj表示Pi的K近邻中的第j个点；步骤1.4，判断步骤1.3中D(Pi)与设定的阈值Dσ的大小，若D(Pi)＞Dσ，则认为该点为离群噪声点，删除；若D(Pi)≤Dσ，则认为该点为不是离群噪声点，保留；步骤1.5，重复步骤1.2至步骤1.4，直至判断并删除完所有离群噪声点。3.根据权利要求1所述的一种基于点云的室内场景物体提取方法，其特征在于，所述步骤2的具体操作为：步骤2.1，获取场景中主平面法向量v0'设场景中主趋势方向为v1、次趋势方向为v2，主趋势方向v1与次趋势方向v2形成的平面称为主平面，则主平面法向量v0'＝v1×v2，令主平面法向量v0'＝v1×v2＝{x0',y0',z0'}、v1＝{x1,y1,z1}、v2＝{x2,y2,z2}，则主平面法向量v0'可转化为公式(2)，其中参数x0'、y0'、z0'分别表示法向量v0'对应XYZ轴的坐标值，参数x1、y1、z1分别表示主趋势方向v1对应XYZ轴的坐标值，参数x2、y2、z2分别表示次趋势方向v2对应XYZ轴的坐标值；步骤2.2，通过步骤2.1主平面法向量与场景平面法向量夹角判断场景平面是否为水平平面或竖直平面；若两者夹角不大于θ(θ＝30°)，则场景平面视为水平平面，否则视为竖直平面；步骤2.3，针对水平平面，获取旋转方向向量，随后对场景坐标转换至竖直方向，得到旋转之后的点云场景。4.根据权利要求3所述的一种基于点云的室内场景物体提取方法，其特征在于，所述步骤2.3具体为：步骤2.3.1，检测场景中的所有平面，得到平面检测集合F＝{f1,f2,…,fm}、其中参数fm为场景平面，获取所有场景平面的法向量其中参数为场景平面的法向量，步骤2.3.2，计算步骤2.3.1中任一场景平面的法向量Vi(1≤i≤m)与主平面法向量v0'的夹角θi，步骤2.3.3，若θi＜δ，则将该平面法向量加入水平平面法向量集合Vh，否则加入竖直平面法向量集合Vv；步骤2.3.4，设水平平面集合Vh有p个元素，则旋转方向向量为公式(3)：步骤2.3.5，针对旋转方向向量设原始点的坐标为p(x,y,z)，首先绕Z轴旋转至YOZ平面，得到对应的点坐标p'(x',y',z')，则场景绕Z轴旋转的旋转矩阵为公式(4)，其中，参数α表示绕Z轴旋转角度，则对应的点坐标p'(x',y',z')表示为：公式(5)化简后可得公式(6)，步骤2.3.6，再将场景绕X轴旋转至Y轴，得到最终的旋转结果，将p'(x',y',z')旋转之后的坐标为p”(x”,y”,z”)，则场景绕X轴旋转的旋转矩阵为：其中参数β表示绕X轴旋转角度，则旋转之后的坐标为：公...

【专利技术属性】
技术研发人员：宁小娟，马杰，王锋涛，王映辉，
申请(专利权)人：西安理工大学，
类型：发明
国别省市：陕西,61