【技术实现步骤摘要】
基于高斯过程回归的室外场景三维点云的地面提取方法
本专利技术涉及一种三维点云的地面提取方法,更具体地说,涉及一种基于高斯过程回归的室外场景三维点云的地面提取方法。
技术介绍
随着三维扫描测距技术的发展,三维点云在逆向工程、工业检测、自主导航等领域的应用越来越为广泛。三维点云处理技术作为实现上述应用的基础,发挥了至关重要的作用。在三维点云处理技术中,三维点云的特征提取是一个非常关键的技术,尤其是室外场景三维点云的地面特征提取,其对于室外场景的分割识别、移动机器人的路径规划等后续处理,都有着极其重要的作用。在移动机器人自主导航领域,室外场景三维点云的地面提取是移动机器人进行路径规划的前提,完整的三维点云地面为移动机器人提供了准确的可行区域,提高了移动机器人的空间通过能力,保障了移动机器人在行进过程中的自身安全。在室外场景分析领域,由于室外场景极其复杂,会涉及到各种不同的物体,例如建筑、树木、车辆、人员等,为了便于进行场景分析,就需要对室外场景的三维点云进行有效的分割,而地面作为整幅场景的大背景,其准确完整的提取有助于将地面上的各类物体从空间中相互剥离,以便于后续的物体分割和场景分析。目前,较为常见的三维点云地面提取方法为随机抽样一致性算法(RANSAC算法),该方法将地面当作所处理场景中最大的平面而直接获取,这种方法对于比较平整大块的地面,具有较好的效果,但对于室外场景较为复杂、地面比较零碎、起伏不定的情况,这种方法就不能保证地面提取的完整性和准确性。
技术实现思路
为了克服现有技术中 ...
【技术保护点】
1.一种基于高斯过程回归的室外场景三维点云的地面提取方法,其特征在于包括以下步骤:/n步骤1、获取室外场景的三维点云,利用激光扫描测距仪,获取室外场景的三维点云;/n步骤2、构建三维点云的邻域关系,采用KD-Tree算法构建全体点云的结构树,根据点云的坐标将全体点云划分到不同的空间区域,在邻域构建时即可利用空间地址信息实现邻近点的搜索,以快速构建给定点p=(x,y,z)的邻域N={p
【技术特征摘要】
1.一种基于高斯过程回归的室外场景三维点云的地面提取方法,其特征在于包括以下步骤:
步骤1、获取室外场景的三维点云,利用激光扫描测距仪,获取室外场景的三维点云;
步骤2、构建三维点云的邻域关系,采用KD-Tree算法构建全体点云的结构树,根据点云的坐标将全体点云划分到不同的空间区域,在邻域构建时即可利用空间地址信息实现邻近点的搜索,以快速构建给定点p=(x,y,z)的邻域N={pi=(xi,yi,zi)|1≤i≤nn},其中:pi为给定点邻点,i为给定点邻点的序号,nn为给定点邻点的个数;
步骤3、计算三维点云的协方差矩阵和法向量,选取三维点云中的任意一点为给定点p=(x,y,z),利用其邻域N={pi=(xi,yi,zi)|1≤i≤nn},构建协方差矩阵M,求解协方差矩阵M的特征值λ1、λ2、λ3和特征向量v1、v2、v3,以及给定点p的法向量n,具体包括以下子步骤:
(a)、利用步骤2所构建的三维点云的邻域关系,来快速构建给定点p=(x,y,z)的邻域N={pi=(xi,yi,zi)|1≤i≤nn};
(b)、构建给定点p的邻域N的协方差矩阵M,通过公式(1)进行描述,
式中:T为向量转置符号,其将列向量转置为行向量;
(c)、求解协方差矩阵M的特征值λ1、λ2、λ3(λ1<λ2<λ3),以及对应的特征向量v1、v2、v3;
(d)、将最小特征值λ1对应的特征向量v1单位化,即得到给定点p的法向量n;
(e)、对三维点云中的每一个点,重复步骤3子步骤(a)-(d),继而求解每一个点的协方差矩阵的特征值、特征向量和法向量;
步骤4、根据邻域形状对三维点云进行初步分类,利用给定点p的协方差矩阵M的特征值λ1、λ2、λ3之间的大小关系,来判断其邻域形状,并以此将三维点云分为三大类,即点性点集合Cp、线性点集合Cl和面性点集合Cs,具体包括以下子步骤:
(a)、若协方差矩阵M的特征值λ1≈λ2≈λ3,即λ3/λ2≤8和λ2/λ1≤8,则给定点p与其邻点pi呈散乱状分布,将给定点p分类为点性点;
(b)、若协方差矩阵M的特征值λ1≈λ2<<λ3,即λ3/λ2>8和λ2/λ1≤8,则给定点p与其邻点pi呈直线状分布,将给定点p分类为线性点;
(c)、若协方差矩阵M的特征值λ1<<λ2≈λ3,即λ3/λ2≤8和λ2/λ1>8,则给定点p与其邻点pi呈平面状分布,将给定点p分类为面性点;
(d)、对三维点云中的每一个点,重复步骤4子步骤(a)-(c),将整个三维点云初步分为三大类,即点性点集合Cp、线性点集合Cl和面性点集合Cs;
步骤5、提取初步地面Gs,将所有面性点集合Cs的法向量映射到单位球上,以构建法向量球S,并利用Mean-Shift聚类算法,在法向量球S上对所有面性点集合Cs的法向量的顶点进行聚类,将面性点集合Cs分为若干个平面区域Fj,并从中提取出初步地面Gs,具体包括以下子步骤:
(a)、将面性点集合Cs内每一个面性点的法向量映射到单位球上,以构建法向量球S,法向量球S上的点即为面性点的法向量的顶点;
(b)、利用Mean-Shift聚类算法,在法向量球S上,对所有面性点的法向量的顶点进行聚类,进而可将面性点的法向量分为若干类,最终可将面性点分为若干个平面区域Fj,1≤j≤m,其中:j为平面区域的序号,m为平面区域的个数;
(c)、计算每一个平面区域Fj的平均高程和平均法向量若某个平面区域Fj的平均高程和平均法向量满足条件:和其中:为平均法向量与垂直方向的夹角,则认为该平面区域Fj为初步地面区域的一个组成部分,利用该方法对每一个平面区域Fj进行判断和筛选,则可获取整个的初步地面Gs;
步骤6、分割初步地面,使用K-Means聚类算法,根据初步地面Gs中的初步地面点pt到各个局部地面中心点pk之间的距离远近,将初步地面Gs细分为K个局部地面LGk={pks=(xks,yks,zks|1≤s≤nk)},1≤...
【专利技术属性】
技术研发人员:安毅,李秀胜,王晋豫,王磊,
申请(专利权)人:大连理工大学,
类型:发明
国别省市:辽宁;21
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。