一种高效且高质量的高温物体点云分割方法技术

本发明专利技术公开了一种高效且高质量的高温物体点云分割方法，包括：将获得的高温物体三维点云数据进行去噪处理；设置体素分辨率，将点云体素化，得到采样后点云数据；用

【技术实现步骤摘要】
一种高效且高质量的高温物体点云分割方法


[0001]本专利技术属于航空航天试验与测量
，更具体地说，本专利技术涉及一种高效且高质量的高温物体点云分割方法
。

技术介绍

[0002]高温物体的三维外形测量是航空航天装备领域不可或缺的组成部分重要的测试技术
。
在航空航天领域，飞行器所处的特殊工作环境对其耐高温性能有很高的要求，飞行器发动机在实际运行过程中其壁面温度和压力会由于高强度燃烧大幅度上升，其燃烧室
、
喷管等热端部件需要承受
2000℃
甚至更高温度的热力耦合场作用，在这样的环境下容易使得部件的材料发生形变
。
但是高温环境下材料的微小形变可能会对发动机的工作状态产生影响，甚至会破坏发动机系统的整体结构，导致飞行器在运行过程发生故障甚至坠毁，因此要确保飞行器的安全性和稳定性就必须对飞行器材料及零部件的受热变形进行精确地测量和分析
。
[0003]传统的接触式测量方法并不能很好地适用于上述场景，当前非接触式测量方法在各个行业得到了应用，非接触式测量方法中应用较为广泛的有激光三角法
、
电涡流法
、
超声测量法
、
机器视觉测量等等
。
双目视觉测量技术是机器视觉测量的重要组成部分，该技术通过模仿人眼成像原理来进行三维测量，对图像进行处理获得视差图，结合系统参数计算出物体表面的三维坐标，但是该方法重建精度较低
。
为了获得更高精度的三维模型通常结合结构光进行三维重建，该方法通过向表面光滑无特征的被测目标发射可编码的光束，然后通过一定算法计算返回的编码图案的畸变来得到物体的位置和深度信息，实现三维模型重建
。
[0004]通过双目测量方法获得的高温物体三维点云数据存在以下几个问题：高温辐射的影响导致重建的点云会带有大量的噪声数据；标定产生的误差以及现场拍摄环境的限制也会导致生成的点云带有大量的离群点和部分场景信息；在实际测量场景中的高温物体会由耐高温夹具进行固定或者放置于测试平台上，因此，获取的点云数据不单单是高温目标主体点云，同时还可能包括固定夹具或者背景平台的点云数据
。
基于以上情况，在针对高温物体进行测量时，无法得到准确的主体点云，从而导致测量出现偏差
。
为了获得被测物更加精确的参数，需要对得到的高温物体三维点云进行处理，得到其中被测物的主体
。
[0005]点云分割是一种高维度的分割方式，相对于图像分割最大的区别在于其可以直接在三维空间下进行处理，能够充分考虑到数据的三维属性和几何分布，更好的描述具有相同性质的点云数据
。
因此利用点云分割算法对高温物体点云数据进行处理，可以获取高温物体的主体点云
。

技术实现思路

[0006]本专利技术的一个目的是解决至少上述问题和
/
或缺陷，并提供至少后面将说明的优点
。
[0007]为了实现根据本专利技术的这些目的和其它优点，提供了一种高效且高质量的高温物体点云分割方法，包括以下步骤：
[0008]S1、
将获得的高温物体三维点云数据
PointCloud
Temp
进行去噪处理，确保点云数据的质量，处理后点云记为
PointCloud
Filter
，
PointCloud
Temp
＝
{PC
T
}
T
＝
1,2,...,PN
，点云中每个点表示为：
PC
T
＝
[x
T
,y
T
,z
T
,Temprature
T
]，
PN
表示点的数量；点云
PointCloud
Filter
＝
{FPC
F
}
F
＝
1,2,...,AF
,
每个点表示为：
FPC
F
＝
[x
F
,y
F
,z
F
,Temprature
F
]，
AF
表示点的数量；
[0009]S2、
设置体素分辨率
R
voxel
，将点云
PointCloud
Filter
体素化，简化点云规模，得到采样后点云数据
PointCloud
Voxel
，其中
PointCloud
Voxel
＝
{Voxel
pv
}
pv
＝
1,2...,PV
，每个体素表示为：
Voxel
pv
＝
[x
pv
,y
pv
,z
pv
,Temprature
pv
]，
pv
表示体素的数量；
[0010]S3、
利用
VCCS
超体素过分割算法将体素点云
PointCloud
Voxel
进行过分割，得到超体素集合
SV
，其中
SV
＝
{SV
num
}
num
＝
1,2,...,sv
，
sv
表示超体素集合中超体素的数量，
SV
num
代表其中的超体素数据，代表该超体素数据中的体素数据，
voxel
num
代表该超体素数据中体素数据的数量；
[0011]S4、
计算超体素集合
SV
中每个超体素作为种子点的权重值，得到种子超体素权重集合
ω
seed
，
ω
seed
＝
{
ω
num
}
num
＝
1,2,...,sv
；将
ω
seed
按照权重值
ω
num
从小到大进行排序，按顺序将对应超体素添加到全局种子超体素队列
SV
sort
中，
[0012]S5、
如果
SV
sort
为空，转到
S9
，否则将
SV
sort
中的队首超体素取出，加入当前种子超体素队列
cur_Seed
；
[0013]S6、
如果
cur_Seed
为空，转到
S5
，否则将
cur_Seed
的队首超体素取出；
[0本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种高效且高质量的高温物体点云分割方法，其特征在于，包括以下步骤：
S1、
将获得的高温物体三维点云数据
PointCloud
Temp
进行去噪处理，确保点云数据的质量，处理后点云记为
PointCloud
Filter
，
PointCloud
Temp
＝
{PC
T
}
T
＝
1,2,...,PN
，点云中每个点表示为：
PC
T
＝
[x
T
,y
T
,z
T
,Temprature
T
]
，
PN
表示点的数量；点云
PointCloud
Filter
＝
{FPC
F
}
F
＝
1,2,...,AF
,
每个点表示为：
FPC
F
＝
[x
F
,y
F
,z
F
,Temprature
F
]
，
AF
表示点的数量；
S2、
设置体素分辨率
R
voxel
，将点云
PointCloud
Filter
体素化，简化点云规模，得到采样后点云数据
PointCloud
Voxel
，其中
PointCloud
Voxel
＝
{Voxel
pv
}
pv
＝
1,2...,PV
，每个体素表示为：
Voxel
pv
＝
[x
pv
,y
pv
,z
pv
,Temprature
pv
]
，
pv
表示体素的数量；
S3、
利用
VCCS
超体素过分割算法将体素点云
PointCloud
Voxel
进行过分割，得到超体素集合
SV
，其中
SV
＝
{SV
num
}
num
＝
1,2,...,sv
，
sv
表示超体素集合中超体素的数量，
SV
num
代表其中的超体素数据，代表该超体素数据中的体素数据，
voxel
num
代表该超体素数据中体素数据的数量；
S4、
计算超体素集合
SV
中每个超体素作为种子点的权重值，得到种子超体素权重集合
ω
seed
，
ω
seed
＝
{
ω
num
}
num
＝
1,2,...,sv
；将
ω
seed
按照权重值
ω
num
从小到大进行排序，按顺序将对应超体素添加到全局种子超体素队列
SV
sort
中，
S5、
如果
SV
sort
为空，转到
S9
，否则将
SV
sort
中的队首超体素取出，加入当前种子超体素队列
cur_Seed
；
S6、
如果
cur_Seed
为空，转到
S5
，否则将
cur_Seed
的队首超体素取出；
S7、
计算种子超体素和邻接超体素之间的归一化距离
E(I,J)
，将满足相似性阈值
E
th
的邻接超体素与种子超体素标记为同一类；
S8、
满足种子点权重阈值
ω
th
的邻接超体素被添加到
cur_Seed
中，用于继续对该区域进行生长，当遍历完种子超体素的所有邻域数据后，转到
S6
；
S9、
生长结束，完成分割，得到高温物体主体点云数据
PointCloud
Main
，其中，
PointCloud
Main
＝
{PCM
M
}
M
＝
1,2,...,PM
，
PM
表示点云中点的数量，每个点可以表示为：
PCM
M
＝
[x
M
,y
M
,z
M
,Temprature
M
]。2.
如权利要求1所述的高效且高质量的高温物体点云分割方法，其特征在于，所述
S1
中，将获得的高温物体三维点云数据
PointCloud
Temp
进行去噪处理的具体方法包括：
S11、
设置邻域点数量
numK
，设置标准差倍数
mulThresh
，对于点云
PointCloud
Temp
中的一个点
PC
T
，记它的邻域点集为计算点集中每个点到
PC
T
的距离得到距离集合计算平均距离
distAver
T
，最终得到点云
PointCloud
Temp
中每个点的平均距离集合
Dist
Temp
，
Dist
Temp
＝
{distAver
T
}
T
＝
1,2,...,PN
；
S12、
对于得到的平均距离集合
Dist
Temp
，计算该集合的平均值
distAver
，
并计算标准差计算离群点阈值
outThresh
＝
distAver+mulThresh
·
distStd
；
S13、
进行离群点判别，如果
distAver
T
＞
outThresh
则将点
PC
T
标记为离群点，如果
distAver
T
≤outThresh
则将点
PC
T
标记为非离群点，统计其中非离群点，构造处理后的点云
PointCloud
Filter
。3.
如权利要求1所述的高效且高质量的高温物体点云分割方法，其特征在于，所述
S2
中，设置体素分辨率
R
voxel
，将点云
PointCloud
Filter
体素化，简化点云规模，得到采样后点云数据
PointCloud
Voxel
的具体方法包括：
S21、
根据设置的体素分辨率
R
voxel
将点云
PointCloud
Filter
进行网格化，得到网格集合
Grid
，其中
Grid
＝
{Grid
g
}
g
＝
1,2,...,gNum
，
gNum
为划分成的网格数量，
n
g
代表网格
Grid
g
中包含点的数量；
S22、
计算网格集合
Grid
中每个网格
Grid
g
的质心
CenterVoxel
g
，寻找离它最近的点
Voxel
g
，用该点代替每个网格中的点，得到体素点云
PointCloud
Voxel
，其中
Voxel
g
＝
[x
g
,y
g
,z
g
,Temprature
g
]
，，
4.
如权利要求1所述的高效且高质量的高温物体点云分割方法，其特征在于，所述
S3
中，利用
VCCS
超体素过分割算法将体素点云
PointCloud
Voxel
进行过分割，得到超体素集合
SV
的具体方法包括：
S31、
在体素点云
PointCloud
Voxel
中，使用
KD
‑
tree
以为半径搜索与当前体素
Voxel
pv
形成
26
邻接关系的体素，构建体素连通图；
S32、
以远大于
R
voxel
的
R
seed
作为网格分辨率，将体素数据
PointCloud
Voxel
网格化，选择距离每一个网格中心最近的体素作为初始种子体素，得到初始种子体素队列
Seed
voxel
＝
{seed
o
}
o
＝
1,2...,n
；对于每个种子体素建立一个半径为
R
sea...

【专利技术属性】
技术研发人员：黄雪刚，罗健浩，殷春，于哲峰，罗庆，石安华，
申请(专利权)人：中国空气动力研究与发展中心超高速空气动力研究所，
类型：发明
国别省市：