本发明专利技术公开了一种基于分段重采样和表面三角化的点云增强方法。它的具体步骤如下:对输入点云进行分割,得到点云的子集的集合,对每个子集进行重采样,滤除数据噪声,得到空间分布更为均匀的新点集;合并重采样后的所有新点集的集合,得到新的点云,对新的点云进行表面三角化,得到三角网格模型。本发明专利技术方法在对环境结构进行准确恢复的同时,避免了环境原有的边缘、转角被错误地平滑掉;根据模型表面形状变化剧烈程度的不同而选择不同的采样密度,模型表示更为高效;在模型局部将点集投影到二维平面上进行三角化,计算效率比直接在三维空间中进行三角化更高。
【技术实现步骤摘要】
【专利摘要】本专利技术公开了。它的具体步骤如下:对输入点云<img file="2013107425845100004dest_path_image001.TIF" wi="13" he="32" />进行分割,得到点云<img file="835430dest_path_image001.TIF" wi="13" he="32" />的子集的集合<img file="752571dest_path_image002.TIF" wi="37" he="24" />,对每个子集<img file="2013107425845100004dest_path_image003.TIF" wi="20" he="32" />进行重采样,滤除数据噪声,得到空间分布更为均匀的新点集<img file="dest_path_image005.TIF" wi="23" he="32" />;合并重采样后的所有新点集的集合<img file="250417dest_path_image006.TIF" wi="40" he="32" />,得到新的点云<img file="dest_path_image007.TIF" wi="16" he="32" />,对新的点云<img file="114468dest_path_image007.TIF" wi="16" he="32" />进行表面三角化,得到三角网格模型<img file="397682dest_path_image008.TIF" wi="15" he="32" />。本专利技术方法在对环境结构进行准确恢复的同时,避免了环境原有的边缘、转角被错误地平滑掉;根据模型表面形状变化剧烈程度的不同而选择不同的采样密度,模型表示更为高效;在模型局部将点集投影到二维平面上进行三角化,计算效率比直接在三维空间中进行三角化更高。【专利说明】
本专利技术涉及环境信息采集和点云处理领域,尤其涉及。
技术介绍
传统的点云增强方法对点云直接进行重采样,然后进行表面三角化,或是不进行重采样而直接进行表面三角化。对于传感器采集的真实环境数据,噪声较大,若直接进行表面三角化,三角网格表面将凹凸不平,模型效果差。即便进行重采样,虽能提升点云密度,达到更好的模型近似效果,但也但也会因重采样的平滑作用削弱环境原有的边、角等结构。
技术实现思路
本专利技术的目的是克服现有技术的不足,提供。基于分段重采样和表面三角化的点云增强方法的具体步骤如下: 1)对输入点云C进行分割,得到点云L的子集的集合ICjJ,每个子集Cif均表示一块形状规则的表面;2)单独对每个子集Cli进行重采样,滤除数据噪声,得到空间分布更为均匀的新点集 3)合并重采样后的所有新点集的集合if“,得到新的点云C、对新的点云C进行表面三角化,得到三角网格模型T ;若存在观测位姿已知的彩色图片,则将彩色纹理映射到三角网格表面,得到带彩色纹理的三角网格表面模型,否则只得到三角网格模型T。所述的步骤I)中对输入点云L进行分割的方法为:使用区域增长算法,以每次在点云C中随机选取的区域增长种子点为起始,以分割得到的点集所表示的表面一阶连续、二阶连续为条件,通过不断吸纳符合增长条件的新点,拓展该区域的范围,若不能再拓展,则另取种子点并拓展下一个区域,直至所有点被拓展完毕。所述的一阶连续条件为:【权利要求】1.,其特征在于,它的具体步骤如下: 1)对输入点云C进行分割,得到点云L的子集的集合fC.U,每个子集均表示一块形状规则的表面; 2)单独对每个子集Cli进行重采样,滤除数据噪声,得到空间分布更为均匀的新点集 3)合并重采样后的所有新点集的集合if“,得到新的点云C,对新的点云C进行表面三角化,得到三角网格模型T ;若存在观测位姿已知的彩色图片,则将彩色纹理映射到三角网格表面,得到带彩色纹理的三角网格表面模型,否则只得到三角网格模型T。2.根据权利要求1所述的基于分段重采样和表面三角化的点云增强方法,其特征在于,所述的步骤I)中对输入点云(:进行分割的方法为:使用区域增长算法,以每次在点云€中随机选取的区域增长种子点为起始,以分割得到的点集所表示的表面一阶连续、二阶连续为条件,通过不断吸纳符合增长条件的新点,拓展该区域的范围,若不能再拓展,则另取种子点并拓展下一个区域,直至所有点被拓展完毕。3.根据权利要求2所述的基于分段重采样和表面三角化的点云增强方法,其特征在于,所述的一阶连续条件为: 4.根据权利要求2所述的基于分段重采样和表面三角化的点云增强方法,其特征在于,所述的步骤2)为,利用移动最小二乘法对每个子集进行重采样,搜索Cfc中每个点周围半径小于r范围内的数量不超过η的所有最近邻点,得到点集况,为N拟合平面G,以况在平面G内的投影点位置为自变量,N到平面G的距离为函数值,拟合二元二次函数/,在该局部区域以为/采样函数、P为采样密度进行重采样。5.根据权利要求4所述的基于分段重采样和表面三角化的点云增强方法,其特征在于,所述的为JV拟合平面G的方法为:计算点集JV的均值,得到平面G的中心Ccs ;计算况?的特征向量,其最小特征值对应的特征向量即为平面G的法向量;平面G的中心C1e和法向量Me即表示了一个经过中心£^、法向量为IltJ的平面。6.根据权利要求4所述的基于分段重采样和表面三角化的点云增强方法,其特征在于,所述的拟合二元二次函数f的方法为:对于点集iV中每一点||,假定iV&V另两个特征值对应的特征向量分别为《^和,计算一个以Λ;、:¥为自变量,厶(x,y)为值的键值对, 7.根据权利要求4所述的基于分段重采样和表面三角化的点云增强方法,其特征在于,所述的以Pi为米样密度进行重米样的方法为:米样密度与局部表面曲率σ的关系为 8.根据权利要求7所述基于分段重采样和表面三角化的点云增强方法,其特征在于,所述的局部表面曲率(j的计算方法为:对于点云中的一点i ,其周围半径小于r范围内的数量不超过η的所有最近邻点组成的点集为iV ,I1、λ2、λ3为N7N的三个特征值,则 9.根据权利要求1所述的基于分段重采样和表面三角化的点云增强方法,其特征为,所述的步骤3)中对新的点云C进行表面三角化的方法为:对于新的点云(T中的每个点,其周围半径小于r范围内的数量不超过η的所有最近邻点组成的点集为JV,为点集JV拟合的平面为G,将点集Ar包含的所有点投影到平面G上得到二维点集Λτ/,利用基于局部搜索的二维三角化算法逐点建立与周围点的连接关系,将该连接关系映射回新的点云£Τ,即实现了新的点云Ci的表面三角化。10.根据权利要求1所述的基于分段重采样和表面三角化的点云增强方法,其特征为,所述的步骤3)中将彩色纹理映射到三角网格表面的方法为:记三角网格模型中某一顶点在相机坐标系下的位置为P ,其对应的图像像素P计算公式为: 【文档编号】G06T15/00GK103729872SQ201310742584【公开日】2014年4月16日 申请日期:2013年12月30日 优先权日:2013年12月30本文档来自技高网...
【技术保护点】
一种基于分段重采样和表面三角化的点云增强方法,其特征在于,它的具体步骤如下:1)对输入点云进行分割,得到点云的子集的集合,每个子集均表示一块形状规则的表面;2)单独对每个子集进行重采样,滤除数据噪声,得到空间分布更为均匀的新点集;3)合并重采样后的所有新点集的集合,得到新的点云,对新的点云进行表面三角化,得到三角网格模型;若存在观测位姿已知的彩色图片,则将彩色纹理映射到三角网格表面,得到带彩色纹理的三角网格表面模型,否则只得到三角网格模型。
【技术特征摘要】
【专利技术属性】
技术研发人员:熊蓉,李千山,
申请(专利权)人:浙江大学,
类型:发明
国别省市:
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。