当前位置: 首页 > >

多阈值提取*面点云边界点的方法

发布时间:

龙源期刊网 http://www.qikan.com.cn 多阈值提取*面点云边界点的方法 作者:廖中* 刘科 向雨 蔡晨光 来源:《计算机应用》2016 年第 07 期 摘要:针对基于切片技术的点云数据重建算法需要提取切片内点云边界点,及现有算法效 率低、提取效果不好等问题,提出一种多阈值提取*面点云边界点的算法。通过选取判断点的 k 个*邻点,计算相邻两点与判断点连线间夹角,由于边界点必存在最大夹角,通过判断最大 夹角是否超过设定阈值,从而快速提取边界点。通过对阈值设值分析,不同点云数据的边界提 取实验及几种方法间比较,该方法不受点云形状影响,均能较好提取边界点,且优于其他 3 种 算法。结果表明该方法在保证原始点云特征信息的前提下,可较好提取边界点,提高后续点云 重建速度与效率。 关键词: 点云;边界点;阈值;效率;点云形状 中图分类号: P232; TP391.41 文献标志码:A 0 引言 三维激光扫描技术能快速获取扫描对象表面的大量点云数据,基于点云数据对物体进行三 维重建,已成为当前逆向工程三维重构领域中的研究热点[1-2]。采用切片技术的点云重建方法 可将原始无序的三维点云数据转化为具有层次结构、有序组织形式的数据,使得对物体的重建 更加有效。切片技术就是用一组*行*面沿着某一给定方向、给定间隔对三维点*谢郑 再将*面两侧的点云投影到*面上,从而将三维点云转换为二维点集,在此基础上再进行物体 表面重建[3-4],因此,如何提取投影在*面上点云的边界点,成为后续物体表面三维重构的重 要一步。 文献[5]中,在提取*面边界点时提出以判断点为中心,将其邻域采用不同的分割方法分 成若干区域,再根据某一区域内是否有散乱点作为判断准则来提取边界点。由于每进行一次判 断,需要将其他散乱点遍历一次,导致运算速度慢,效率低。文献[6]中,将判断点的邻域从 4 个均匀区域增至 8 个均匀的区域,提取效果有所改善,仍不能较好提取凹陷区域边界点。文献 [7]在提取三维边界散乱点云时,采用 R*tree 对点云数据进行动态聚类划分,依据 k *邻点以 最小二乘法拟合该点集的切*面,将 k 个点投影在切*面上,再以点云中最大夹角与设定的阈 值为依据来提取边界点;但文中未对阈值大小的设置进行分析,也未考虑*面上点云形状对提 取效果的影响。文献[8]中,通过计算判断点周边点之间的夹角,采用角度标准差作为边界点 判断依据来提取三维点云边界点;但该方法对离散、分布不均匀的点云提取效果不理想。文献 [9]中,在提取保留三维边界点时,将*邻点投影到某一*面上,然后选取若干参考面,统计 位于参考面两侧的点数,以两侧点数之差作为判断的标准;但该方法不适合*面点云边界点的 龙源期刊网 http://www.qikan.com.cn 提取。文献[10]中,采用矢量合成的思想,将判断点周围点构成矢量并单位化后进行叠加,依 据叠加后的矢量的模与矢量数量的比值作为判断准则;但该算法对非均匀分布的点云及凹陷处 的边界点提取效果不理想。 以上一些算法在提取三维边界点时,效果较好;但经实验将其计算思想应用在提取二维* 面散乱点的边界点时,则提取效果不理想,尤其是有凹陷的点云形状边界的提取。同时计算过 程复杂、繁琐,如文献[5]需要进行区域划分。本文在文献[7]基础上进行改进,提出一种基于 多阈值的提取*面点云边界点算法,不需对*邻点进行区域划分。同时对本方法中阈值的设定 进行了分析,实验结果表明,依据本文的阈值设置原则,使用本文方法能够较好地提取边界 点。 1 多阈值提取*面点云边界点的方法 1.1 *邻点的检索 二维*面散乱点云没有明显的几何分布特征,点与点之间也没有*斯叵担虼说钡阍剖 量巨大,寻找 k *邻点时,有必要建立点云间的*斯叵担岣咚阉魉俣取3S梅椒ㄓ姓じ 法、八叉树法、空间单元格法和 KDtree 法等[11]。由于切片面上点云数据量较小,且为二维点 云数据,因此采用简单的栅格法建立点间的*斯叵担岣 k *邻点搜索速度。栅格大小的设 置与点云密度有关,如果设置不当,会影响计算效率[11]。 点云密度 ρ 的估算方法如下所示。 在点云中随机抽取 n 个点,对每个点 gi(i=1,2,…,n)在点云中搜索距其距离最*的 m 个点,并计算每点到其距离 Di,求其*均值即为点云密度估计值: ρ=(∑ni=1∑mj=1Dji)/(n× m)(1) 依此密度值设置栅格尺寸,在获取得到*邻点后,可依据距离对*邻点排序,获得最*的 k 个*邻点[12]。 1.2 点集的几何特性分析 判断点 P 的*邻点分布,若*邻点偏向一侧,则认为 P 点为边界点;反之若*邻点均匀分 布在其四周,该点则为内部点。P 点为内部点和外部点的点集分布如图 1 所示。 边界点具有不确定性,即边界点是否处在边界线上,是不确定的,如图 2 所示,因此,不 能提取出完全与边界一致的点,而只能提取出其*似边界点,但要在最大限度上保留其边界特 征[5]。 1.3 判断过程 龙源期刊网 http://www.qikan.com.cn 依据预测点云密度 ρ 设置栅格尺寸,获取 k 个*邻点。以当前判断点 P 为中心,分别连接 各个*邻点,以选定的某一方向为起始方向,顺时针旋转到*邻点所在的线上,得到 k 个与之 对应的旋转角,如图 3 所示。 2 实验及分析 2.1 实验说明 本文使用 Leica C10 三维激光扫描仪采集数据,选取 5 类点云数据,分布情况如图 5 所 示。其中:图 5(a)对应具有一定弧度、*似圆形的点云数据;图 5(b)中则将矩形与圆形 进行组合;图 5(c)为任意多边形点云数据;图 5(d)为线状点与面状点组合;图 5(e)中 则是更加复杂的组合。其中各点云的点数及密度情况如表 1 所示。同时增加了文献[6]、[8]、 [10]对应方法与本文方法的比较。由于各算法效率与获得邻*点方法及邻*点数量有关,因此 采用两套标准比较:第 1 套



友情链接: