专利名称：一种基于局部采样的多几何特征点云数据的分割方法
技术领域：
本发明涉及一种点云数据的分割方法，尤其涉及一种基于局部采样的多几何特征点云数据的分割方法，该方法更适用于处理海量点云数据。
背景技术：
激光点云数据分割，是根据一定的属性或规则，将点云数据分割为若干互不相交的子集的过程。目前，激光点云数据分割主要利用点云数据的几何信息(曲率、法向、高斯球等)或者光谱信息(多结合几何信息)。基于几何信息的方法主要有基于边的分割、基于面的分割以及其他方法。基于边的分割方法是根据一定的属性或规则探测突变边界，根据突变边界分割数据体；基于面的分割方法是根据几何空问特性，把点云数据分为不同的类别；其它方法包括基于扫描线的分割、基于Level Set的分割、基于Reeb图的分割等。
在人工环境中，目标对象多以规则几何形体(平面、柱面、球面等)组成，基于面的分割能为人们提供点云数据的抽象表达，且在激光点云后处理中具有重要应用，如点云数据的自动配准、模型与拓扑重建、空间数据组织与分析、点云数据滤波与精简等，因此基于面的分割方法获得了广泛的认可。
在基于面的方法中，RANSAC和HOUGH变换是其中最著名的方法，但HOUGH变换存在效率低、内存消耗高等缺点，不适合处理海量点云数据。RANSAC具有内存消耗低，方法简单、通用、易扩展等特点，因此在点云数据处理中获得了广泛的应用。但是传统未经优化的RANSAC方法，采用全局采样策略，即从全部的点云数据中选取采样点进行几何模型的构建，这样容易产生“拟合出现实世界中所不具有的模型”的问题，举例来说，当从一建筑物内部的全部的点云数据中选取了三个采样点拟合出一平面，这三个采样点可能分别来自于屋顶、墙面和底板，这样得到的平面在现实世界是完全不存在的，得出的结果与现实相去甚远，影响了计算效率；同时，RANSAC方法一次计算只能从点云数据中确定出一个几何特征，而现实人工对象多以多种规则几何形体(即多几何基元)组成，因此如何在海量点云数据中有效提取多几何基元特征在现实应用中具有重要的意义。发明内容
本发明提供了一种更适合处理海量点云数据的、可快速提取几何特征的基于局部采样的多几何特征点云数据的分割方法。
本发明提供的技术方案为:
—种基于局部采样的多几何特征点云数据的分割方法，包括以下步骤:
步骤一、利用激光扫描仪对目标对象进行扫描取点，以获取目标对象的点云数据；
步骤二、利用三维规则格网将对所获取的全部的点云数据划分为多个第一格网单元;
步骤三、从全部的点云数据中提取多个几何特征，多个几何特征的提取过程包括:(I)以全部的点云数据为第一当前数据集，(2)在第一当前数据集中随机选取一个采样点，确定该采样点所在的当前第一格网单元，利用该采样点以及当前第一格网单元内的其他点构建出α个候选几何模型，(3)从α个候选几何模型中确定一最优模型，(4)在第一当前数据集中，计算步骤(3)得到的最优模型的一致集，该一致集为一个子集，则第一当前数据集中不属于该一致集的点形成下一个第一当前数据集，重复(2) (4)，根据多个几何特征将全部的点云数据的分割成多个子集。
优选的是，所述的基于局部采样的多几何特征点云数据的分割方法中，所述步骤三的(3)中，当α个候选几何模型中只有一个候选几何模型满足以下条件:在当前第一格网单元的点中，当一个候选几何模型的一致集的点的数目到达第一阈值时，则将该候选几何模型作为最优模型。
优选的是，所述的基于局部采样的多几何特征点云数据的分割方法中，所述步骤三的(3)中，当d个候选几何模型中有β个候选几何模型满足以下条件:在当前第一格网单元的点中，一个候选几何模型的一致集的点的数目到达第一阈值，其中，β ( α，则利用超几何分布方法对P个候选几何模型进行验证，从β个候选几何模型确定最优模型，具体过程为:
(I)对于β个候选几何模型中的任一个候选几何模型Ψ，以其在当前格网单元S1的一致集的点的数目作为其在当前格网单元SI的局部打分％4(Φ)，
则一个候选几何模型中在多个格网单元的全局打分'3Ρ(ψ.)推断为:
权利要求
1.一种基于局部采样的多几何特征点云数据的分割方法，其特征在于，包括以下步骤: 步骤一、利用激光扫描仪对目标对象进行扫描取点，以获取目标对象的点云数据；步骤二、利用三维规则格网将对所获取的全部的点云数据划分为多个第一格网单元；步骤三、从全部的点云数据中提取多个几何特征，多个几何特征的提取过程包括:(1)以全部的点云数据为第一当前数据集，(2)在第一当前数据集中随机选取一个采样点，确定该采样点所在的当前第一格网单元，利用该采样点以及当前第一格网单元内的其他点构建出α个候选几何模型，(3)从α个候选几何模型中确定一最优模型，(4)在第一当前数据集中，计算步骤(3)得到的最优模型的一致集，该一致集为一个子集，则第一当前数据集中不属于该一致集的点形成下一个第一当前数据集，重复(2) (4)，根据多个几何特征将全部的点云数据的分割成多个子集。
2.如权利要求1所述的基于局部采样的多几何特征点云数据的分割方法，其特征在于，所述步骤三的(3)中，当α个候选几何模型中只有一个候选几何模型满足以下条件:在当前第一格网单元的点中，当一个候选几何模型的一致集的点的数目到达第一阈值时，则将该候选几何模型作为最优模型。
3.如权利要求2所述的基于局部采样的多几何特征点云数据的分割方法，其特征在于，所述步骤三的(3)中，当α个候选几何模型中有β个候选几何模型满足以下条件:在当前第一格网单元的点中，一个候选几何模型的一致集的点的数目到达第一阈值，其中，β ( α，则利用超几何分布方法对β个候选几何模型进行验证，从β个候选几何模型确定最优模型，具体过程为: (1)对于β个候选几何模型中的任一个候选几何模型Ψ，以其在当前格网单元SJA一致集的点的数目作为其在当前格网单元SI的局部打分σ5ι(ψ)， 则一个候选几何模型山在多个格网单元的全局打分(中)推断为:
4.如权利要求1所述的基于局部采样的多几何特征点云数据的分割方法，其特征在于，所述步骤三的(2)中，当当前第一格网单元满足条件:当一个第一格网单元内的所有的点中曲率方差大于第二阈值的点所占的比重大于第三阈值，则重新在第一当前数据集中随机选取一个采样点，并重新确定该采样点所在的当前第一格网单元。
5.如权利要求3所述的基于局部采样的多几何特征点云数据的分割方法，其特征在于，所述步骤三的(3)中，在当前第一格网单元的点中，一个候选几何模型的一致集的点满足以下条件:当前第一格网单元的一个点的法向与该点在候选几何模型的投影点的法向的夹角小于一第四阈值，以及该点到候选几何模型的距离小于第五阈值。
6.如权利要求3所述的基于局部采样的多几何特征点云数据的分割方法，其特征在于，所述步骤三的(3)中，所述第一阈值为当前第一格网单元的点的数目的一半。
7.如权利要求3所述的基于局部采样的多几何特征点云数据的分割方法，其特征在于，所述步骤三中，对最优模型的一致集进行共面分割，具体过程为: (1)选择第二规则格网将最优模型的一致集划分为多个第二格网单元，以最优模型的一致集为第二当前数据集， (2)选择第二当前数据集对应的其中一个不为空的第二格网单元进行领域搜索， (3)当与该第二格网单元的相邻的一个第二格网单元不为空时，则再对相邻的第二格网单元进行领域搜索，当与该第二格网单元的相邻的一个第二格网为空时，则相邻的第二格网单元位于当前聚集区域的边界， (4)重复(3)，直至确定出当前聚集区域的边界，则不属于当前聚集区域的点构成下一个第二当前数据集， (5)重复⑵ ⑷。
8.如权利要求7所述的基于局部采样的多几何特征点云数据的分割方法，其特征在于，所述步骤二中，a个候选几何模型包括若干候选平面模型、若干候选圆柱面模型、若干候选球面模型。
9.如权利要求8所述的基于局部采样的多几何特征点云数据的分割方法，其特征在于，当最优模型为平面模型，第二规则格网为二维正方形规则格网，当最优模型为圆柱面模型，则将该圆柱面模型沿其轴向展成平面，再选择第二规则格网进行划分，且第二规则格网为二维正方形规则格网，当 最优模型为球面模型时，则第二规则格网为QTM格网。
全文摘要
本发明公开了一种基于局部采样的多几何特征点云数据的分割方法，包括利用三维规则格网将对所获取的全部的点云数据划分为多个第一格网单元；每个几何特征的提取过程包括在第一当前数据集中随机选取一采样点，确定该采样点所在的当前第一格网单元，利用该采样点以及当前第一格网单元内的其他点构建出α个候选几何模型，从α个候选几何模型中确定一最优模型，在第一当前数据集中，计算最优模型的一致集，根据多个几何特征将全部的点云数据的分割成多个子集。本发明从局部采样，在一个第一格网单元中构建候选几何模型，在多个候选几何模型中确定出最优模型，从而实现一个几何特征的提取，避免出现“拟合出现实中不存在的模型”的问题，本发明的效率更高。
文档编号G06T5/50GK103247041SQ201310181368
公开日2013年8月14日 申请日期2013年5月16日 优先权日2013年5月16日
发明者王晏民, 石宏斌 申请人:北京建筑工程学院