本发明涉及一种点云生成正方形基准网格面的构建方法，属于3D扫描技术领域。
背景技术：
近年来，随着计算机硬件性能的提高及价格的降低，其在扫描系统中被大量的引入。做法一般是使用点云获取装置获取物体的点云（即由多个三维离散点组成的点的集合），而后将点云数据输入计算机，执行相应软件对点云数据进行各种处理，比如计算机辅助验证（ComputerAidedVerification，CAV）、逆向工程（ReverseEngineering，RE）、有限元网格自动生成、计算机图形处理及模式识别（如人脸的识别）等。构建点云网格面是上述各种处理所需要使用的重要技术之一，也是上述各种处理所需要解决的一个关键问题。点云网格一般有三角形、四边形及多边形等多种形状。现有的技术中，只能构建点云三角网格面，对于传统的喷绘行业，由于喷绘设备喷嘴结构多为正方形或圆形，对于一些矩形图案的喷绘，需要将模型处理为由正方形基准网格组成的三维模型，传统的三角网格面无法满足作业需求。
技术实现要素：
发明目的：针对现有技术中存在的问题与不足，本发明提供一种点云生成正方形基准网格面的构建方法，能构建点云正方形基准网格面，实现多分辨网格的划分。技术方案：一种点云生成正方形基准网格面的构建方法，包括如下步骤：使用点云获取装置获取物体的原始点云数据，所述点云数据由多个三维离散点组成；采用空间八叉树和KD树的混合结构表达原始点云数据；对原始点云数据进行简化；生成基准网格；生成多分辨率网格；输出多分辨率网格。进一步的，所述对原始点云数据进行简化包括：将原始点云数据按指定大小的立方体单元进行划分，然后对立方体单元内的所有点云数据的坐标值取平均，得到简化后的点。进一步的，所述生成基准网格包括：对简化后的点进行三向分类，根据点的三向分类，分别在垂直于X轴方向、垂直于Y轴方向和垂直于Z轴方向，生成多个正方形基准网格；三方向上的正方形基准网格生成后，再对不同方向上的面进行相关面衔接，并进行多余面清除。进一步的，所述相关面衔接包括：通过对正方形基准网格进行遍历，获得组成正方形基准网格的4个特征点（正方形的四个顶点），对任意正方形基准网格的边，比较与其相邻的行、列、层的特征点，判断是否适合组成正方形基准网格（即，判断四个网格的边是否相等，是否在一个平面），如果适合组成正方形基准网格，则将这两个正方形基准网格标记为相关面，并通过衔接生成新的正方形基准网格。进一步的，所述多余面清除包括：通过对正方形基准网格进行遍历，对于没有相邻面的基准网格，认为是无效的基准网格，进行丢弃清除；对于一个基准网格的边，若有其他基准网格相邻，则判断这些基准网格是否还具备其他相邻面，如果不具备，则认为该基准网格是无效的基准网格，进行丢弃清除。进一步的，所述生成多分辨率网格包括：在生成正方形基准网格后，通过计算所有基准网格的曲率及角度，按照相邻基准网格的曲率差及角度差在指定阈值范围内的原则，将基准网格组合分成多个大的曲面（大面），在每个大的曲面上根据正方形基准网格再次生成指定分辨率的较大的正方形网格，当物体的轮廓边缘构不成较大的正方形网格时，采用小于指定分辨率的长度拟合点，扩展生成其他分辨率的网格。有益效果：与现有技术相比，本发明提供的点云生成正方形基准网格面的构建方法，实现了构建点云正方形基准网格（面），可生成多分辨率的网格（面）；生成的网格模型整体误差可控制在1cm以内；从点云数据导入到模型生成，可在两分钟左右完成。附图说明图1为本发明方法流程图。具体实施方式下面结合具体实施例，进一步阐明本发明，应理解这些实施例仅用于说明本发明而不用于限制本发明的范围，在阅读了本发明之后，本领域技术人员对本发明的各种等价形式的修改均落于本申请所附权利要求所限定的范围。点云生成正方形基准网格面的构建方法，将三维激光扫描仪对物体扫描后生成物体的数字化点云模型数据，再转化为正方形基准网格模型，并可以导出PLY文件格式。在整个点云处理过程中，需要按照点云转化网格数据处理的流程，系统处理过程分为（如图1所示）：点云坐标转换、三维离散点数据输入、数据简化、基准网格生成、多分辨率网格生成和网格输出几个环节。1）数据输入数据输入是指将三维离散点导入到系统中。2）数据简化坐标转换后的点云数据，通过空间八叉树和KD树的混合结构处理后，将已知点云数据按指定立方体单元进行划分，然后对立方体单元内的所有点云数据进行取平均值，得到简化后的点。3）基准网格生成对简化后的点进行三向分类，即按简化后的点靠近哪个坐标轴，将简化后的点分为垂直于X轴方向的点、垂直于Y轴方向的点和垂直于Z轴方向的点，根据点的三向分类，分别在垂直于X轴方向、垂直于Y轴方向和垂直于Z轴方向，按指定长度生成Ncm*Ncm(如1cm*1cm)的正方形基准网格（简称“基准网格”，基准网格的大小由参数控制），三方向上的基准网格生成后，再对不同方向上的面进行衔接，清除多余面。4）多分辨率网格生成生成基准网格后，根据已知小面（该小面可随便取）与相邻小面的关系（已知小面与相邻小面的属性不一致），将基准网格分成多个大面，在每个大面上根据基准网格(如1cm*1cm)生成指定分辨率的较大网格（如10cm*10cm），对于物体的轮廓边缘处，构不成指定分辨率的网格时，以不破坏物体的轮廓特征为准则，采用小于指定分辨率的长度拟合点，扩展其他分辨率的网格（如生成10cm*Ncm（N在1-9之间）的面）。5）网格输出网格输出是指以PLY文件格式输出多分辨率网格（模型）。举例说明：已知一辆推土机，通过激光扫描仪快速对其进行轮廓扫描，获得原始点云数据，现要通过本发明所描述的方法对其进行构建正方形网格模型和多分辨率网格模型。术语解释：点云数据：由大量三维离散点组成的数据文件。正方形网格模型：全部由正方形面组合而成来表示物体的外轮廓的三维数据文件。第一步：数据输入将转换后的三维离散点导入到系统中，采用空间八叉树和KD树的混合结构表达整体数据。由于本发明中只采集被测物体表面数据进行建模，故若完全采用空间八叉树来表达，会导致树深度过大的同时存在较多的空节点，浪费存储空间。采用混合结构的数据结构可以有效避免存储空间的浪费，又能提高搜索速度。术语解释：空间八叉树：是一种用于描述三维空间的树状的一种数据结构。KD树：KD树（K维搜索树）是把二叉搜索树推广到多维数据的一种主存数据结构。混合结构：此处混合结构是指同时使用了空间八叉树和KD树两种数据结构相结合，保留两种树的特性结构。第二步：数据简化地面激光扫描获取的模型由集中的海量点组成，点间距在2-5mm之间，称之为点云数据，海量点云数据虽然能详细描述物体特征，但却因为数据量较大，为数据处理带来了很大的困难。海量数据不仅占用了大量的计算机资源，造成数据处理缓慢，同时这些数据中，有很多是多余的。这些多余的数据不利于后续的三维建模，因此需要将数据进行简化，尽可能用最少的点最好地表达研究对象。本方法中采用的数据简化方式主要是通过将点云模型划分为1cm*1cm*1cm的基准正方体，通过对落入基准正方体内的点，计算得到其平均坐标（所有点坐标值取平均），进而得到简化后的点云数据，一般可以对原有数据量进行100倍左右的简化，同时本方法对简化后的点云，根据X轴、Y轴和Z轴对每个基准正方体进行分层编码（如某个基准正方体属于第几行（横向位置）、第几列（纵向位置）、第几层（高度位置））。第三步：基准网格生成基准网格生成就是指对点云数据进行按正方形网格对其生成由面构成的模型，取代原有由点组成的模型。本方法通过对简化后的点进行三向分类（按简化后的点靠近哪个坐标轴，将点分为垂直于X轴方向的点，垂直于Y轴方向的点和垂直于Z轴方向的点），根据点的三向分类，分别在垂直于X轴方向，垂直于Y轴方向和垂直于Z轴方向，生成1cm*1cm的正方形基准网格，三方向上的基准网格生成后，再对不同方向上的面进行相关面衔接，并进行多余面清除。术语解释：相关面衔接：相关面衔接指的是通过对基准网格进行遍历，获得组成基准网格的4个特征点，本方法中由于所有特征点都具有行、列、层三个属性，因此系统中的相关面衔接指的是，对任意基准网格的边，通过查询比较与其相邻的行、列、层的特征点，判别是否适合组成新的基准网格，若满足形成新的基准网格的条件（即可以组成正方形），则此两个面标记为相关面，并通过衔接生成新的正方形面（即新的基准网格，或称“基准网格面”）。多余面清除：指的是通过对已经构成的所有基准网格面进行遍历，对于那些没有相邻面（即与该面具有公共边）的基准网格，称为独立基准网格，本方法认为其为无效的基准网格，则进行丢弃清除，其次本方法还规定，对于一个基准网格的边，若同时具备多个基准网格相邻，则判断这些相邻的基准网格是否还具备其他相邻的基准网格，若不具备，则本方法认为该基准网格为无效的基准网格，则进行丢弃清除。第四步：多分辨率网格生成多分辨率网格指的是组成模型除标准正方形网格外，对于一些特定区域无法构成标准正方形网格的地方，可以采用构建长方形或者更小的正方形来实现。本方法中采用的方式是，在生成基准网格后，通过计算所有基准网格面的曲率及角度，按照相近原则，将基准网格组合分成多个大的曲面（如车辆的侧面由几百个1cm*1cm小面组成，但是因为大部分小面都具备同样的方向和曲率，以此可以将车辆的侧面大部分划分为一个大面）。本方法中在每个大面上根据基准网格(1cm*1cm)再次进行划分生成指定分辨率的较大网格（如10cm*10cm），当装备轮廓边缘构不成Ncm*Ncm（10cm*10cm）的正方形面时，以不破坏物体的轮廓特征为准则，采用小于指定分辨率的长度拟合点，扩展生成其他分辨率的面。第五步：网格输出将符合指定分辨率大小的网格与不符合的网格区分出来，分别赋以不同颜色，以ply（一种线面模型的数据结构文件）文件格式输出多分辨率网格模型。