一种室内场景非均匀三维点云数据的三角网格建模方法

一种室内场景非均匀三维点云数据的三角网格建模方法
【专利摘要】本发明涉及一种三角网格建模方法，一种室内场景非均匀三维点云数据的三角网格建模方法，包括以下步骤：步骤1.获取室内场景非均匀三维点云数据；步骤2.邻域切平面投射；步骤3.对投射邻域N′进行优化；步骤4.获取给定点p的Delaunay邻边；步骤5.完成三角网格建模：重复步骤2-4，对每个点重复上述算法，继而完成整个三维点云的三角网格建模。本发明利用扇形区域均匀划分和各向均衡选择，较好地在各个方向上选择了给定点的邻点，使之邻域在各个方向上的分布更加均衡，实现了室内场景非均匀三维点云数据的精确建模。与此同时，各向最近邻点的选择还有效地精简了给定点的邻域，使本方法具有更低的运行时间和更高的建模效率。
【专利说明】一种室内场景非均匀三维点云数据的三角网格建模方法

【技术领域】
[0001]本发明涉及一种三角网格建模方法，更具体地说，涉及一种室内场景非均匀三维点云数据的三角网格建模方法。

【背景技术】
[0002]随着三维扫描测距技术的发展，三维点云数据在逆向工程、工业检测、自主导航等领域的应用越来越为广泛。三维点云数据处理技术作为实现上述应用的基础，发挥了至关重要的作用。在三维点云数据处理技术中，三维点云数据的三角网格建模是一个非常关键的技术。由于室内环境为一种结构化场景，因此三角网格建模技术特别适合室内场景的三维建模，其不仅可以形象逼真地描述室内场景，而且为室内场景的分类和目标识别打下了良好的基础。优秀三角网格建模方法的引入可以大幅度改善实际应用情况，提高应用性能。在获取室内场景三维点云数据时，激光测距设备逐行扫描的工作特性和室内环境结构的突然变化，极易造成扫描行间距的不稳定，从而使得三维点云数据的分布变得极其不均匀，给室内场景的三角网格建模带来了较大的困难。三维点云数据的三角网格建模一直是三维点云数据处理领域的研究热点，其建模方法大致可分为两大类:基于Delaunay三角化的建模方法和区域增长的建模方法。一般而言，基于Delaunay三角化的建模方法，虽然有良好的运行结果，但需要大量的运算，以致其算法的执行效率较低、建模速度较慢；区域增长的建模方法有良好的运行效率，建模速度较快，但有时其建模效果却不甚理想。针对于非均匀三维点云数据的三角网格建模，目前国内外罕见报道，已有的三角网格建模技术已不再适用。例如，比较著名的旋转球算法(Ball-Pivoting Algorithm)就需要按照不同大小的球多次运行来处理不均匀的三维点云数据，并且有时结果并不理想；再如，基于二维Delaunay三角化的曲面重建方法，其侧重于切平面内的采样点Delaunay邻边的构建，并将将它们反向投射到三维空间中，以形成三角网格模型，该方法运行速度较快，但对采样条件和点云分布有着严格的限制，无法处理非均匀三维点云数据，在每次局部三角化时，很难得到准确的Delaunay邻边，整体建模效果较差。


【发明内容】

[0003]为了克服现有技术中存在的不足，本发明目的是提供一种室内场景非均匀三维点云数据的三角网格建模方法。该方法针对一个室内场景，首先利用激光扫描测距仪获取室内场景的非均匀三维点云数据，其实质为三维空间内的一个非均匀点集，然后通过一定的表面建模方法将该点集构造成一个三角形网格拓扑结构，以准确描述真实的室内场景。该方法解决了由于点云数据分布不均匀而带来的建模质量较低、无法描述实际场景、与真实拓扑结构背离等问题，并且还具有较快的建模速度。
[0004]为了实现上述发明目的，解决现有技术中所存在的问题，本发明采取的技术方案是:一种室内场景非均匀三维点云数据的三角网格建模方法，包括以下步骤:
[0005]步骤1、获取室内场景非均匀三维点云数据:通过激光传感器，获取室内场景信息，作为非均匀三维点云数据；
[0006]步骤2、邻域切平面投射:选取给定点p = (X，y，z)，计算三维点云的平均距离d，设定5d为邻域半径,获取该给定点的邻域N = (Pi = (xi; yi; zD 11彡i彡k},其中:Pi为邻点，i为邻点的序号，k为邻点的个数，通过p点周围的邻域N,计算该点p的法向量η ;通过该法向量η，构建ρ点处的切平面Τ，并将邻点Pi投射到切平面T上，记投射后的点集为投射邻域N'；
[0007]步骤3、对投射邻域N'进行优化:通过扇形区域均匀划分和各向均衡选择，进一步优化给定点P的投射邻域N'，使给定点P在各个方向上均有最近的投射邻点，记优化后的点集为优化邻域N"；
[0008]步骤4、获取给定点ρ的Delaunay邻边:利用二维Delaunay方法对给定点ρ及其优化邻域Ν"进行三角网格建模，将获取的二维Delaunay三角网格反向映射到三维邻域空间，并提取和存储与给定点P相连的三维Delaunay邻边；
[0009]步骤5、完成三角网格建模:重复步骤2-4，对每个点重复上述算法，继而完成整个三维点云的三角网格建模。
[0010]所述步骤2邻域切平面投射，具体包括以下子步骤:
[0011]步骤(a)、计算三维点云的平均距离d，设定5d为邻域半径，提取给定点ρ的邻域N；
[0012]步骤(b)、通过公式
[0013]M = Eti(P1- Ρ)(Ρ? - pf⑴
[0014]求取邻域N的协方差矩阵Μ,式中％为邻点，i为邻点的序号，k为邻点的个数，T为向量转置符号，其将列向量转置为行向量；
[0015]步骤(c)、求取Μ的特征值λ ρ λ 2、λ 3( λ ^ λ 2〈 λ 3)，以及相应的特征向量w
ν3 ；
[0016]步骤(d)、将最小特征值λ i对应的特征向量Vl单位化，即得到给定点ρ的法向量η ；
[0017]步骤(e)、将邻域N中的每个点均投射到法向量η所对应的切平面Τ上，将投射后的点集记为投射邻域Ν'。
[0018]所述步骤3对投射邻域Ν'进行优化，具体包括以下子步骤:
[0019]步骤(a)、在切平面T内，以给定点ρ为原点，构建过原点ρ的直线，并使之从水平位置开始顺时针旋转一周，每间隔22.5度，划分一个扇形区域，最终可形成16个以原点ρ为中心的扇形区域；
[0020]步骤(b)、将位于ρ点切平面T内的投射邻域N'置入步骤(a)中划分好的扇形区域内；
[0021]步骤(c)、提取每个扇形区域中距离原点ρ最近的点，这些点就构成优化后的点集，记为优化邻域N"。
[0022]所述步骤4获取给定点ρ点的Delaunay邻边,具体包括以下子步骤:
[0023]步骤(a)、采用分治的方法，将优化邻域N"按照X坐标，划分为若干个小区域，每个小区域中的点个数不大于3，对于每个小区域而言，要求都能保证符合Delaunay判据；
[0024]步骤(b)、将相邻小区域整合为一个较大的符合Delaunay判据的区域；
[0025]步骤(c)、重复步骤(b)，再将每个较大区域逐层合并，直至所有较大区域合并为一个整体，至此，单次的局部Delaunay三角划分完成；根据Delaunay三角化的唯一'丨生准则，可以得到唯一的Delaunay三角化结果；
[0026]步骤(d)、从构建的二维Delaunay三角划分结果中提取与给定点ρ相连的边，将其反向映射到三维邻域空间，并进行存储，所存储的边即为给定点P点的三维Delaunay边。
[0027]本发明有益效果是:一种室内场景非均匀三维点云数据的三角网格建模方法，包括以下步骤:步骤1、获取室内场景非均匀三维点云数据:通过激光传感器，获取室内场景信息，作为非均匀三维点云数据；步骤2、邻域切平面投射:选取给定点ρ = (X，y, z)，计算三维点云的平均距离d,设定5d为邻域半径,获取该给定点的邻域N = (Pi = (xi； yi；Zi) |1彡i彡k}，其中:Pi为邻点，i为邻点的序号，k为邻点的个数，通过ρ点周围的邻域N,计算该点ρ的法向量η ;通过该法向量η，构建ρ点处的切平面Τ，并将邻点Pi投射到切平面T上，记投射后的点集为投射邻域N';步骤3、对投射邻域N'进行优化:通过扇形区域均勻划分和各向均衡选择，进一步优化给定点P的投射邻域N',使给定点ρ在各个方向上均有最近的投射邻点，记优化后的点集为优化邻域N";步骤4、获取给定点ρ的Delaunay邻边:利用二维Delaunay方法对给定点ρ及其优化邻域Ν"进行三角网格建模，将获取的二维Delaunay三角网格反向映射到三维邻域空间，并提取和存储与给定点ρ相连的三维Delaunay邻边；步骤5、完成三角网格建模:重复步骤2_4，对每个点重复上述算法，继而完成整个三维点云的三角网格建模。与已有技术相比，本发明利用扇形区域均匀划分和各向均衡选择，较好地在各个方向上选择了给定点的邻点，使之邻域在各个方向上的分布更加均衡，实现了室内场景非均匀三维点云数据的精确建模。与此同时，各向最近邻点的选择还有效地精简了给定点的邻域，使本方法具有更低的运行时间和更高的建模效率。

【专利附图】

【附图说明】
[0028]图1是本发明的流程图。
[0029]图2是本发明步骤的示意图。
[0030]图中:(a)是邻域切平面投射图，(b)是对投射邻域N'进行优化图，(c)是获取给定点P的Delaunay邻边图，(d)是切平面下的Delaunay建模图。
[0031]图3是未米用本发明的局部平面三角网格建模不意图。
[0032]图4是室内场景1非均匀三维点云数据的三角网格建模结果图。
[0033]图中:(a)是整体效果图，(b)、(c)分别是局部细节图。
[0034]图5是室内场景2非均匀三维点云数据的三角网格建模结果图；
[0035]图中:(a)是整体效果图，(b)、(c)分别是局部细节图。

【具体实施方式】
[0036]下面结合附图对本发明作进一步说明。
[0037]如图1所示，一种室内场景非均匀三维点云数据的三角网格建模方法，包括以下步骤:步骤1、获取室内场景非均匀三维点云数据:通过激光传感器，获取室内场景信息，作为非均勻三维点云数据；步骤2、邻域切平面投射:选取给定点p = (x,y,z),计算三维点云的平均距离d,设定5d为邻域半径,获取该给定点的邻域N = (Pi = (χ^Υ?,Ζ?) 11彡i彡k},其中:Pi为邻点，i为邻点的序号，k为邻点的个数，通过ρ点周围的邻域N,计算该点ρ的法向量η ;通过该法向量η，构建ρ点处的切平面Τ，并将邻点Pi投射到切平面T上，记投射后的点集为投射邻域N';步骤3、对投射邻域N'进行优化:通过扇形区域均匀划分和各向均衡选择，进一步优化给定点P的投射邻域N'，使给定点ρ在各个方向上均有最近的投射邻点，记优化后的点集为优化邻域N";步骤4、获取给定点ρ的Delaunay邻边:利用二维Delaunay方法对给定点ρ及其优化邻域Ν"进行三角网格建模，将获取的二维Delaunay三角网格反向映射到三维邻域空间，并提取和存储与给定点P相连的三维Delaunay邻边；步骤5、完成三角网格建模:重复步骤2-4，对每个点重复上述算法，继而完成整个三维点云的三角网格建模。
[0038]所述步骤2邻域切平面投射，具体包括以下子步骤:
[0039]步骤(a)、计算三维点云的平均距离d，设定5d为邻域半径，提取给定点ρ的邻域N；
[0040]步骤(b)、通过公式
[0041]Μ = Σ(=ι(Ρ? -Ρ)(Ρι(1 )
[0042]求取邻域Ν的协方差矩阵Μ,式中％为邻点，i为邻点的序号，k为邻点的个数，T为向量转置符号，其将列向量转置为行向量；
[0043]步骤(c)、求取Μ的特征值λ ρ λ 2、λ 3( λ ^ λ 2〈 λ 3)，以及相应的特征向量w
ν3 ；
[0044]步骤(d)、将最小特征值λ i对应的特征向量Vl单位化，即得到给定点ρ的法向量η ；
[0045]步骤(e)、将邻域N中的每个点均投射到法向量η所对应的切平面Τ上，将投射后的点集记为投射邻域Ν';如图2中图(a)所示。
[0046]所述步骤3对投射邻域N'进行优化，具体包括以下子步骤:
[0047]步骤(a)、在切平面T内，以给定点ρ为原点，构建过原点ρ的直线，并使之从水平位置开始顺时针旋转一周，每间隔22.5度，划分一个扇形区域，最终可形成16个以原点ρ为中心的扇形区域；
[0048]步骤(b)、将位于ρ点切平面T内的投射邻域N'置入步骤(a)中划分好的扇形区域内；
[0049]步骤(c)、提取每个扇形区域中距离原点ρ最近的点，这些点就构成优化后的点集，记为优化邻域N";如图2中图(b)所示。
[0050]所述步骤4获取给定点ρ点的Delaunay邻边,具体包括以下子步骤:
[0051]步骤(a)、采用分治的方法，将优化邻域N"按照X坐标，划分为若干个小区域，每个小区域中的点个数不大于3，对于每个小区域而言，要求都能保证符合Delaunay判据；
[0052]步骤(b)、将相邻小区域整合为一个较大的符合Delaunay判据的区域；
[0053]步骤(c)、重复步骤(b)，再将每个较大区域逐层合并，直至所有较大区域合并为一个整体，至此，单次的局部Delaunay三角划分完成；根据Delaunay三角化的唯一'丨生准则，可以得到唯一的Delaunay三角化结果；
[0054]步骤(d)、从构建的二维Delaunay三角划分结果中提取与给定点ρ相连的边，将其反向映射到三维邻域空间，并进行存储，所存储的边即为给定点P点的三维Delaunay边；如图2中图(c)所示。之后重复运行，对原始点云数据中的每个点重复步骤2-4，得到最终切平面建模如图2中图(d)所示。将所有存储的边按照三角化结果显示，即可得到图4与图5所示的三角网格建模结果。
[0055]综上所述，本发明没有对三维点云中的离散点进行直接三角网格建模，而是先对其进行邻域切平面投射，再利用扇形区域划分和各向均衡选择，来优化给定点的投射邻域，使之在各个方向上的分布更加均衡，并最终利用各向均衡的优化邻域来实现局部三角网格模型的建立。这不仅解决了室内场景非均匀三维点云数据的准确建模问题，避免建模过程中大面积空洞的产生，如图3所示，真实地描述了室内场景的拓扑结构，而且由于优化过程的存在，使得局部邻域建模时离散点的数量急剧下降，避免了局部领域大量数据点建模而带来的巨大运行开销，极大地提高了建模的运行效率，减少了建模所需的运行时间。
【权利要求】
1.一种室内场景非均匀三维点云数据的三角网格建模方法，其特征在于包括以下步骤: 步骤1、获取室内场景非均匀三维点云数据:通过激光传感器，获取室内场景信息，作为非均匀三维点云数据； 步骤2、邻域切平面投射:选取给定点P = (X, y, Z),计算三维点云的平均距离d,设定5d为邻域半径,获取该给定点的邻域N = (Pi = (Xi, Yi, Zi) 11彡i彡k},其中％为邻点，i为邻点的序号，k为邻点的个数，通过P点周围的邻域N，计算该点P的法向量η ;通过该法向量η，构建P点处的切平面Τ，并将邻点Pi投射到切平面T上，记投射后的点集为投射邻域N'； 步骤3、对投射邻域N'进行优化:通过扇形区域均匀划分和各向均衡选择，进一步优化给定点P的投射邻域N'，使给定点P在各个方向上均有最近的投射邻点，记优化后的点集为优化邻域N"； 步骤4、获取给定点P的Delaunay邻边:利用二维Delaunay方法对给定点P及其优化邻域N"进行三角网格建模，将获取的二维Delaunay三角网格反向映射到三维邻域空间，并提取和存储与给定点P相连的三维Delaunay邻边； 步骤5、完成三角网格建模:重复步骤2-4，对每个点重复上述算法，继而完成整个三维点云的三角网格建模。
2.根据权利要求1所述一种室内场景非均匀三维点云数据的三角网格建模方法，其特征在于:所述步骤2邻域切平面投射，具体包括以下子步骤: 步骤(a)、计算三维点云的平均距离d，设定5d为邻域半径，提取给定点P的邻域N ； 步骤(b)、通过公式 M = Ef=i(Pi — P) (Pi — P).1’(I) 求取邻域N的协方差矩阵M,式中％为邻点，i为邻点的序号，k为邻点的个数,T为向量转置符号，其将列向量转置为行向量； 步骤(C)、求取M的特征值λ 1、λ 2、λ 3( λ j< λ 2< λ 3),以及相应的特征向量Vp v2、V3 ；步骤(d)、将最小特征值λ i对应的特征向量V1单位化，即得到给定点P的法向量η ；步骤(e)、将邻域N中的每个点均投射到法向量η所对应的切平面T上，将投射后的点集记为投射邻域N'。
3.根据权利要求1所述一种室内场景非均匀三维点云数据的三角网格建模方法，其特征在于:所述步骤3对投射邻域N'进行优化，具体包括以下子步骤: 步骤(a)、在切平面T内，以给定点P为原点，构建过原点P的直线，并使之从水平位置开始顺时针旋转一周，每间隔22.5度，划分一个扇形区域，最终可形成16个以原点P为中心的扇形区域； 步骤(b)、将位于P点切平面T内的投射邻域N'置入步骤(a)中划分好的扇形区域内； 步骤(C)、提取每个扇形区域中距离原点P最近的点，这些点就构成优化后的点集，记为优化邻域N"。
4.根据权利要求1所述一种室内场景非均匀三维点云数据的三角网格建模方法，其特征在于:所述步骤4获取给定点P点的Delaunay邻边,具体包括以下子步骤: 步骤(a)、采用分治的方法，将优化邻域N"按照X坐标，划分为若干个小区域，每个小区域中的点个数不大于3，对于每个小区域而言，要求都能保证符合Delaunay判据； 步骤(b)、将相邻小区域整合为一个较大的符合Delaunay判据的区域； 步骤(C)、重复步骤(b)，再将每个较大区域逐层合并，直至所有较大区域合并为一个整体，至此，单次的局部Del aunay三角划分完成；根据Del aunay三角化的唯一'丨生准则,可以得到唯一的Delaunay三角化结果； 步骤(d)、从构建的二维De I aunay三角划分结果中提取与给定点P相连的边，将其反向映射到三维邻域空间，并进行存储，所存储的边即为给定点P点的三维Delaunay边。
【文档编号】G06T17/30GK104318622SQ201410581951
【公开日】2015年1月28日 申请日期:2014年10月25日 优先权日:2014年10月25日
【发明者】安毅, 孙康, 李卓函 申请人:大连理工大学