专利名称：点云数据网格化的方法
技术领域：
本发明涉及计算机图形学和计算机视觉技术领域，特别涉及一种点云数据网格化的方法。
背景技术：
由于快速而精确的激光扫描仪的发展，点云数据已经在计算机辅助设计和计算机图形学领域得到广泛的应用。通常原始点云数据不包含任何拓扑结构信息，因此大量的研究工作集中在如何从点云数据重建网格表面。但是大部分已有的工作只关注如何产生高质量的三角面片网格模型，对于三角形面片的形状和方向缺乏控制。由于四边形网格张量积特性，相对于三角形网格，四边形网格在很多领域都具有优势，例如B样条拟合、纹理映射等等。尤其是方向和主方向一致的四边形在建模时更具有优势，因为它们能够反映几何模型的对称性。全局参数化是一种有效解决四边形网格化的方法。Bommes (BOMMES，D.，ZIMMER, H. , AND KOBBELT, L.2009. Mixed-integer quadrangulation. ACM Transactions on Graphics 28,3,1-10.)将三角形的四边形网格化问题转化为一个混合整数的二次优化问题，该方法能够生成完全的四边形网格而且很好的保持与主方向的一致性。但是，申请人意识到现有技术存在如下技术缺陷上述全局参数化方法仅能用于三角形网格，对于初始点云数据由于缺少点与点之间的拓扑连接关系，直接利用全局参数化方法对点云数据处理具有一定的难度。
发明内容
(一)要解决的技术问题为解决上述缺陷，本发明提供了一种点云数据网格化的方法，以利用模型的点云数据而无需事先三角网格化来进行点云数据的四边形网格化。( 二 )技术方案根据本发明的一个方面，提供了一种点云数据网格化的方法。该点云数据网格化的方法包括步骤A，获取点云数据；步骤B，由点云数据计算出每一点的主方向、法向量及点云数据的奇异点信息；步骤C，由点云数据每一点的坐标，该点的法向量、主方向及奇异点信息，获得每一点的标量函数参数值θ和P，该标量函数满足在每一点的梯度与该点的主方向保持一致，其中奇异点处的标量函数参数值被约束为整数值；步骤D，由标量函数参数值θ和P，建立与点云数据形状一致的三角形网格。优选地，本发明点云数据网格化的方法中，步骤B包括步骤Bl ；对初始点云数据获取每一点的法向量；步骤Β2，由法向量计算该点的曲率张量，获取该点初始主方向；步骤 Β3，通过使相邻点的初始主方向的一致最大化，对每一点的初始主方向进行平滑，获取每一点的主方向；步骤Β4，根据点云数据中每一点的主方向，确定点云数据中的奇异点。优选地，本发明点云数据网格化的方法中，步骤Bl包括步骤Bla，对于点云数据的每ー个点P，利用点云数据的kd树查找点p的n个近邻点；步骤Blb，假设这些近邻点来 自于同一个平面T，用这些近邻点到拟合平面的残差的绝对值，再乘以权系数的积的和构造 最小ニ乘问题，其中的权的确定是以点云数据中每一个点与近邻点的欧式距离的倒数作为 权值；步骤Blc，利用最小ニ乘方法拟合出平面T，以这个平面的法向量作为点云中该点的 法向量ガ。优选地，n为整数，优选取15或30。优选地，本发明点云数据网格化的方法中，步骤B2包括步骤B2a，对每一点p建 立局部坐标系，设点P的法向量为K，则这个P点就是局部坐标系的原点，设局部坐标系的
三个方向分别为^ V，G;步骤B2b，对于p的一个近邻点Pi，其法向量为ホ，则点p处的曲率
张量必须满足下述方程式的约束
权利要求
1.一种点云数据网格化的方法，其特征在于，该点云数据网格化的方法包括 步骤A，获取点云数据；步骤B，由所述点云数据确定每一点的法向量、主方向及点云数据的奇异点信息； 步骤C，由点云数据每一点的坐标，该点的主方向，法向量以及奇异点信息进行点云的参数化；步骤D，由点云参数化结果，建立与所述点云数据形状一致的三角形网格。
2.根据权利要求1所述的点云数据网格化的方法，其特征在于，所述步骤B包括 步骤Bl ；对所述初始点云数据获取每一点的法向量；步骤B2，由所述法向量计算该点的曲率张量，获取该点初始主方向； 步骤B3，通过使相邻点的初始主方向的一致最大化，对每一点的初始主方向进行平滑， 获取每一点的主方向；步骤B4，根据点云数据中每一点的主方向，确定点云数据中的奇异点。
3.根据权利要求2所述的点云数据网格化的方法，其特征在于，所述步骤Bl包括 步骤Bla，对于点云数据的每一个点p，利用点云数据的kd树查找所述点ρ的η个近邻点，其中η为整数；步骤Blb，假设这些近邻点来自于同一个平面Τ，用这些近邻点到拟合平面的残差的绝对值，再乘以权系数的积的和构造最小二乘问题，其中的权的确定是以点云数据中每一个点与近邻点的欧式距离的倒数作为权值；步骤Blc，利用最小二乘方法拟合出平面T，以这个平面的法向量作为点云中该点的法向量及O
4.根据权利要求3所述的点云数据网格化的方法，其特征在于，所述η= 15或30。
5.根据权利要求2所述的点云数据网格化方法，其特征在于，所述步骤Β2包括 步骤B2a，对每一点ρ建立局部坐标系，设点ρ的法向量为^，则这个ρ点就是局部坐标系的原点，设局部坐标系的三个方向分别为二 V, W ；步骤B2b，对于ρ的一个近邻点Pi，其法向量为^，则点P处的曲率张量必须满足下述方程式的约束
6.根据权利要求5所述的点云数据网格化的方法，其特征在于，所述m为15。
7.根据权利要求2所述的点云数据网格化的方法，其特征在于，所述步骤B3包括 步骤B3a，定义衡量点云数据相邻点的主方向差异的函数
8.根据权利要求2所述的点云数据网格化的方法，其特征在于，所述步骤Β4包括 步骤B4a，将点ρ的近邻点和相对应的主方向投影到点ρ的切平面上；步骤B4b，在切平面上对这些点按照逆时针顺序排序；步骤B4c，选择其中一个近邻点在切平面上的主方向作为参考方向，从该参考方向出发，根据上述排序后的顺序求出每两个相邻点的主方向的变化角度；步骤Md，若所有变化角度之和位于区间[_π/2，π/2]之外，则该点被标记为奇异点。
9.根据权利要求1所述的点云数据网格化的方法，其特征在于，所述步骤C包括 步骤Cl，对所述点云数据进行切割，转化为亏格为0，边界为一的拓扑结构；步骤C2，将k近邻图中的每一条边投影到分割线及其法向量所定义的平面上，此处所述分割线为步骤Cl中切割所产生的分割线，若投影后的边与分割线相交，则在k近邻图中去除此边，从而得到一个新的k近邻图；步骤C3，对于定义在点云上每一个点的两个标量函数θ和P，求出θ和炉在每一个点的具体值，使得该点的最大主方向和最小主方向分别与两个标量函数的梯度尽量保持一致，两个标量函数θ和炉为下述方程最小值的最优解
10.根据权利要求9所述的点云数据网格化的方法，其特征在于，所述步骤Cl包括 步骤Cla，利用点云数据和莫尔斯函数计算出点云的同源基，沿着同源基对点云进行分割步骤C2b，在k近邻图上求取每个奇异点到边界的最短路径，并按照连接路径对点云进行再次分割，获取由点云中若干点连接而成的路径。
11.根据权利要求9所述的点云数据网格化的方法，其特征在于，所述步骤C3包括 步骤C3a，定义衡量标量函数在每一点的梯度与该点的最大主方向和最小主方向之间差异的能量函数
12.根据权利要求1所述的点云数据网格化的方法，其特征在于，所述步骤D包括 步骤D1，对于每一个点及其周围k个近邻点根据参数化值(《妁进行狄洛尼三角化； 步骤D2，取与该点相邻的三角形来建立三维空间中的对应点的连接关系；步骤D3，如果有两个以上的三角形共有同一条边，则逐步移除多余的三角形直至每一条边最多被两个三角形共有；步骤D4，如果移除冗余三角形的过程中产生空洞，则通过对该洞进行狄洛尼三角化来填充该洞。
13.根据权利要求1所述的点云数据网格化的方法，其特征在于，该方法还包括 步骤E，在建立的三角网格基础上建立四边形网格。
14.根据权利要求13所述的点云数据网格化的方法，其特征在于，所述步骤E包括 步骤E1，求取每个三角形内的等值线段；步骤E2，求取等值线段之间的交点；步骤E3，对于每一个等值线段之间的交点，按照等值线段之间的连接关系找到该交点的邻接点并连接，建立形状均勻且方向符合主方向的四边形网格。
全文摘要
本发明公开了一种点云数据网格化的方法。该方法针对由激光扫描得到的离散点云数据，提供一个自动的、鲁棒性强的全局参数化方法，并利用参数化结果直接获取与主方向一致的能够反映模型内在几何特征的网格化结果。网格化结果有两种形式全部由四边形组成，或者全部由三角形组成。本发明仅利用模型的点云数据而无需事先三角网格化进行点云数据网格化，处理过程完全自动，可以处理含噪声点云，无需人工干预，并且通过参数可以快速的控制四边形网格化的疏密程度，得到各种分辨率的四边形网格、或者三角形网格。
文档编号G06T17/30GK102306397SQ201110191178
公开日2012年1月4日 申请日期2011年7月8日 优先权日2011年7月8日
发明者张晓鹏, 李尔 申请人:中国科学院自动化研究所