一种基于特征模板的三维点云重构方法与流程

本发明涉及来自三维扫描设备获取的实物三维点云的表面重构，具体地说是一种面向三维点云的曲面重构技术和方法。

背景技术：

随着三维数字化扫描设备在飞机制造领域的广泛使用，实际零部件原始扫描点云的曲面重建在零部件检测、飞机装配过程分析中具有重要的实际意义。给定一组从物体表面采样的散乱点云，目标是恢复物体的原始表面。如果没有任何先验假设，则该逆向问题是难以准确实现的。尽管三维扫描技术发展成熟，用扫描设备获取的点云不可避免地包含缺陷，例如噪声和密度各向异性。这些缺陷使得重构更加具有挑战性。

目前的三维测量设备能够在短时间内得到数百万个高精度数据点，一方面可以更精细地反映复杂的几何形状，另一方面，对曲面重构的效率和质量提出了更高的要求。

技术实现要素：

本发明的目的在于针对现有的扫描设备获取的点云不可避免地包含缺陷而难以重构的问题，发明一种基于特征模板的三维点云重构方法。该方法不仅提高了模型重构的精度和效率，而且很好地解决了三维形状重建中的保存尖锐的特征，恢复细节等问题。

本发明的技术方案是：

一种基于特征模板的三维点云重构方法，其特征在于，先从设计模型构建用于曲面重构的特征模板，再使用特征模板对原始扫描点云进行分块和精简，然后以精简后的点数据为输入，通过nurbs曲面拟合对基本单元的几何元素进行局部重构，最后形成整体的重构模型。

具体步骤如下：

(1)首先从设计模型构建用于曲面重构的特征模板。具体地，以基本几何元素平面、柱面、曲面等为基本单元，对三维形状进行集合元素抽取，并记录基本元素在三维空间中的位置和姿态信息。然后对几何元素进行网格化，并对网格节点处的法矢进行提取。提取和储存所有的基本单元信息如基本单元位姿、几何形状、网格信息、法矢等。然后将基本单元信息插入到基于它们的位姿描述符的存储结构中。

(2)原始测量点云包含整个产品零件的几何测量信息，与每个基本单元无对应关系，并且大量粗差点和噪声点存在其中。为了解决这个问题，从原始点云中分别提取每个基本单元对应的点云数据，实现每个基本单元对应点云数据的提取和关联。

(3)一旦特征模板中的基本元素与相对应的点云数据建立了关联，它们就可以被用来对原始点云进行精简。搜索引导点法线附近的点云数据，用搜索到的点的高斯加权平均值表征该引导点处的实际零件几何参数。

(4)以精简后的点数据为输入，最佳拟合对基本单元的几何元素进行局部重构。以基本单元位姿参数为依据将局部重构对齐，然后合并特征模板每个基本元素的局部重构特征。最终生成完整的重构表面，其中锐利的特征和精细的细节被成功地恢复。

本发明的有益效果是：

本发明提高了模型重构的精度和效率，为复杂结构曲面重构提供了新思路，可以很容易地应用到具有复杂几何形状拓扑结构的各种对象中，从而很好地解决了三维形状重建中的几个问题，如保存尖锐的特征，恢复细节等。

附图说明

图1是本发明的特征模板构建流程。

图2是本发明的曲面网格化。

图3是本发明的通过点间距、弦高控制网格大小。

图4是本发明的点云分割流程。

图5是本发明的点云精简。

图6是本发明的模型重构。

具体实施方式

下面结合附图和实施例对本发明作进一步的说明。

如图1-6所示。

一种基于特征模板的三维点云重构方法，具体步骤如下：

第一步：三维模型m的特征模板pt定义为曲面点集和法矢。给定一个设计模型(或者称为理论模型)，利用设计模型建立特征模板，用于将测量点云从众多点云数据中提取出来，并精简到模板中设定的规模，即在模型的表面区域上建立引导点，然后，将测量点云与设计模型对齐，由特征模板中每个曲面上的引导点快速查找出测量点云中相应的点集，直至所有相应的点都加入相应的数据块为止。将所有的特征模板组织起来，建立特征模板库。模板构建过程如图1所示。首先，将曲面从理论模型汇总分离，并进行三角化。然后估算三角化顶点的法矢方向。最后构成由点集和法矢构成的特征模板。

本发明采用八叉树算法实现曲面网格化。其基本思想是：选取一个最小包围盒圈定空间曲面，将包围盒作为八叉树结构的根节点来初始化该八叉树数据结构；然后将该包围盒分解成8个子区域，作为大立方体的8个子节点；判断每一个子区域是完全落在目标区域外、完全落在区域内还是部分落在区域内、部分落在区域外，并检查是否满足密度控制的要求；若满足所给定条件，则停止对该子区域细分，否则细分过程继续，一直重复迭代，直到所有子区域都满足给定的离散要求，最终生成空间曲面上的空间离散点集(图2)。通过参数size(size)来控制生成空间离散点之间的距离，通过参数sag(absolutesag)来控制凹陷距离，进而控制网格的疏密程度(图3)。

在建立特征模板之前，需要求取曲面点pi处法向量。曲面方程为：

m：f(x,y,z)＝0

在曲面上一点pi(xi,yi,zi)的曲线方程为：

那么pi点处的切向量为：

切线方程为：

pi点处的法向量为：

因此，为特征模板计算相应的点集和法向量。

第二步：点云分割，原始点云为整个零件扫描数据，其特点为无序的扫描点云，仅有坐标信息，无拓扑关系信息。点云数据通过测量基准与重构模板对齐，读取重构模板上每一个曲面片，然后在点云模型上查找出距离该曲面法向附件的点作为装配特征面区域进行抽取(图4)。

第三步：点云精简，一旦通过步骤一获得了特征模板，他们可以用于点云精简。给定输入原始扫面点云pc，其特点为无序的扫描点云，仅有坐标信息，无拓扑关系信息。本发明通过kd树构建点云的拓扑关系。原始点云数据通过icp算法与特征模板对齐，读取特征模板上每一个点pi，然后在点云模型上通过kd树查找出距离pi欧氏距离最近的k个点记pi^k。pi^k到ni的距离记di^k。对pi^k求加权平均pa，权重：

记：

为精简点。(图5)

第四步：得到每个基本单元的精简点云后，通过nurbs曲面拟合进行重构。然后，通过布尔运算对重构的单元nurbs曲面片进行合并，从而生成几何形状上真实反映实体表面的、锐利细节特征的重构模型。(图6)。

本发明未涉及部分与现有技术相同或可采用现有技术加以实现。