[發明專利]點云優化方法及其裝置

無效

• 申請號: 201210567058.5
• 申請日: 2012-12-24
• 公開（公告）號: CN103065354A
• 公開（公告）日: 2013-04-24
• 發明（設計）人: 黃惠;伍世浩;南亮亮;陳寶權
• 申請（專利權）人: 中國科學院深圳先進技術研究院
• 主分類號: G06T17/00
• 分類號: G06T17/00;G06T5/00
• 代理公司: 廣州華進聯合專利商標代理有限公司 44224
• 代理人: 吳平

1.一種點云優化方法，其特征在于，該方法包括：

點云數據預處理步驟：對大規模散亂掃描點云進行精簡，去噪，去外點，均勻化，法向量計算，空間結構劃分預處理工作；

點云尖銳特征恢復步驟：進一步的投影和法向量計算，恢復點云的尖銳特征；

點云尖銳特征增強步驟：對尖銳特征處的上采樣，增強點云的尖銳特征。

2.根據權利要求1所述的方法，其特征在于，該點云數據預處理步驟由帶權重的局部最優化投影，PCA法向量計算，點云空間劃分三種方法組合使用實現其功能。

3.根據權利要求1所述的方法，其特征在于，該點云尖銳特征恢復步驟由各向異性的局部最優化投影，法向量磨光，雙邊濾波投影三種方法組合迭代使用，不斷由已有可靠信息推斷不可靠信息。

4.根據權利要求3所述的方法，其特征在于，各向異性的局部最優化投影方法加入了點云法向量差異的權重考慮，具體步驟為：

第一步，對原始的點云數據集合J進行隨機下采樣，得到下采樣點集合I；

第二步，基于鄰域半徑h，求得點集I中每個點p_i在點集I中的鄰點集合和在點集J中的鄰點集合

第三步，求出點集I中每個點的稠密值density，若是第一次迭代，同時也求出點集J中每個點的稠密值density；若稠密值低于用戶定義的閾值，把該點刪除；

第四步，對于I中每個點x_i，做如下操作：

對x_i的中的每個鄰點p_i，做如下操作：通過累加方式得到并保存一個三維向量repulsion；

對x_i的中的每個鄰點p_j，做如下操作：通過累加方式得到并保存一個三維向量average；

求出每個點p_i的新坐標,mu是控制“斥力”大小的權值參數：

for(vi=samples->vert.begin();vi!=vert.end();;++vi)

vi->P()=vi->average+mu*vi->repulsion;

第五步，若迭代次數少于設定值，或兩次迭代間的變化率大于設定值，返回第二步。

5.根據權利要求3所述的方法，其特征在于，該法向量磨光方法步驟：

第一步，基于鄰域半徑h，求得點云中每個點p_i的鄰點集合N_p，初始化每個點的w_i和n_i；

第二步，對于點云中每個點p_i，做如下操作：

對p_i的N_p中的每個鄰點p_j，做如下操作：

計算p_j對p_i的權值w_i+=θ*ψ;

累加鄰點法向量：n_i+=w_i*n_j;

第三步，對于點云中每個點p_i，做如下操作：

n_i=n_i/w_i。

6.根據權利要求3所述的方法，其特征在于，該雙邊濾波投方法步驟：

第一步，基于鄰域半徑h，求得點云中每個點p_i的鄰點集合N_p，初始化每個點的w_i和d_i；

第二步，對于點云中每個點p_i，做如下操作：

對p_i的N_p中的每個鄰點p_j，做如下操作：

計算p_j對p_i的權值w_i+=θ*ψ;

累加投影距離：d_i+=w_i*(n_i*(p_i-p_j));

第三步，對于點云中每個點p_i，做如下操作：

p_i=p_i+d_i*n_i。