[發明專利]點云數據質量自動優化方法及系統

有效

• 申請號: 201310424344.0
• 申請日: 2013-09-17
• 公開（公告）號: CN103489218A
• 公開（公告）日: 2014-01-01
• 發明（設計）人: 黃惠;陳楠
• 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;G06T7/00
• 代理公司: 深圳市科進知識產權代理事務所(普通合伙) 44316
• 代理人: 沈祖鋒;郝明琴

1.一種點云數據質量自動優化方法，其特征在于，該方法包括如下步驟：

a.對待重建的目標物采集初始點云數據，以得到初始離散點云；

b.對上述得到的初始離散點云進行初步的數據清洗得到局部最優投影算子（Locally?Optimal?Projection?operator，LOP）采樣模型；

c.在上述得到的初始離散點云上采用Possion曲面重建的方法，得到Possion重建點云模型；

d.將所述得到的Possion重建點云模型與上述得到的初始離散點云進行迭代最近點算法配準；及

e.針對當前配準的模型上每一點，在得到的LOP采樣模型上計算該點對應位置一定半徑距離區域內的周圍點對它的一個權重，并將所述權重與閾值進行比較，以確定該點所在區域是否需要重復掃描。

2.如權利要求1所述的方法，其特征在于，所述的a具體包括：采用三維激光掃描儀對待重建的目標物采集初始點云數據。

3.如權利要求2所述的方法，其特征在于，所述的三維激光掃描儀可以為手持式，或是安裝在多自由度機械臂末端的普通激光掃描裝置。

4.如權利要求1所述的方法，其特征在于，所述的e具體包括：

針對當前配準的模型上每一點，在上述得到的LOP采樣模型上計算該點對應位置一定半徑距離區域內的周圍點對它的一個權重，并將所述權重與閾值進行比較；

若權重較大，則表明在所述步驟a得到的初始離散點云中該點附近的點云分布較密集，符合當前建模精度要求，無需重復掃描該區域；

若權重較小，則表明在所述步驟a得到的初始離散點云中該點附近的點云分布較稀疏，后期應針對該局部區域有選擇地再次掃描，并重復上述分析過程，直到滿足當前的建模精度要求；

若權重為零，則可以肯定該點是在所述步驟c中，由真實三維激光掃描點經過Possion算法中的插值計算得出，則后期有必要對該點所在的盲區位置重點掃描，重復上述分析過程，直到滿足當前的建模精度要求或人為設定終止條件。

5.如權利要求4所述的方法，其特征在于，所述的人為設定終止條件為某些位置掃描儀無法到達或者重復掃描的次數超出了人為預定值。

6.一種點云數據質量自動優化系統，其特征在于，該系統包括相互電性連接的數據收集模塊、原始數據采樣模塊、原始數據重建模塊、模型初配準模塊及模型質量分析模塊，其中：

所述數據收集模塊用于對待重建的目標物采集初始點云數據，以得到初始離散點云；

所述原始數據采樣模塊用于對上述得到的初始離散點云進行初步的數據清洗得到局部最優投影算子（Locally?Optimal?Projection?operator，LOP）采樣模型；

所述原始數據重建模塊用于在上述得到的初始離散點云上采用Possion曲面重建的方法，得到Possion重建點云模型；

所述模型初配準模塊用于將所述得到的Possion重建點云模型與上述得到的初始離散點云進行迭代最近點算法配準；

所述模型質量分析模塊用于針對當前配準的模型上每一點，在得到的LOP采樣模型上計算該點對應位置一定半徑距離區域內的周圍點對它的一個權重，并將所述權重與閾值進行比較，以確定該點所在區域是否需要重復掃描。

7.如權利要求6所述的系統，其特征在于，所述的數據收集模塊采用三維激光掃描儀對待重建的目標物采集初始點云數據。

8.如權利要求7所述的系統，其特征在于，所述的三維激光掃描儀可以為手持式，或是安裝在多自由度機械臂末端的普通激光掃描裝置。