[發明專利]保持銳利特征的三維重建方法及系統

有效

• 申請號: 201710151230.1
• 申請日: 2017-03-14
• 公開（公告）號: CN107123164B
• 公開（公告）日: 2020-04-28
• 發明（設計）人: 劉瓊;吳銘荃
• 申請（專利權）人: 華南理工大學
• 主分類號: G06T17/30
• 分類號: G06T17/30;G06T19/20
• 代理公司: 廣州粵高專利商標代理有限公司 44102
• 代理人: 何淑珍

1.保持銳利特征的三維重建方法，其特征在于包括以下步驟：

(1)采用擴展到三維空間的二維圖像濾波方法對輸入并經過粗配準的點云進行平滑去噪；

所述對輸入并經過粗配準的點云進行平滑去噪具體是：將二維圖像的平滑濾波方法擴展應用于三維點云的平滑去噪，即點云數據點(x,y,z)的x,y當做平面定位標識，而z當做二維圖像中的像素值，對點云塊逐點進行z值的平滑去噪，所述點云塊指相同視角下采集的點云；所述粗配準的點云指采用經典坐標變換方法對不同拍攝角度的系列點云塊PQ進行過坐標變換的點云；

所述對點云塊逐點進行z值的平滑去噪指：以當前(x,y)為中心的鄰域內采集z值，根據經驗選用二維圖像平滑濾波方法對z值進行平滑處理，所述以當前(x,y)為中心的鄰域為正方形，邊長在3～15內選取；

(2)采用改進的區域生長方法對平滑后的粗配準點云進行離群點移除；

所述采用改進的區域生長方法對平滑后的粗配準點云進行離群點移除指：采用KNN聚類方式統計由kd-tree劃分的點云區域中的點數，通過對當前區域內點數進行判斷移除離群點；所述離群點指與主點云有別的孤立點云，所述主點云即隸屬重建對象表面的點云，所述孤立點云包括孤立點和稀疏點云，稀疏點云是密度小于整體點云密度的40％或預設值的局部點云，具體算法如下：

1)對點云P＝{p_i,i＝1,2,3,…,N},p_i為點云中的點，N為點云的點數，N1，計算P密度ρ；p_i標志位flag的標志值為flagNum，初值flagNum＝0，flag＝flagNum,利用kd-tree劃分點云P,i＝0；

2)使i增加1；

3)若p_i的Flag＝0，則對p_i，使flagNum增加1，Flag＝flagNum并將p_i壓入棧S，否則返回2)；

4)彈出S棧頂，記為p_s，使用半徑搜索算法尋找以p_s為中心、r為半徑的區域中的點云P_r(p_j,j＝1,2,…,N_r)，N_r為P_r中的點個數；計算P_r密度ρ_r；若ρ_r≤0.4ρ，則剔除p_s即剔除稀疏點，若ρ_r＝0,跳轉6)；

5)對P_r中Flag＝0的點P_zero(p_k′,k＝1,2,…,N_zero)，N_zero為P_zero中的點個數，若N_zero≥1，逐點執行p_k′的Flag＝flagNum，并壓入S；

6)若S非空，返回4)；

7)若i≤N，返回2)；

統計逐個聚類點云的點數量當Th為預設閾值，剔除稀疏點云；

(3)采用基于kd-tree加速的ICP算法對移除離群點后的粗配準點云進行精配準；

所述采用基于kd-tree加速ICP算法對移除離群點后的粗配準點云進行精配準指，對經過粗配準的系列點云PQ進行精細配準，具體算法如下：

1)建立點云Q的RT變換矩陣，變換矩陣初值置為0，i＝0；

2)使i增加1，查找相鄰PQ的點對：遍歷點云P{p_i,i＝1,2,3,…,N_p}中的點p_i，對點云Q{Q_j,j＝1,2,3,…,N_q}建立kd-tree，搜索離p_i最近的q_j；

3)通過點對系列p_iq_j映射求得旋轉矩陣R和平移矩陣T；

4)更新點云Q的RT變換矩陣；

5)計算點云Q經RT變換后PQ間的均方差σ，若σ≥Th或迭代次數N≤N_max,Th為預設閾值，N_max為預設最大迭代次數，返回2)；

6)點云精配準結束；

(4)采用基于鄰域查找和邊界點檢測的融合方法對精配準點云進行融合；

(5)采用基于特征點檢測和自適應步長更新方法對融合后的精配準點云進行表面重建。