[發明專利]一種散亂點云快速法矢定向方法

有效

• 申請號: 202010082581.3
• 申請日: 2020-02-07
• 公開（公告）號: CN111105490B
• 公開（公告）日: 2023-03-31
• 發明（設計）人: 龔靜;黃文超;劉改
• 申請（專利權）人: 武漢玄景科技有限公司
• 主分類號: G06T15/10
• 分類號: G06T15/10
• 代理公司: 武漢天領眾智專利代理事務所(普通合伙) 42300
• 代理人: 劉點

本發明提供一種散亂點云快速法矢定向方法，包括散亂點云法矢定向數據結構初始化；選取法矢定向種子點；基于優先級隊列選擇區域增長方向并調整法矢方向。本發明可利用優先級隊列結構和優先級策略結合區域增長原理實現散亂點云快速法矢定向，克服傳統散亂點云法矢定向方法定向速度慢、對奇異情況定向不魯棒的問題。

技術領域

本發明屬于計算機圖形技術領域，涉及一種散亂點云法矢定向方法。

背景技術

近年來，點云數據在工業檢測、逆向工程、人體掃描、文物保護、電腦游戲、數字電影、物理仿真等多個領域得到了廣泛地應用。基于點的模型已經成為計算機圖形學領域的重要方向。而點云模型的法矢是進行點云模型繪制、光順以及曲面重建等數據處理的基礎，正確估算點云的法矢至關重要。

目前，估算點云法矢大多采用“平面法”，也即通過鄰域點擬合平面，用平面的法矢來近似點的法矢。但直接估算出的法矢的方向是無法確定的，部分指向點云表面的一側，部分指向另一側。這勢必會引起后續相關數據處理的混亂，因此必須對法矢方向進行調整，使得所有點的法矢方向一致指向點云表面的同一側，這一過程稱為法矢定向。

傳統的法矢定向算法包括三類：最小生成樹法、光度立體視覺法以及曲面重建法。第一類方法最小生成樹法，是應用最廣泛的方法，但在點云中存在奇異情況(薄壁、垂直、相鄰曲面等)時，容易出現錯誤。有許多基于該方法進行改良的算法解決了奇異情況的定向錯誤，但仍舊無法解決最本質的問題——運算效率低，耗時長，因此無法投入實際生產運用。第二類光度立體視覺法，需要利用相當多的先驗知識，受外界影響較大，穩定性差。第三類方法曲面重建法，能夠對奇異情況的點云進行正確的調整，但運算效率比最小生成樹更低，耗時較多。

總的來說，傳統散亂點云法矢定向方法存在以下不足之處：

1.點云奇異情況下，法矢定向容易出問題，針對性的改進方法復雜、計算量大且不魯棒；

2.傳統方法運算效率低、耗時過長，無法在實際生產工作中使用。

發明內容

本發明針對上述傳統散亂點云法矢定向方法定向速度慢、對奇異情況定向不魯棒的問題，提供了一種散亂點云快速法矢定向方法，其過程包括以下步驟：

步驟1，散亂點云法矢定向數據結構的初始化；

步驟2，選取法矢定向種子點；

步驟3，基于優先級隊列選擇區域增長方向并調整法矢方向。

在以上技術方案的基礎上，優選的步驟1的實現方式為：創建與點云數目相同的索引優先級隊列L及標記數組B(默認值為False)，同時根據角度閾值數目N構建優先級閾值表T。優先級隊列L數據結構的設計加速了隊列元素的導入和導出。

在以上技術方案的基礎上，優選的步驟2具體包括以下步驟：：

步驟2.1，遍歷尋找z值最小的點，選取該點作為初始種子點S，并令種子點S的法線朝向與(0,0,-1.0)一致；

步驟2.2，將種子點S的優先級設置為最高級，并將種子點S的索引值導入優先級隊列L中，在標記數組B中將種子點S標記為True。

在以上技術方案的基礎上，優選的步驟3具體包括以下步驟：

步驟3.1，從優先級隊列L中取出一個優先級最高的點的索引值H；

步驟3.2，根據k近鄰算法搜索參考點H的k近鄰點，判斷標記數組B中k近鄰點是否調整過方向，若為True，則返回步驟3.1，否則繼續進行；

步驟3.3，遍歷未調整過法矢方向的近鄰點，令近鄰點的法矢方向與參考點H的一致，并計算近鄰點的優先級向優先級隊列中導入索引，在標記數組B中將近鄰點標記為True；