[發明專利]一種基于存活概率的點云精簡方法

有效

• 申請號: 202010427712.7
• 申請日: 2020-05-19
• 公開（公告）號: CN111652855B
• 公開（公告）日: 2022-05-06
• 發明（設計）人: 梁晉;赫景彬;劉世凡;李成宏;馬金澤;苗澤華;鄔宏
• 申請（專利權）人: 西安交通大學
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/60;G01B11/24
• 代理公司: 北京中濟緯天專利代理有限公司 11429
• 代理人: 覃婧嬋

本發明公開了一種基于存活概率的點云精簡方法，所述方法中，讀取原始點云數據，基于kdtree算法對所述原始點云數據建立拓撲關系，獲取每一個數據點的半徑r范圍內所有鄰域點；基于主成分分析法使用多線程并行計算對每一個數據點及其鄰域點進行協方差分析以獲得協方差矩陣；將所有數據點按照是否為邊界點分為邊界點或非邊界點，將非邊界點按曲率大小進行排序，按照預定閾值分為高曲率點與低曲率點；根據預定精簡比率比與n₁、n₂、n₃的大小，計算邊界點、高曲率點和低曲率點所需刪減的點數；基于多線程并行計算遍歷點云的每一個數據點，每一次隨機生成一個大小在0到1之間的隨機數，比較所述隨機數與存活概率，以獲得精簡后的點云數據。

技術領域

本發明屬于高精度3D測量技術領域，特別是一種基于存活概率的點云精簡方法。

背景技術

隨著3D傳感器技術的不斷發展，用于獲取3D模型點云數據的三維掃描技術在不斷更新，獲取的物體表面點云數據的測量精度和效率也越來越高。使用高精度結構光掃描儀掃描得到的點云數據存在大量冗余，實際應用中，通過高精度結構光三維掃描儀獲取的原始點云數據規模通常在幾千萬，甚至上億的數量級，這就增加了點云數據存儲、傳輸、運算的負擔和后續處理工作的難度。因此需要在保留點云特征與邊界信息的同時對點云進行精簡。

近年來，常用的點云精簡算法有包圍盒法、聚類法等。包圍盒法就是利用八叉樹剖分生成三維柵格。遍歷柵格若其中點云的法向量偏差大于指定閾值則細分單元格。柵格劃分完畢后，對每個柵格選擇代表點形成簡化點云。此方法會導致高曲率部分特征損失。聚類法核心思想為分治法，按劃分思想可分為自下而上的區域生長算法與自上而下的層次法。劃分中止條件為類內點數達到閾值，此法會導致邊界收縮等問題。傳統方法應用于高精度工業測量時往往會增大測量偏差，因此一種保邊界、保特征的點云精簡算法對于提高測量精度至關重要。

在背景技術部分中公開的上述信息僅僅用于增強對本發明背景的理解，因此可能包含不構成在本國中本領域普通技術人員公知的現有技術的信息。

發明內容

針對現有技術中存在的保特征效果差，計算時難以并行計算的缺點的問題，本發明提出一種基于存活概率的點云精簡方法，本發明保邊界、保特征、可并行計算，提高了計算效率，高曲率特征保留效果好。

本發明的目的是通過以下技術方案予以實現，一種基于存活概率的點云精簡方法包括以下步驟：

第一步驟中，讀取原始點云數據，基于kdtree算法對所述原始點云數據建立拓撲關系，獲取每一個數據點的半徑r范圍內所有鄰域點；

第二步驟中，基于主成分分析法使用多線程并行計算對每一個數據點及其鄰域點進行協方差分析以獲得協方差矩陣，分別計算所述協方差矩陣的三個特征值λ₁、λ₂、λ₃，所述數據點對應曲率為

第三步驟中，將所有數據點按照是否為邊界點分為邊界點或非邊界點，將非邊界點按曲率大小進行排序，按照預定閾值分為高曲率點與低曲率點，邊界點、高曲率點、低曲率點點數分別為n₁、n₂、n₃，

第四步驟中，根據預定精簡比率比與n₁、n₂、n₃的大小，計算邊界點、高曲率點和低曲率點所需刪減的點數，其中，先將低曲率點刪減，其次是高曲率點，最后是邊界點，基于點云的精簡比率以及邊界點、高曲率點和低曲率點的點數確定存活概率模型，對每個邊界點、高曲率點和低曲率點賦予存活概率，其中，邊界點存活概率最大，非邊界點存活概率隨曲率從大到小遞減，

第五步驟中：基于多線程并行計算遍歷點云的每一個數據點，每一次隨機生成一個大小在0到1之間的隨機數，比較所述隨機數與存活概率，當該隨機數小于存活概率時，所述數據點保留下來，否則刪除，以獲得精簡后的點云數據。