[發明專利]一種三維點云數據特征點提取方法及應用

在審

• 申請號: 202010548910.9
• 申請日: 2020-06-16
• 公開（公告）號: CN111710023A
• 公開（公告）日: 2020-09-25
• 發明（設計）人: 熊彪
• 申請（專利權）人: 武漢稱象科技有限公司
• 主分類號: G06T15/00
• 分類號: G06T15/00;G06T7/10;G06T7/30;G06T5/00
• 代理公司: 上海精晟知識產權代理有限公司 31253
• 代理人: 安曼

本發明涉及一種三維點云數據特征點提取方法及應用，所述提取方法具體包括以下步驟：將待進行特征點提取的點云數據進行柵格化，得到柵格數據，再將依柵格數據切割劃分得到若干單位柵格；分析計算單位柵格內所包含的原始點云數據的點數密度值；將密度柵格進行濾波降噪處理；根據柵格密度值計算單位柵格的密度值梯度、密度值二階導數及密度值的協方差矩陣；依據單位柵格的密度值協方差矩陣構造特征點度量函數，計算特征點度量函數值并與閾值進行比較判斷，將滿足判斷條件的單位柵格用柵格點替代，此柵格點即為特征點。采用本申請的提取方法提取的特征點數量合理，特征代表性明顯；所提取的特征點應用到點云配準，配準效率高、配準精度高。

技術領域

本發明涉及三維視覺領域，特別是涉及一種三維點云數據特征點提取方法及應用。

背景技術

自從深度相機被發明創造出來，人們在工程測量、工業制造、機器人應用等各大領域都得到了突破式發展、以工業制造為例，幾十年來，人們逐漸擯棄了傳統的用尺和筆來計算測量模型的方法，改用更為智慧的數字測量技術，深度相機問世以后，更是發展為直接掃描出與現實完全復拓的數字化點云模型。如今社會，點云重建技術及其各類創新應用更是為人們的生活帶來巨大便捷，在家居裝修、土木工程、輕工業、互聯網產業等社會制造和創造的各個方面都具有了不可限量的應用價值，3D點云順勢被廣泛應用于各行各業。在所有依賴三維點云模型的科技應用中，點云模型建模的精準度最為重要。

對于點云數據，目前并不存在一種相機、能將目標模型在一次掃描中復拓完成，而是由幾站對同一模型不同角度的掃描數據進行配準重建得到。但由不同的掃描設備所采集到的點云數據具有差異，精度較低的設備采集的數據點會少一些，精度較高的設備采集的數據點會多一些，精度較高的設備甚至能采集到幾百萬或幾千萬個數據點，數據量非常巨大。因此，為保證數據處理的效率，需對點云數據進行預處理。預處理過程通常包含點云濾波、點云精簡、建立拓撲關系等，現存的點云精簡方法，即特征點提取工作，或存在提取出的點不具備特征代表性，數量多而無用；或存在提取出的點已具備特征代表性，但數量少而不夠配準應用的問題。對點云預處理階段完成后，將會進入點云配準階段，此時，配準階段的結果質量，將直接決定后續空間科技工作的質量，現存方法在配準的時間消耗以及配準精度的方面仍然有非常大的提升空間，即當前效果效率較低。

發明內容

為了克服現有技術的上述不足，本發明提出了一種三維點云數據特征點提取方法及應用，解決現有點云精簡方法提取特征點存在的特征點數據量過少不夠配準應用，或者提取的特征點不具備特征代表性的技術問題。

本發明是通過以下技術方案實現的：

一種三維點云數據特征點提取方法，具體包括以下步驟：

S1：將待進行特征點提取的點云數據進行柵格化，得到柵格數據，再將依據原始點云數據生成的柵格數據進行切割劃分，得到若干連續分布的單位柵格；

S2：依據原始點的位置，分析計算單位柵格內所包含的原始點云數據的點數密度值；

S3：將密度值不為0的密度柵格進行濾波降噪處理；

S4：根據柵格密度值計算單位柵格的密度值梯度、密度值二階導數及密度值的協方差矩陣；

S5：依據單位柵格的密度值協方差矩陣構造特征點度量函數，計算特征點度量函數值；

S6：將計算的特征點度量函數值與閾值進行比較判斷，將滿足判斷條件的單位柵格用柵格點替代，此柵格點即為特征點。

進一步的，S1中得到柵格數據的具體過程包括：對輸入點云數據進行遍歷，得到X、Y、Z三個維度上的最大值與最小值，根據六個最值構造剛好能夠容納下點云數據所有點的大立方體，大立方體的邊緣位置即為原始輸入點云數據中最邊界的點位置；

得到的柵格數據依據人為設定的單位柵格長度進行分割，均分割成若干長寬高相等的小立方體單位柵格。