[發明專利]基于抗差非線性高斯-赫爾默特模型的點云擬合方法

有效

• 申請號: 202011250790.0
• 申請日: 2020-11-11
• 公開（公告）號: CN112257722B
• 公開（公告）日: 2023-08-01
• 發明（設計）人: 王彬;趙志勝;吳學雨;張丹丹
• 申請（專利權）人: 南京工業大學
• 主分類號: G06V10/30
• 分類號: G06V10/30;G06V10/40;G06V10/762;G06V10/77
• 代理公司: 南京蘇高專利商標事務所(普通合伙) 32204
• 代理人: 柏尚春

1.一種基于抗差非線性高斯-赫爾默特模型的點云擬合方法，其特征在于，包括以下步驟：

(1)對預先獲取的被測物體的三維點云數據進行預處理；

(2)基于FPFH的點云特征點提取算法對預處理后的點云進行特征點提取；

(3)通過改進的RANSAC算法選取粗差最小的有效點作為模型數據點；

(4)將得到的模型數據點利用抗差非線性高斯-赫爾默特模型，求出擬合參數，直至點云的擬合精度滿足預先設定的閾值；

所述步驟(3)包括以下步驟：

(31)在提取后的特征點云中，任意選取數個不共線的點，組成初始面，并計算點云到該初始面的距離d_i；

(32)選取閾值t＝2σ₀，σ₀為點云到初始面模型距離的標準偏差，當d_i＞t時該點被當作異常點剔除，反之被當作有效數據保留；

(33)重復(31)、(32)，直至包含的有效點數量最多，停止迭代，選取粗差最小且含有效數據點數量最大的作為模型點；

所述步驟(4)包括以下步驟：

(41)對步驟(3)得到的點云數據根據掃描時的測距誤差、垂直角誤差和水平角誤差計算出嚴密的隨機模型；

(42)構造關于誤差向量e和待定參數向量X的非線性Gauss-Helmert模型；

(43)通過經典最小二乘引入初值X⁰，e⁰取0，采用泰勒級數將其線性化；

(44)構造拉格朗日目標函數，對各變量求偏導數并令導數為零，求出誤差向量e的具體表達式；

(45)通過計算標準殘差向量，并根據IGGⅢ權函數得到相應的權因子，再通過雙因子模型得到相應的協因數，在準則下更新誤差向量e和待定參數向量X的協因數陣；

(46)重復步驟(44)-(45)，直到停止迭代，輸出擬合參數，ε₀取10^-10。

2.根據權利要求1所述的基于抗差非線性高斯-赫爾默特模型的點云擬合方法，其特征在于，所述步驟(1)包括以下步驟：

(11)建立點云數據集P＝{p_i∈R³∣i＝1,2,3,…,n}的KD-tree結構；

(12)對于點云中的每個點p_i，定義所需近鄰點參數k，建立k鄰域，并計算其與最近k近鄰點的平均距離：

式中，d_ij是點p_i和點p_j的空間距離，是點p_i與其k近鄰點的平均距離；

(13)計算點云集中所有點的k近鄰點平均距離的平均距離和其標準差d_std：

(14)計算當前p_i與k近鄰點的平均距離是否大于設定的閾值L，當時，刪除點p_i；當時，保留點p_i：

式中，σ為計算系數，根據被測點云數據的分布進行取值；

(15)將完成大尺度離群點去除的點云，利用DBSCAN密度聚類算法完成小尺度離群點去噪：初始化鄰域Eps和閾值N_eps,min并建立點云的KD-tree和k鄰域數據結構；

(16)隨機選擇點p_i，通過Eps和N_eps,min判斷其是否為核心點，遍歷所有點，找到點p_i的所有密度可達對象，通過密度連接得到小尺度去噪離群點后的點云數據。

3.根據權利要求1所述的基于抗差非線性高斯-赫爾默特模型的點云擬合方法，其特征在于，所述步驟(2)包括以下步驟：

(21)根據掃描的點云模型數據排列特點，采用主成分分析法估算法向向量，計算點云的FPFH值；

(22)用FPFH在各子區間的均值代替非特征點的FPFH各區間的值，引入點云模型FPFH各區間的均值，記為MFPFH，根據FPFH在各子區間的均值與均值的歐式距離提取初始特征點；

(23)通過判斷特征點臨近點夾角的方法對特征點進行優化，再通過判斷點云鄰近投影點相鄰向量夾角大小的方法來增強模型整體輪廓特征。