[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

本發明提供了一種基于抗差非線性高斯?赫爾默特模型的點云擬合方法，首先，預先獲取被測物體的三維點云數據，通過去噪和精簡對點云進行預處理，剔除粗差較大的離群數據點；其次，對預處理后點云進行特征點提取；再利用改進的RANSAC算法選取合適的擬合模型數據點；最后，將得到的模型數據點利用基于抗差非線性高斯?赫爾默特模型，求出擬合參數以完成點云數據的擬合。本發明有效解決被測物體點云數據量大、數據不完整，精度不高以及參數方程求解復雜，粗差剔除效率低的情況；避免在求解過程中陷入局部收斂，增強參數求解的穩健性，提高數據擬合的精度。

技術領域

本發明屬于計算機視覺領域，具體涉及一種基于抗差非線性高斯-赫爾默特(Gauss-Helmert)模型的點云擬合方法。

背景技術

三維激光掃描技術已被廣泛應用于工業設計、土木工程及建筑物變形監測等領域。三維點云數據集合中包含大量的表面特征，這些特征可以被用于3D建模以及在建模中簡化數據等，因此，三維點云精確的平面擬合具有非常重要的意義。由于設備精度的限制、光照的影響、目標物表面材料的反射以及掃描作業時的外界干擾(如行人和車輛)等原因，使得獲取的點云數據中總會不可避免的產生錯誤點和差點,從而影響建模的精度。點云擬合的目的是根據掃描點集中的點云匹配出特定的曲面模型，求取出最佳模型參數，使點云子集合與模型參數之間達到高度吻合的目的。

針對點云擬合，國內外學者進行了大量的研究，但大部分研究方法通常局限于粗差較少的點云數據擬合，最常用的方法有最小二乘法、整體最小二乘法、特征值法和RANSAC算法等，其中效果比較好的是整體最小二乘法和RANSAC算法，這兩種算法依然都具有穩健性不強的缺點，前者不適用于異常點較多誤差較大的情況，后者的缺點是限定迭代次數使得擬合結果可能不是最優解，甚至可能是錯誤結果。另外，RANSAC算法主要適用于等精度觀測，是一種粗略的粗差處理方法，在一定程度上限制了點云擬合的精度。

發明內容

發明目的：為解決上述問題，本發明提供了一種基于抗差非線性高斯-赫爾默特模型的點云擬合方法，能進行任意角度、包含大量粗差的點云數據擬合，提高了參數求解的精度，增強了點云擬合的穩健性。

技術方案：本發明所述的一種基于抗差非線性高斯-赫爾默特模型的點云擬合方法，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。

進一步地，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：