[發明專利]一種基于點云數據的室內空間布局提取方法

有效

• 申請號: 202110326020.8
• 申請日: 2021-03-26
• 公開（公告）號: CN112989470B
• 公開（公告）日: 2022-06-07
• 發明（設計）人: 艾明耀;趙鵬程;李加元;胡慶武
• 申請（專利權）人: 武漢大學
• 主分類號: G06F30/13
• 分類號: G06F30/13;G06T17/00;G06T19/20;G06V10/762;G06K9/62
• 代理公司: 武漢科皓知識產權代理事務所(特殊普通合伙) 42222
• 代理人: 許蓮英

1.一種基于點云數據的室內空間布局提取方法，其特征在于，

包括以下步驟：

步驟1：輸入三維點云、計算三維點云的主方向，并將三維點云旋轉至主方向得到旋轉后三維點云：

步驟2：根據旋轉后三維點云計算室內場景的三維空間內外分布圖；

步驟3：分割屬于內部的體素集得到房間的布局；

步驟4：對標記為不同房間的各體素子集進行聚類得到樓層的分布；

步驟1所述三維點云的定義為：

data_k(x_k,y_k,z_k)，k∈[1,K]

其中，K為三維點云中點的數量，data_k(x_k,y_k,z_k)為三維點云中第k個點，(x_k,y_k,z_k)為三維點云中第k個點的空間坐標；

步驟1所述計算三維點云的主方向，具體為：

步驟1.1：所述輸入的三維點云的Z軸方向朝上，且與室內場景的上方向一致，計算三維點云中每個點的法向以及XY水平面的夾角；

所述三維點云的法向為：

(nx_k，ny_k，nz_k)，k∈[1,K]

其中，(nx_k，ny_k，nz_k)為三維點云中第k個點的法向；

所述三維點云中每個點的夾角為：XY_θ_k，k∈[1,K]

其中，XY_θ_k為三維點云中第k個點的XY水平面的夾角；

步驟1.2：XY水平面的夾角由0至180度均勻劃分為多個XY水平面的夾角區域，在每個XY水平面的夾角區域范圍內，結合所述三維點云中每個點的夾角，統計每個XY水平面的夾角區域內三維點云中點的數量、每個XY水平面的夾角區域內三維點云中點、每個XY水平面的夾角區域內三維點云中點的法向；

所述每個XY水平面的夾角區域內三維點云中點的數量為：

(NUM₁，NUM₂，...，NUM_K)

所述每個XY水平面的夾角區域內三維點云中點為：

i_j∈[1,K],i∈[1,N],j∈[1,NUM_i]

其中，K為三維點云中點的數量，為第i個XY水平面的夾角區域內第j個點，對應三維點云中第i_j個點，N為XY水平面的夾角區域的數量，NUM_i為第i個XY水平面的夾角區域內三維點云中點的數量；

所述每個XY水平面的夾角區域內三維點云中點的法向為：

i_j∈[1,K],i∈[1,N],j∈[1,NUM_i]

其中，為第i個XY水平面的夾角區域內第j個點的法向；

步驟1.4：在多個水平面的夾角區域搜索三維點云中點的數量最大的水平面的夾角區域，將三維點云中點的數量最大的水平面的夾角區域定義為最大點數的水平面的夾角區域，計算最大點數的水平面的夾角區域的平均平面法向角度，將最大點數的水平面的夾角區域的平均平面法向角度對應的法向方向作為X軸方向，在距離平均平面法向角度平均平面法向角度一定角度范圍內水平面的夾角區域進一步搜索三維點云中點的數量最大的水平面的夾角區域，并定義為最大點數的水平面的夾角子區域，計算最大點數的水平面的夾角子區域的平均平面法向角度，將最大點數的水平面的夾角子區域的平均平面法向角度對應的法向方向作為Y軸方向；

所述最大點數的水平面的夾角區域為：data_mm mm∈[1,N]；

所述最大點數的水平面的夾角區域的平均平面法向為：

其中，NUM_mm為第mm個XY水平面的夾角區域內三維點云中點的數量，為第mm個XY水平面的夾角區域內第j個點的法向水平分量；

將θ_mm對應的法向方向作為X軸方向；

所述距離平均平面法向角度一定角度范圍內水平面的夾角區域為：

其中，為所述一定角度范圍；

在內，搜索三維點云中點的數量最大的水平面的夾角區域為：

data_mn,mn∈[1,N]

所述最大點數的水平面的夾角子區域的平均平面法向角度為：

其中，NUM_mn為第mn個XY水平面的夾角區域內三維點云中點的數量，為第mn個XY水平面的夾角區域內第j個點的法向水平分量；

將θ_mn對應的法向方向作為Y軸方向；

則XY軸水平面方向相對于原始水平面坐標的角度為：

θ＝(θ_mm+θ_mn-π/2)/2

步驟1所述將三維點云旋轉至主方向得到旋轉后三維點云，具體為：

P′_i＝T_4×4·P_i

式中，T_4×4為變換矩陣，P_i＝(u_i,v_i,w_i,1)^T為data_i(x_i,y_i,z_i)的齊次化后的坐標值，i∈[1,K]；

所述步驟2具體如下：

步驟2.1：根據用戶輸入的體素大小(δ_x,δ_y,δ_z)將旋轉后點云數據所占據的三維空間體素化，得到體素格網V＝{v_i,i＝1,...,N_v}，N_v為體素數量，且每個體素v_i包含點數量記為

步驟2.2：檢索每個體素到上下前后左右6個方向的遮擋情況

分別為體素v_i上、下、前、后、左、右方向的遮擋值，取值范圍均為{0,1}；

從體素v_i沿某個方向出發，一直到體素格網邊界一直沒有遇到包含點的體素，該方向遮擋值為0，否則為1；

步驟2.3：根據遮擋情況設計決策樹、或通過能量優化方程求解方式判定每個體素屬于室內或室外，得到室內場景的三維空間內外分布圖

Oc＝{voc_i|voc_i∈{0,1},i＝1,...,N_v}；

所述步驟3具體如下：

步驟3.1：從室內場景的三維空間內外分布圖分離屬于內部的體素集合

Oc_in＝{voc_i|voc_i＝0,i∈[1,N_v]}；

步驟3.2：采用三維分割方法處理標記為內部的體素集，得到各個體素子集，各體素子集分別對應一個房間為三維分割方法為體素voc_i指定的房間標記r_j，N_r為分割結果中體素子集的數量即房間的數量，從而得到了房間的布局；

所述步驟4具體如下：

步驟4.1：聚合標記為各房間的內部體素，形成各房間的體素子集；

步驟4.2：各體素子集中體素所在的房間最低高度采用投票策略決定房間最低高度特征值，各體素子集中體素所在的房間最高高度采用投票策略決定房間最高高度特征值；

所述房間最低高度特征值計算方式如下：

從標記為r_j的體素子集中選出體素所在高度最低nl個值HL_j1,...,HL_jnl，設HL_j1＜HL_j2＜...＜HL_jnl，并統計各高度對應的體素數量其中數量最大值為對應的高度則為HL_jmax,jmax∈[1,jnl]，

F_jHL＝HL_jmax，F_jHL為房間最低高度特征值；

所述房間最高高度特征值計算方式如下：

從標記為r_j的體素子集中選出體素所在高度最高nl個值HH_j1,...,HH_jnl，設HH_j1＜HH_j2＜...＜HH_jnl，并統計各高度對應的體素數量其中數量最大值為對應的高度則為HH_jmax,jmax∈[1,jnl]；

F_jHH＝HH_jmax，F_jHH為房間最高高度特征值；

步驟4.3：根據體素子集的特征進行聚類，得到樓層分布。