CN112884901B - 半封闭空间场景的三维点云数据法向全局一致化方法 - Google Patents
半封闭空间场景的三维点云数据法向全局一致化方法 Download PDFInfo
- Publication number
- CN112884901B CN112884901B CN202110198577.8A CN202110198577A CN112884901B CN 112884901 B CN112884901 B CN 112884901B CN 202110198577 A CN202110198577 A CN 202110198577A CN 112884901 B CN112884901 B CN 112884901B
- Authority
- CN
- China
- Prior art keywords
- normal
- point cloud
- voxel
- cloud data
- plane
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
- G06T17/20—Finite element generation, e.g. wire-frame surface description, tesselation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computer Graphics (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种半封闭空间场景的三维点云数据法向全局一致化方法,在获取三维点云数据首先计算其法向,统计法向分布得到点云主方向,随后将点云旋转至主方向,将点云所在空间体素化,计算体素的法向,结合体素在主方向上的配对结果设计法向全局一致化能量优化方程,求解该方程得到体素的法向方向,进而得到体素内点的法向方向,进一步采用平面内点投票策略优化内点的法向方向,最终得到具有全局一致法向方向的点云。本发明克服了点云数据在常规法向计算中的局部歧义特点,提出了自动快速全局一致化点云法向方向的工作流程,能够处理不同来源的三维点云数据,为三维点云数据应用于特征提取、配准、表面重建和可视化提供新的解决方案。
Description
技术领域
本发明属于三维点云数据处理技术领域,涉及一种点云数据法向全局一致化方法,尤其涉及一种半封闭空间场景的三维点云数据法向量方向一致化方法。
背景技术
点云(X,Y,Z,A)已成为继矢量地图和影像数据之后的第三类重要的时空数据源,具有二维矢量地图和影像无可比拟的优越性,是三维地理信息获取的主要来源,对三维空间的精细化描述具有无可替代的重要作用。随着传感器技术、芯片技术等相关技术的飞速发展,三维激光扫描仪、多视影像(密集)匹配、深度相机、集成激光-姿态传感器和摄像头的移动测量***等设备和技术可以高速、高密度、高精度的以三维点云的方式获取目标表面的大量三维坐标信息,一般被称为“点云数据”,因而受到机器人、室内环境和测量领域的关注,点云数据处理成为该数据应用的核心问题。由于获取方式的物理特性差异,点云数据存在测量误差、密度分布不均匀、物体遮挡导致的数据不完整、仅包含几何特性而缺乏语义信息等问题,需对点云进行预处理提高其质量。除了基本的三维点位置信息,三维点云上最重要的信息是三维点的法向,其它关联的几何信息(曲率、特征线等)可以通过点的位置和法向计算得到,点的位置和法向的正确性直接影响相关应用的精度和效果。然而,当前广为使用的点云法向量计算方法是通过局部邻域的函数拟合得到的,包括线性函数和高阶多项式函数。这些拟合函数得到的法向量方向存在歧义,即法向量的方向和其相反方向都是局部正确的,但从整体上看点云法向的方向不连续、不一致。因此,具有全局一致方向的法向量是点云用于几何处理的基本要求。
发明内容
本发明目的在于探寻一种利用三维点云数据自动生成具有全局一致方向的法向量定向方法,为解决上述问题,研究三维点云的特点,并提出科学合理的全局一致化定向方法,自动确定法向方向,为三维点云数据应用于特征提取、配准、表面重建和可视化提供新的解决方案。
本发明所采用的技术方案是:一种半封闭空间场景的三维点云数据法向全局一致化方法,包括以下步骤:
步骤1:计算点云数据主方向;
步骤2:计算点云数据法向全局一致方向;
具体实现包括以下子步骤:
步骤2.1:根据输入的体素大小将点云数据所占据的三维空间体素化,忽略没有点在其中的体素,剩下每个体素的法向由其中的点计算得到;
步骤2.2:对体素按法向主方向进行配对;
步骤2.3:根据配对的法向主方向构建法向全局一致化能量优化方程;
所述法向全局一致化能量优化方程Elabel(L)为:
其中,L={-1,+1},对于每个节点最终确定的标记方向Li,该节点对应体素的法向量为ni←Li·ni,p∈P,pm∈P,(p,pm)∈pairi(i=0,1,2)表示体素节点p和pm在法向i主方向上构成一对,i为法向主方向(X=0,Y=1,Z=2)标记,体素集合P,λ为常数,(p,q)∈ε表示两个相邻体素,ω∠p,q则为相邻体素法向量夹角余弦的绝对值;ρ(Lp≠Lq)表示Potts模型,当Lp≠Lq时,ρ取0值,反之,ρ取1;np,i表示节点p在法向i方向上的分量;
步骤2.4:采用优化方程求解能量最小化方程,得到每个体素的法向量方向;
步骤2.5:将体素的法向方向赋予包含其中的点的法向,从而得到点云的法向量方向。
由于本发明直接处理点云数据,所以能够处理不同来源的点云数据,包括地面三维激光扫描仪单站或多站配准拼接的点云数据、多视影像几何计算得到的点云数据、深度相机及集成激光-姿态传感器和摄像头的室内移动测量***获取的点云数据等。
本发明具有如下有益效果:
1,本发明提出了三维点云法向全局一致化的一种自动优化流程,为点云数据处理提供新方法。
2,本发明包含一种法向配对方法,能够有效处理室内场景点云。
3,本发明能够处理不同来源的三维点云数据,尤其对具有封闭特点的场景具有更好的效果,如室内场景获取的三维点云。
附图说明
图1为本发明实施例的流程图。
图2为本发明实施例的体素配对示意图。
具体实施方式
为了便于本领域普通技术人员理解和实施本发明,下面结合附图及实施例对本发明作进一步的详细描述,应当理解,此处所描述的实施示例仅用于说明和解释本发明,并不用于限定本发明。
请见图1,本发明提供的一种半封闭空间场景的三维点云数据法向全局一致化方法,包括以下步骤:
步骤1:计算点云数据主方向;
本实施例中,步骤1的具体实现包括以下子步骤:
步骤1.1:计算点云数据(X,Y,Z,A)法向,并进行平面聚类;其中,X,Y,Z表示点的三维坐标;
步骤1.2:将单位半球划分为n份(n值较大,本实施例取1000);
步骤1.3:将平面内点数作为加权频数,统计平面法向的方向直方图;
步骤1.4:将直方图中最大频数组内平面法向平均值置为第一个主方向,在距离该方向80°~100°范围内找到频数最大的组,将组内方向的平面法向平均值视为第二个主方向,同理在距离第一、二个主方向80°~100°范围内找到第三个主方向;
步骤1.5:根据主方向,根据公式(1)将三维点云旋转至计算得到的主方向;
式中,T4×4为4×4的变换矩阵,由步骤1.4中三个旋转角度计算得到;点云的位置和法向量均通过公式(1)进行计算,T为4×4向量,P为4×1向量,P'为4×1向量,当P为xyz空间坐标时,直接利用公式(1)T4×4中的平移旋转部分向量相乘得到变换后的位置P';类似的,当P为法向量nxnynz时,利用T4×4的旋转部分相乘得到旋转后的法向量P',此时没有平移。
步骤2:计算点云数据法向全局一致方向;
本实施例中,步骤2的具体实现包括以下子步骤:
步骤2.1:根据输入的体素大小将点云数据所占据的三维空间体素化,忽略没有点在其中的体素,剩下每个体素的法向由其中的点计算得到;
步骤2.2:请见图2,对体素按法向主方向进行配对;
步骤2.3:根据配对的法向主方向构建法向全局一致化能量优化方程;
其中,法向全局一致化能量优化方程Elabel(L)如下式所示:
其中,L={-1,+1},对于每个节点最终确定的标记方向Li,该节点对应体素的法向量为ni←Li·ni,p∈P,pm∈P,(p,pm)∈pairi(i=0,1,2)表示体素节点p和pm在法向i主方向上构成一对,i为法向主方向(X=0,Y=1,Z=2)标记,体素集合P,λ为常数,(p,q)∈ε表示两个相邻体素,ω∠p,q则为相邻体素法向量夹角余弦的绝对值;ρ(Lp≠Lq)表示Potts模型,当Lp≠Lq时,ρ取0值,反之,ρ取1;np,i表示节点p在法向i方向上的分量;
步骤2.4:采用优化方程求解能量最小化方程(,如线性规划或图割优化等,得到每个体素的法向量方向;
步骤2.5:将体素的法向方向赋予包含其中的点的法向,从而得到点云的法向量方向。
步骤3:采用投票法则优化平面内点法向;
本实施例中,步骤3的具体实现包括以下子步骤:
步骤3.1:统计平面内点的法向,比较与平面法向方向一致的内点数量以及与平面法向方向不一致的内点数量;
步骤3.2:根据具有较大数量的方向确定平面方向;
步骤3.3:利用平面方向更新所有内点方向;
本实施例的更新方法为:如果内点方向与平面方向不一致,也就是法向量点积为负,将内点法向量乘以-1,或直接将平面法向赋予内点;
步骤3.4:利用公式(1)中T4×4的逆矩阵将点云旋转到原始方向或根据点云ID号赋予原始点云新的法向方向,最终得到具有全局一致法向方向的点云。
具体实施时,本领域技术人员可采用计算机软件方式支持实现流程。
应当理解的是,上述针对较佳实施例的描述较为详细,并不能因此而认为是对本发明专利保护范围的限制,本领域的普通技术人员在本发明的启示下,在不脱离本发明权利要求所保护的范围情况下,还可以做出替换或变形,均落入本发明的保护范围之内,本发明的请求保护范围应以所附权利要求为准。
Claims (3)
1.一种半封闭空间场景的三维点云数据法向全局一致化方法,其特征在于,包括以下步骤:
步骤1:计算点云数据主方向;
步骤2:计算点云数据法向全局一致方向;
具体实现包括以下子步骤:
步骤2.1:根据输入的体素大小将点云数据所占据的三维空间体素化,忽略没有点在其中的体素,剩下每个体素的法向由其中的点计算得到;
步骤2.2:对体素按法向主方向进行配对;
步骤2.3:根据配对的法向主方向构建法向全局一致化能量优化方程;
所述法向全局一致化能量优化方程Elabel(L)为:
其中,L={-1,+1},对于每个节点最终确定的标记方向Li,该节点对应体素的法向量为ni←Li·ni,p∈P,pm∈P,(p,pm)∈pairi表示体素节点p和pm在法向i主方向上构成一对,i为法向主方向(X,Y,Z)标记,i=0,1,2,X=0,Y=1,Z=2;体素集合P,λ为常数,(p,q)∈ε表示两个相邻体素,ω∠p,q则为相邻体素法向量夹角余弦的绝对值;ρ表示Potts模型,当Lp≠Lq时,ρ取0值,反之,ρ取1;np,i表示节点p在法向i方向上的分量;
步骤2.4:采用优化方程求解能量最小化方程,得到每个体素的法向量方向;
步骤2.5:将体素的法向方向赋予包含其中的点的法向,从而得到点云的法向量方向。
2.根据权利要求1所述的半封闭空间场景的三维点云数据法向全局一致化方法,其特征在于,步骤1的具体实现包括以下子步骤:
步骤1.1:计算点云数据(X,Y,Z)法向,并进行平面聚类;其中,X,Y,Z表示点的三维坐标;
步骤1.2:将单位半球划分为n份;
步骤1.3:将平面内点数作为加权频数,统计平面法向的方向直方图;
步骤1.4:将直方图中最大频数组内平面法向平均值置为第一个主方向,在距离该方向80°~100°范围内找到频数最大的组,将组内方向的平面法向平均值视为第二个主方向,同理在距离第一、二个主方向80°~100°范围内找到第三个主方向;
步骤1.5:根据主方向,根据公式(1)将三维点云旋转至计算得到的主方向;
式中,T4×4为4×4的变换矩阵,由步骤1.4中三个旋转角度计算得到;点云的位置和法向量均通过公式(1)进行计算,T为4×4向量,P为4×1向量,P'为4×1向量,当P为空间坐标(x,y,z,1)T时,直接利用公式(1)T4×4中的平移旋转部分向量相乘得到变换后的位置P';类似的,当P为法向量(nx,ny,nz,1)T时,利用T4×4的旋转部分相乘得到旋转后的法向量P',此时没有平移。
3.根据权利要求1-2任意一项所述的半封闭空间场景的三维点云数据法向全局一致化方法,其特征在于,还包括步骤3:优化平面内点法向;具体实现包括以下子步骤:
步骤3.1:统计平面内点的法向,比较与平面法向方向一致的内点数量以及与平面法向方向不一致的内点数量;
步骤3.2:根据具有较大数量的方向确定平面方向;
步骤3.3:利用平面方向更新所有内点方向;
更新方法为:如果内点方向与平面方向不一致,也就是法向量点积为负,将内点法向量乘以-1,或直接将平面法向赋予内点;
步骤3.4:将点云旋转到原始方向或根据点云ID号赋予原始点云新的法向方向,最终得到具有全局一致法向方向的点云。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110198577.8A CN112884901B (zh) | 2021-02-22 | 2021-02-22 | 半封闭空间场景的三维点云数据法向全局一致化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110198577.8A CN112884901B (zh) | 2021-02-22 | 2021-02-22 | 半封闭空间场景的三维点云数据法向全局一致化方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112884901A CN112884901A (zh) | 2021-06-01 |
CN112884901B true CN112884901B (zh) | 2022-04-15 |
Family
ID=76056862
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110198577.8A Active CN112884901B (zh) | 2021-02-22 | 2021-02-22 | 半封闭空间场景的三维点云数据法向全局一致化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112884901B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105046688A (zh) * | 2015-06-23 | 2015-11-11 | 北京工业大学 | 一种三维点云中的多平面自动识别方法 |
WO2016207669A2 (en) * | 2015-06-23 | 2016-12-29 | Oxford University Innovation Limited | A method of generating a three dimensional representation of an environment or system |
CN106803267A (zh) * | 2017-01-10 | 2017-06-06 | 西安电子科技大学 | 基于Kinect的室内场景三维重建方法 |
CN109887082A (zh) * | 2019-01-22 | 2019-06-14 | 武汉大学 | 一种基于点云数据的室内建筑三维建模方法及装置 |
CN110222642A (zh) * | 2019-06-06 | 2019-09-10 | 上海黑塞智能科技有限公司 | 一种基于全局图聚类的平面建筑构件点云轮廓提取方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109325998B (zh) * | 2018-10-08 | 2023-06-30 | 香港理工大学 | 一种基于点云数据的室内3d建模方法、***及相关装置 |
-
2021
- 2021-02-22 CN CN202110198577.8A patent/CN112884901B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105046688A (zh) * | 2015-06-23 | 2015-11-11 | 北京工业大学 | 一种三维点云中的多平面自动识别方法 |
WO2016207669A2 (en) * | 2015-06-23 | 2016-12-29 | Oxford University Innovation Limited | A method of generating a three dimensional representation of an environment or system |
CN106803267A (zh) * | 2017-01-10 | 2017-06-06 | 西安电子科技大学 | 基于Kinect的室内场景三维重建方法 |
CN109887082A (zh) * | 2019-01-22 | 2019-06-14 | 武汉大学 | 一种基于点云数据的室内建筑三维建模方法及装置 |
CN110222642A (zh) * | 2019-06-06 | 2019-09-10 | 上海黑塞智能科技有限公司 | 一种基于全局图聚类的平面建筑构件点云轮廓提取方法 |
Non-Patent Citations (1)
Title |
---|
法向估计的屏蔽泊松算法三维点云重建;欧阳宁等;《电视技术》;20171231;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN112884901A (zh) | 2021-06-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9117267B2 (en) | Systems and methods for marking images for three-dimensional image generation | |
Stahs et al. | Fast and robust range data acquisition in a low-cost environment | |
CN104019799A (zh) | 一种利用局部参数优化计算基础矩阵的相对定向方法 | |
GB2566443A (en) | Cross-source point cloud registration | |
Cheng et al. | Extracting three-dimensional (3D) spatial information from sequential oblique unmanned aerial system (UAS) imagery for digital surface modeling | |
Knyaz et al. | Accuracy evaluation of structure from motion surface 3D reconstruction | |
Xu et al. | 3D reconstruction method based on second-order semiglobal stereo matching and fast point positioning Delaunay triangulation | |
Yilmazturk et al. | Geometric evaluation of mobile‐phone camera images for 3D information | |
CN112884901B (zh) | 半封闭空间场景的三维点云数据法向全局一致化方法 | |
CN117522963A (zh) | 棋盘格的角点定位方法、装置、存储介质及电子设备 | |
Wu | Photogrammetry for 3D mapping in Urban Areas | |
Liu et al. | Camera calibration method with checkerboard pattern under complicated illumination | |
Feng et al. | A closed-form single-pose calibration method for the camera–projector system | |
Li et al. | BDLoc: Global localization from 2.5 D building map | |
Zhou et al. | A novel method for reconstructing general 3D curves from stereo images | |
Yu et al. | Multi-view 2D–3D alignment with hybrid bundle adjustment for visual metrology | |
Xu et al. | Automatic registration method for TLS LiDAR data and image-based reconstructed data | |
Yang et al. | Three-dimensional panoramic terrain reconstruction from aerial imagery | |
Kumar et al. | To Study the Effect of Varying Camera Parameters in the Process of Matching and Reconstruction | |
Arslan | Accuracy assessment of single viewing techniques for metric measurements on single images | |
Yu et al. | A spatial self-calibration algorithm for robot vision | |
Costantino et al. | ICV and fine-registration algorithms for an efficient merging of point clouds | |
Zhou et al. | Digitization of cultural heritage | |
Saishang et al. | MSURF: A new image matching algorithm which combines homography and SURF algorithm | |
Acar et al. | Automatic 3D Coordinate Extraction from High Resolution Digital Aerial Images |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |