TW201518956A - 點雲曲面重構系統及方法 - Google Patents
點雲曲面重構系統及方法 Download PDFInfo
- Publication number
- TW201518956A TW201518956A TW102133461A TW102133461A TW201518956A TW 201518956 A TW201518956 A TW 201518956A TW 102133461 A TW102133461 A TW 102133461A TW 102133461 A TW102133461 A TW 102133461A TW 201518956 A TW201518956 A TW 201518956A
- Authority
- TW
- Taiwan
- Prior art keywords
- point
- points
- neighborhood
- point cloud
- singular
- Prior art date
Links
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
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Geometry (AREA)
- Computer Graphics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Software Systems (AREA)
- Image Generation (AREA)
- Image Processing (AREA)
Abstract
一種點雲曲面重構系統及方法,所述系統包括:獲取模組用於獲取點雲資料以及網格化點間距以及奇異點判定參數;計算模組用於根據所設置的網格化點間距得到每一個點的鄰域點集進行平面擬合,並計算出所有點的法向量;修正模組用於透過各點的鄰域點集、各點的法向量以及奇異點判定參數以確定奇異點並修正;第一處理模組用於將修正後的各鄰域點集中的鄰域點投影到擬合平面得到鄰域投影點集並進行三角化處理;第二處理模組用於將上述進行三角化處理後的各鄰域投影點集進行整合,得到重構的點雲曲面。利用本發明可以得到更光滑精確的重構曲面。
Description
本發明涉及曲面處理系統及方法,尤其涉及一種點雲曲面重構系統及方法。
在三維測量和逆向工程過程中,點雲曲面重構是關鍵的步驟。點雲曲面重構是基於三角網格化進行重構的。然而,由於三維三角網格化處理非常複雜。現有技術一般基於直接二維三角網格化然後映射到三維,雖然計算方法簡單,但沒有考慮點三維特徵,會造成曲面不光滑、精度不高;另外,還需要後續曲面平滑處理,導致最終的重構效果不理想。
鑒於以上內容,有必要提出一種點雲曲面重構系統及方法,其可以快速精確地檢測出產品的平面度,並輸出圖形化資料供用戶參考。
所述點雲曲面重構系統運行於電腦中。該系統包括:獲取模組,用於獲取需要進行重構曲面的點雲資料,以及設置的網格化點間距以及奇異點判定參數;計算模組,用於根據上述網格化點間距得到點雲資料中每一個點的鄰域點集,利用點雲資料中各點的鄰域點集對該各點進行平面擬合,並計算出所有點的法向量;修正模組,用於利用各點的鄰域點集、各點的法向量、以及所述的奇異點判定參數確定奇異點並修正;第一處理模組,用於透過將修正後的各鄰域點集中的鄰域點投影到擬合平面上,得到鄰域投影點集,並利用預設的距離權值對各鄰域投影點集進行三角化處理;第二處理模組,用於將上述進行三角化處理後的各鄰域投影點集進行整合,得到重構的點雲曲面。
所述點雲曲面重構方法應用於電腦上。該方法包括:獲取步驟:獲取需要進行重構曲面的點雲資料,以及設置的網格化點間距以及奇異點判定參數;計算步驟:根據上述網格化點間距得到點雲資料中每一個點的鄰域點集,利用點雲資料中各點的鄰域點集對該各點進行平面擬合,並計算出所有點的法向量,並計算出所有點的法向量;修正步驟:利用各點的鄰域點集、各點的法向量、以及所述的奇異點判定參數確定奇異點並修正;第一網格化步驟:透過將修正後的各鄰域點集中的鄰域點投影到擬合平面上,得到鄰域投影點集,並利用預設的距離權值對各鄰域投影點集進行三角化處理;第二網格化步驟:將上述進行三角化處理後的各鄰域投影點集進行整合,得到重構的點雲曲面。
相較於習知技術,本發明所提供的點雲曲面重構系統及方法,利用全局參數化方法,直接獲取與主方向一致的能夠反映模型內在幾何特徵的網格化結果。採用局部三角化到全局三角化的處理,計算中加入了點雲法向量和帶權的正則三角化方法,判斷了奇異點,這種演算法生成曲面表面光滑精確,且不改變物體的形狀特徵。
圖1是本發明點雲曲面重構系統較佳實施例的系統架構圖。
圖2是本發明點雲曲面重構系統中局部三角化處理示意圖。
圖3是本發明點雲曲面重構方法較佳實施例的流程圖。
參閱圖1所示,是本發明點雲曲面重構系統10較佳實施例的系統架構圖。該點雲曲面重構系統10(以下簡稱曲面重構系統10)安裝於一台電腦1中。所述電腦1包括處理器11、儲存裝置12以及顯示裝置13。所述處理器11用於執行點雲曲面重構系統10中的各功能模組。所述的儲存裝置12用於儲存電腦1的各類資料,例如,待測產品的點雲資料。所述的顯示裝置13用於顯示電腦1的視覺化資料。
所述的點雲曲面重構系統10包括獲取模組100、計算模組101、修正模組102、第一處理模組103以及第二處理模組104。上述各功能模組100~104是完成特定功能的各個程式段,比軟體程式本身更適合於描述軟體在電腦設備,如電腦1中的執行過程,因此本發明對軟體程式的描述都以模組描述。
所述的獲取模組100用於獲取需要進行重構曲面的點雲資料以及獲取設置的相關參數。所述的相關參數包括網格化點間距以及奇異點判定參數C,該參數為常數,例如,0.5,2等。在本較佳實施例中,所述點雲資料以及相關參數可以從儲存裝置12中獲取,也可以從其他點雲掃描裝置(圖中未示出)獲取。
所述的計算模組101用於根據相關參數中的網格化點間距得到各點的鄰域點集,對各點的鄰域點集進行平面擬合,並計算出各點的法向量。所述的計算模組101將點雲資料中與某一點的距離小於所接收的網格化點間距的所有點作為該點的鄰域點集。
其中,若點Pi
的鄰域點集為Si
,其質心為(公式1),其中Pj
為鄰域點集中的鄰域點。該點Pi
及其鄰域點所擬合的平面應該透過質心。其中,本較佳實施例中所定義的協方差矩陣為:
C=[Pj1
-.....Pjn
-].[Pj1
-.....Pjn
-]T,jn∈Si
(公式2),此矩陣為對稱、半正定矩陣,其對應於最小特徵值的特徵向量即為所擬合的平面的法向量,即得到該點Pi
的法向量。在其他較佳實施例中,也可以透過其他擬合平面的方法對鄰域點集中的鄰域點進行平面擬合,例如最小二乘法等。
所述的修正模組102用於利用各點的鄰域點集以及各點的法向量計算得到各點的鄰域點到該領域點所擬合的平面的平均距離,結合所述的奇異點判定參數以確定奇異點,並修正點雲資料中的奇異點。所述的奇異點是指遠離曲面的點,通常是由於錯誤或者邊緣地方所造成的,透過適當修正這些奇異點,可以降低噪點,以得到更好的重構曲面的效果。所述計算各點的鄰域點到所擬合的平面的平均距離的公式為:
(公式3)
其中,所述的是其鄰域點的質心,所述nj
是所擬合平面的法向量。所述奇異點的判定式為:(>C*,即表示,若點i到平面的距離大於其鄰域點到所擬合的平面的平均距離與奇異點判定參數的乘積,這表示該點i為奇異點。
在本較佳實施例中,所述的修正模組102利用奇異點在所擬合平面上的映射點來代替該奇異點,以修正該奇異點,從而避免造成曲面凸起或者孔洞。
第一處理模組103用於透過將修正後的各鄰域點集中的鄰域點投影到擬合平面上,得到鄰域投影點集。所述的第一處理模組103利用預設的距離權值對各鄰域投影點集進行三角化處理,以對點雲資料進行局部三角化處理。在本較佳實施例中,所述的第一處理模組103在進行局部三角化處理時,採用正則三角化的處理方法。所述的正則三角化是利用預設的距離權值以及Delaunay三角化(點集的三角剖分)的方法對上述各鄰域投影點集中的投影點進行三角化處理。
所述的Delaunay三角化是一種常用的資料處理技術,其要求任意四點不能共圓,以及任意一個三角形的外接圓範圍內不會有其他點存在。因此,在進行Delaunay三角化處理時,需要透過兩點的距離差來確定外接圓。而在本較佳實施例中,利用預設的距離權值重新定義兩點的距離來確定外接圓。例如,將兩點的平方距離重新定義為:,其中,(x1
,y1
)與(x2
,y2
)為兩個點的座標,ω1
與ω2
為預設的距離權值。如圖2所示,為第一處理模組103將某個鄰域點集投影於擬合平面上的點進行正則三角化的結果示意圖。
所述的第二處理模組104用於將上述進行三角化處理後的各鄰域投影點集進行整合,得到重構的點雲曲面。所述的第二處理模組104透過將不同鄰域投影點集對應的三角形中,具有相同邊的三角形連接在一起,組成重構的點雲曲面。
圖3所示,是本發明點雲曲面重構方法較佳實施例的流程圖。應該瞭解,本發明所述點雲曲面重構方法並不限於圖3所示流程圖中的步驟及順序。根據不同的實施例,圖3所示流程圖中的步驟可以增加、移除、或者改變順序。
步驟S111,所述的獲取模組100獲取需要進行重構曲面的點雲資料以及獲取設置的相關參數。所述的相關參數包括網格化點間距以及奇異點判定參數C,該參數為常數,例如,0.5,2等。在本較佳實施例中,所述點雲資料以及相關參數可以從儲存裝置12中獲取,也可以從其他點雲掃描裝置(圖中未示出)獲取。
步驟S112,所述的計算模組101根據相關參數中的網格化點間距得到各點的鄰域點集,對各點的鄰域點集進行平面擬合,並計算出各點的法向量。所述的計算模組101將點雲資料中與某一點的距離小於所接收的網格化點間距的所有點作為該點的鄰域點集。
步驟S113,所述的修正模組102利用各點的鄰域點集以及各點的法向量計算得到各點的鄰域點到所擬合的平面的平均距離,結合接收的奇異點判定參數以確定奇異點,並修正點雲資料中的奇異點。所述的修正模組102利用奇異點在其對應的擬合平面上的映射點來代替該奇異點,以修正該奇異點。
步驟S114,第一處理模組103透過將修正後的各鄰域點集中的鄰域點投影到擬合平面上,得到鄰域投影點集,並利用預設的距離權值對各鄰域投影點集進行三角化處理,以對點雲資料進行局部三角化處理。在本較佳實施例中,所述的第一處理模組103在進行局部三角化處理時,採用正則三角化的處理方法。
步驟S115,所述的第二處理模組104將上述進行三角化處理後的各鄰域投影點集進行整合,得到重構的點雲曲面。所述的第二處理模組104透過將不同鄰域投影點集對應的三角形中,具有相同邊的三角形連接在一起,組成重構的點雲曲面。
綜上所述,本發明符合發明專利要件,爰依法提出專利申請。惟,以上所述者僅爲本發明之較佳實施例,本發明之範圍並不以上述實施例爲限,舉凡熟悉本案技藝之人士爰依本發明之精神所作之等效修飾或變化,皆應涵蓋於以下申請專利範圍內。
1‧‧‧電腦
10‧‧‧曲面重構系統
11‧‧‧處理器
12‧‧‧儲存裝置
13‧‧‧顯示裝置
100‧‧‧獲取模組
101‧‧‧計算模組
102‧‧‧修正模組
103‧‧‧第一處理模組
104‧‧‧第二處理模組
無
1‧‧‧電腦
10‧‧‧曲面重構系統
11‧‧‧處理器
12‧‧‧儲存裝置
13‧‧‧顯示裝置
100‧‧‧獲取模組
101‧‧‧計算模組
102‧‧‧修正模組
103‧‧‧第一處理模組
104‧‧‧第二處理模組
Claims (10)
- 一種點雲曲面重構系統,運行於電腦中,該系統包括:
獲取模組,用於獲取需要進行重構曲面的點雲資料,以及設置的網格化點間距以及奇異點判定參數;
計算模組,用於根據上述網格化點間距得到點雲資料中每一個點的鄰域點集,利用點雲資料中各點的鄰域點集對該各點進行平面擬合,並計算出所有點的法向量;
修正模組,用於利用各點的鄰域點集、各點的法向量、以及所述的奇異點判定參數確定奇異點並修正;
第一處理模組,用於將修正後的各鄰域點集中的鄰域點投影到擬合平面上,得到鄰域投影點集,並利用預設的距離權值對各鄰域投影點集進行三角化處理;及
第二處理模組,用於將上述進行三角化處理後的各鄰域投影點集進行整合,得到重構的點雲曲面。 - 如申請專利範圍第1項所述之點雲曲面重構系統,所述的計算模組將點雲資料中與某一點的距離小於所接收的網格化點間距的所有點作為該點的鄰域點集。
- 如申請專利範圍第1項所述之點雲曲面重構系統,所述的修正模組利用各點的鄰域點集與各點的法向量計算得到各點的鄰域點到所述擬合平面的平均距離,且在判定一個點到平面的距離大於該點對應的鄰域點到所擬合的平面的平均距離與奇異點判定參數的乘積時,判斷該點為奇異點。
- 如申請專利範圍第3項所述之點雲曲面重構系統,所述的修正模組利用各奇異點在所擬合平面上的映射點來代替該奇異點,以修正該奇異點。
- 如申請專利範圍第1項所述之點雲曲面重構系統,所述的第二處理模組透過將不同鄰域投影點集對應的三角形中,具有相同邊的三角形連接在一起,組成重構的點雲曲面。
- 一種點雲曲面重構方法,運行於電腦中,該方法包括:
獲取步驟:獲取需要進行重構曲面的點雲資料,以及設置的網格化點間距以及奇異點判定參數;
計算步驟:根據上述網格化點間距得到點雲資料中每一個點的鄰域點集,利用點雲資料中各點的鄰域點集對該各點進行平面擬合,並計算出所有點的法向量;
修正步驟:利用各點的鄰域點集、各點的法向量、以及所述的奇異點判定參數確定奇異點並修正;
第一網格化步驟:將修正後的將各鄰域點集中的鄰域點投影到擬合平面上,得到鄰域投影點集,並利用預設的距離權值對各鄰域投影點集進行三角化處理;及
第二網格化步驟:將上述進行三角化處理後的各鄰域投影點集進行整合,得到重構的點雲曲面。 - 如申請專利範圍第6項所述之點雲曲面重構方法,所述的計算步驟中將點雲資料中與某一點的距離小於所接收的網格化點間距的所有點作為該點的鄰域點集。
- 如申請專利範圍第6項所述之點雲曲面重構方法,所述的修正步驟透過利用各點的鄰域點集與各點的法向量計算得到各點的鄰域點到所述擬合平面的平均距離,且在判定一個點到平面的距離大於該點對應的鄰域點到所擬合的平面的平均距離與奇異點判定參數的乘積時,判斷該點為奇異點。
- 如申請專利範圍第8項所述之點雲曲面重構方法,所述的修正步驟中利用各奇異點在所擬合平面上的映射點來代替該奇異點,以修正該奇異點。
- 如申請專利範圍第6項所述之點雲曲面重構方法,所述的第二網格化步驟中透過將不同鄰域投影點集對應的三角形中,具有相同邊的三角形連接在一起,組成重構的點雲曲面。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310407237.7A CN104424655A (zh) | 2013-09-10 | 2013-09-10 | 点云曲面重构***及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
TW201518956A true TW201518956A (zh) | 2015-05-16 |
Family
ID=52625145
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW102133461A TW201518956A (zh) | 2013-09-10 | 2013-09-16 | 點雲曲面重構系統及方法 |
Country Status (3)
Country | Link |
---|---|
US (1) | US20150070354A1 (zh) |
CN (1) | CN104424655A (zh) |
TW (1) | TW201518956A (zh) |
Families Citing this family (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9646410B2 (en) * | 2015-06-30 | 2017-05-09 | Microsoft Technology Licensing, Llc | Mixed three dimensional scene reconstruction from plural surface models |
CN106327558B (zh) * | 2015-07-08 | 2019-11-19 | 深圳市腾讯计算机***有限公司 | 点云立面提取方法和装置 |
CN105808873B (zh) * | 2016-03-17 | 2018-12-11 | 武汉凌云建筑装饰工程有限公司 | 一种建筑表面施工曲面参数化分格方法 |
CN106960470B (zh) * | 2017-04-05 | 2022-04-22 | 未来科技(襄阳)有限公司 | 三维点云曲面重建方法及装置 |
CN107240148B (zh) * | 2017-04-11 | 2020-09-11 | 中国人民解放军国防科学技术大学 | 基于背景纹影技术的透明物体三维表面重建方法和装置 |
CN107993287A (zh) * | 2017-12-01 | 2018-05-04 | 大唐国信滨海海上风力发电有限公司 | 一种目标跟踪的自动初始化方法 |
CN110719497B (zh) * | 2018-07-12 | 2021-06-22 | 华为技术有限公司 | 点云编解码方法和编解码器 |
CN110009745B (zh) * | 2019-03-08 | 2023-01-06 | 浙江中海达空间信息技术有限公司 | 根据平面基元和模型驱动对点云提取平面的方法 |
CN111913169B (zh) * | 2019-05-10 | 2023-08-22 | 北京四维图新科技股份有限公司 | 激光雷达内参、点云数据的修正方法、设备及存储介质 |
CN110497088B (zh) * | 2019-08-31 | 2020-05-19 | 大连理工大学 | 基于曲面映射的柔性共形天线激光加工误差控制方法 |
CN111161179B (zh) * | 2019-12-26 | 2023-06-16 | 华南理工大学 | 一种基于法向量的点云平滑光顺滤波方法 |
CN111914212B (zh) * | 2020-07-31 | 2023-05-16 | 南京邮电大学 | 面向数据降维的邻域重建方法 |
CN111932570B (zh) * | 2020-09-10 | 2021-01-19 | 熵智科技(深圳)有限公司 | 一种基于网格数据的边缘检测方法、装置、介质及设备 |
CN112669463B (zh) * | 2020-12-25 | 2022-02-15 | 河南信大融通信息科技有限公司 | 三维点云的曲面重建方法、计算机设备和计算机可读存储介质 |
CN116917948A (zh) * | 2020-12-31 | 2023-10-20 | 西安大医集团股份有限公司 | 医学轮廓数据的全局法向量一致性调整方法和装置 |
CN113340201B (zh) * | 2021-06-25 | 2023-08-01 | 上海应用技术大学 | 一种基于rgbd相机的三维测量方法 |
CN113701626B (zh) * | 2021-08-10 | 2023-08-04 | 哈尔滨岛田大鹏工业股份有限公司 | 汽车纵梁3d机器视觉检测方法 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5567908B2 (ja) * | 2009-06-24 | 2014-08-06 | キヤノン株式会社 | 3次元計測装置、その計測方法及びプログラム |
US9846960B2 (en) * | 2012-05-31 | 2017-12-19 | Microsoft Technology Licensing, Llc | Automated camera array calibration |
US9767598B2 (en) * | 2012-05-31 | 2017-09-19 | Microsoft Technology Licensing, Llc | Smoothing and robust normal estimation for 3D point clouds |
EP2720171B1 (en) * | 2012-10-12 | 2015-04-08 | MVTec Software GmbH | Recognition and pose determination of 3D objects in multimodal scenes |
-
2013
- 2013-09-10 CN CN201310407237.7A patent/CN104424655A/zh active Pending
- 2013-09-16 TW TW102133461A patent/TW201518956A/zh unknown
-
2014
- 2014-09-10 US US14/481,920 patent/US20150070354A1/en not_active Abandoned
Also Published As
Publication number | Publication date |
---|---|
US20150070354A1 (en) | 2015-03-12 |
CN104424655A (zh) | 2015-03-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
TW201518956A (zh) | 點雲曲面重構系統及方法 | |
JP5297403B2 (ja) | 位置姿勢計測装置、位置姿勢計測方法、プログラムおよび記憶媒体 | |
CN109360246B (zh) | 基于同步子区搜索的立体视觉三维位移测量方法 | |
Xie et al. | Photometric stereo with near point lighting: A solution by mesh deformation | |
JP5838355B2 (ja) | 空間情報検出装置、人位置検出装置 | |
US20120013617A1 (en) | Method for global parameterization and quad meshing on point cloud | |
WO2008153721A1 (en) | System and method for locating a three-dimensional object using machine vison | |
JP6333396B2 (ja) | モバイルプラットフォームの変位を計測する方法及び装置 | |
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 | |
CN103582802A (zh) | 立体照相机装置和计算机可读记录介质 | |
US20100053191A1 (en) | System and method for computing and displaying a roundness error of an object | |
TW201618039A (zh) | 點雲邊界直角邊修補系統及方法 | |
CN109470170A (zh) | 基于最优投影平面的立体视觉空间圆位姿高精度测量方法及*** | |
JP2013205175A (ja) | 3次元対象面認識装置および方法、ならびにプログラム | |
CN107576275A (zh) | 一种利用摄影测量技术对充气结构进行应变场测量的方法 | |
CN116295113A (zh) | 一种融合条纹投影的偏振三维成像方法 | |
JP2011203241A (ja) | 低密度の反射対応から鏡面物体の表面を再構築するための方法 | |
CN103729886B (zh) | 一种基于顶点重定位的三角网格表面模型概率融合方法 | |
JP2018132451A (ja) | 位置計測方法および装置 | |
JP5174932B2 (ja) | 環境に配置された物体の表面上の放物線状湾曲の点を求めるための方法およびシステム | |
CN114877826B (zh) | 一种双目立体匹配三维测量方法、***及存储介质 | |
CN110672024A (zh) | 一种利用视频中物体投影测量物体间距的方法 | |
JP2023525538A (ja) | 3d画像の体積を決定する方法及び装置 | |
Esquivel et al. | Reconstruction of sewer shaft profiles from fisheye-lens camera images | |
CN108230377B (zh) | 点云数据的拟合方法和*** |