基于激光掃描的三維點(diǎn)云數(shù)據(jù)處理技術(shù)研究.pdf

1、三維點(diǎn)云模型以離散采樣點(diǎn)為基元，數(shù)據(jù)結(jié)構(gòu)簡(jiǎn)單，能夠表達(dá)任意復(fù)雜細(xì)節(jié)，在逆向工程、虛擬現(xiàn)實(shí)、文物保護(hù)等領(lǐng)域得到廣泛應(yīng)用。但是，利用掃描設(shè)備采集的三維點(diǎn)云數(shù)據(jù)往往含有噪聲、采樣不均勻、數(shù)據(jù)缺失、特征丟失等缺陷，因此，為了提高三維點(diǎn)云的質(zhì)量，對(duì)點(diǎn)云后處理關(guān)鍵技術(shù)的研究與改進(jìn)，具有重要的研究意義。
　　使用三維激光掃描設(shè)備對(duì)工廠等大型復(fù)雜建筑進(jìn)行數(shù)據(jù)采集時(shí)，受掃描設(shè)備自身的物理限制（如:采樣距離、精度）以及數(shù)據(jù)采集現(xiàn)場(chǎng)的環(huán)境影響，需要在多

2、個(gè)測(cè)量點(diǎn)分別采集數(shù)據(jù)，以獲取目標(biāo)對(duì)象的較完整的三維點(diǎn)云數(shù)據(jù)?，F(xiàn)有點(diǎn)云處理算法通常以較少的采樣點(diǎn)數(shù)量及特征、較小的空間尺寸的點(diǎn)云模型為研究對(duì)象，很難直接推廣和應(yīng)用于較大規(guī)模的點(diǎn)云模型。本文針對(duì)大場(chǎng)景點(diǎn)云數(shù)據(jù)處理的需求，研究了適用于大場(chǎng)景點(diǎn)云模型的簡(jiǎn)化、目標(biāo)自動(dòng)提取、點(diǎn)云重采樣、骨骼抽取等主要技術(shù)。本文的主要工作和貢獻(xiàn)歸納為以下幾個(gè)方面:
　　(1)大場(chǎng)景的點(diǎn)云簡(jiǎn)化方法
　　針對(duì)大場(chǎng)景點(diǎn)云數(shù)據(jù)的空間范圍大、點(diǎn)云密度分布不均勻、特

3、征多樣、數(shù)據(jù)冗余嚴(yán)重等問(wèn)題，提出了一種大場(chǎng)景的點(diǎn)云簡(jiǎn)化方法。首先從點(diǎn)云索引構(gòu)建和相鄰點(diǎn)快速查找的需求出發(fā)，根據(jù)點(diǎn)云模型的空間大小、點(diǎn)云數(shù)量和鄰域信息，估算最優(yōu)空間劃分柵格尺寸，基于局部點(diǎn)云分布密度，優(yōu)化空間搜索方向，提高相鄰點(diǎn)的動(dòng)態(tài)搜索速度;然后基于法向量差、投影距離和空間距離，定義采樣點(diǎn)的特征參數(shù)，將采樣點(diǎn)分類為特征點(diǎn)和非特征點(diǎn)，以特征點(diǎn)作為點(diǎn)云的分割依據(jù)，將點(diǎn)云分成不同的特征區(qū)域，最后根據(jù)區(qū)域的幾何特征和局部熵，動(dòng)態(tài)調(diào)整區(qū)域簡(jiǎn)化策略

4、，實(shí)現(xiàn)了大場(chǎng)景點(diǎn)云的自適應(yīng)簡(jiǎn)化。實(shí)驗(yàn)表明，該方法避免了傳統(tǒng)算法中追求簡(jiǎn)化率但細(xì)節(jié)丟失嚴(yán)重或者注重保留特征但簡(jiǎn)化率較低的缺點(diǎn)，點(diǎn)云模型的簡(jiǎn)化率和特征保持率達(dá)到了較好的平衡性，并且具有較快的簡(jiǎn)化速度。
　　(2)特征保持的點(diǎn)云重采樣
　　提出了一種特征保持的點(diǎn)云重采樣方法。首先估算點(diǎn)云中采樣點(diǎn)的初始法向量，利用高斯映射將點(diǎn)云劃分為特征點(diǎn)和非特征點(diǎn);基于法向量權(quán)重和投影距離權(quán)重定義了一種各向異性的法向量估算法，重新計(jì)算特征點(diǎn)的法向

5、量;基于法向量權(quán)重和密度權(quán)重的投影運(yùn)算，使得投影點(diǎn)集在平滑區(qū)域均勻分布;針對(duì)特征區(qū)域的插值運(yùn)算，保證了新插入點(diǎn)沿著特征區(qū)域均勻分布并且緊貼著采樣表面。實(shí)驗(yàn)結(jié)果表明，該方法在提高特征區(qū)域的點(diǎn)云法向量精度的基礎(chǔ)上，使用各向異性的重采樣方法，不僅能夠獲得分布相對(duì)均勻、特征保持的點(diǎn)云，而且具有較好的空洞修復(fù)效果。
　　(3)魯棒的點(diǎn)云骨骼提取
　　提出了一種魯棒的曲線骨骼提取算法。首先根據(jù)采樣點(diǎn)間的可視度將點(diǎn)云分割成“弱”強(qiáng)凸面區(qū)域

6、，通過(guò)形狀直徑函數(shù)計(jì)算區(qū)域相似度，融合可能歸屬于同一語(yǔ)義形狀的分片區(qū)域，得到連通的弱凸面集;然后根據(jù)弱凸面集點(diǎn)云信息，使用中值點(diǎn)法和局部最優(yōu)切平面法生成候選骨骼點(diǎn)，并對(duì)候選骨骼點(diǎn)進(jìn)行壓縮、平滑和重定位;最后根據(jù)弱凸面集之間的連接信息，能夠快速、準(zhǔn)確地將各區(qū)域的骨骼分支相連，獲得最終的曲線骨骼。與其他方法相比，該方法不僅能夠直接處理包含多種幾何形狀的完整點(diǎn)云模型，而且能夠從不完整點(diǎn)云模型中提取曲線骨骼，提取的曲線骨骼與原始點(diǎn)云模型的拓?fù)浣Y(jié)

7、構(gòu)達(dá)到了較高的相似性，該方法具有較強(qiáng)的魯棒性。
　　(4)室內(nèi)建筑大場(chǎng)景點(diǎn)云中目標(biāo)自動(dòng)提取
　　針對(duì)室內(nèi)建筑中墻體和圓柱體兩種代表性物體，提出了大場(chǎng)景點(diǎn)云中目標(biāo)自動(dòng)提取方法。墻體自動(dòng)提取時(shí)，因?yàn)樵紨?shù)據(jù)不完整性，容易產(chǎn)生虛假墻體，針對(duì)此問(wèn)題，本方法首先使用子塊區(qū)域生長(zhǎng)法，根據(jù)采樣點(diǎn)的法向量信息、空間密度和子塊特征，將點(diǎn)云模型快速劃分為平面區(qū)域和非平面區(qū)域;針對(duì)平面區(qū)域，使用基于密度的RANSAC算法，提高不同密度的平面區(qū)域的

8、平面檢測(cè)結(jié)果;然后基于有向包圍盒驗(yàn)證平面間關(guān)系，移除虛假墻體信息，填充不完整的真實(shí)墻體信息;最后基于一維均值漂移聚類算法、墻體法向和距離信息進(jìn)行墻體融合，提取得到完整的墻體信息。圓柱體自動(dòng)提取時(shí)，因其空間自由度高和采樣不完整，往往只能檢測(cè)到特定角度的部分圓柱體，針對(duì)此問(wèn)題，本方法首先將點(diǎn)云分別向三個(gè)標(biāo)準(zhǔn)坐標(biāo)平面進(jìn)行投影，把三維空間中的圓柱體檢測(cè)轉(zhuǎn)換為二維平面中的圓弧檢測(cè);然后基于高斯映射檢測(cè)點(diǎn)云中與標(biāo)準(zhǔn)坐標(biāo)平面非垂直關(guān)系的圓柱體點(diǎn)云，通