專(zhuān)利名稱：一種用于點(diǎn)云數(shù)據(jù)處理的快速k近鄰搜索方法
技術(shù)領(lǐng)域：
本發(fā)明涉及模式識(shí)別和圖像處理領(lǐng)域，尤其是對(duì)三維掃描數(shù)據(jù)集進(jìn)行近鄰搜索的技術(shù)，具體地說(shuō)是一種用于點(diǎn)云數(shù)據(jù)處理的快速K近鄰搜索方法。
背景技術(shù)：
三維掃描能夠直接得到物體表面的采樣點(diǎn)信息，即點(diǎn)云數(shù)據(jù)，利用點(diǎn)云數(shù)據(jù)即可重構(gòu)出任意曲面。這種方法不受曲面復(fù)雜度影響，只要表面采樣密度足夠，就可以得到很高的重構(gòu)精度。因此，三維掃描及相關(guān)數(shù)據(jù)處理技術(shù)近些年發(fā)展十分迅速。在硬件設(shè)備方面，已有較多的三維掃描設(shè)備廣泛應(yīng)用于機(jī)械加工、數(shù)字城市等領(lǐng)域。對(duì)于精度最高的臺(tái)式掃描設(shè)備，其掃描精度可達(dá)十幾微米，得到的點(diǎn)云密度超過(guò)人眼分辨率，能夠同時(shí)使用三色激光掃描，直接得到真彩色點(diǎn)云數(shù)據(jù)。這種點(diǎn)云模型已經(jīng)不需要進(jìn)行網(wǎng)格化，但是模型數(shù)據(jù)量非常龐大。在軟件處理方面，各類(lèi)CAD軟件都陸續(xù)推出3D功能，3D地理信息系統(tǒng)是研究熱點(diǎn)之一。美國(guó)最先進(jìn)的數(shù)字城市平臺(tái)已經(jīng)成功建立了數(shù)字費(fèi)城，并將推出適用于個(gè)人PC、PDA、車(chē)載、手機(jī)無(wú)線通信等不同平臺(tái)的產(chǎn)品。點(diǎn)云數(shù)據(jù)處理技術(shù)是這些軟件實(shí)現(xiàn)中的核心算法，其關(guān)鍵技術(shù)主要包括點(diǎn)云網(wǎng)格化、多視點(diǎn)云拼接、點(diǎn)云模型簡(jiǎn)化及多分辨率表示等。在點(diǎn)云數(shù)據(jù)處理中，點(diǎn)云網(wǎng)格化和點(diǎn)云簡(jiǎn)化等都需要K近鄰信息。由于K近鄰反映散亂點(diǎn)云的重要局部拓?fù)潢P(guān)系，并且在表面重構(gòu)前就要做K近鄰搜索，因此，K近鄰搜索的效率和準(zhǔn)確性直接關(guān)系到點(diǎn)云建模的效率和準(zhǔn)確性，是點(diǎn)云重構(gòu)中的關(guān)鍵技術(shù)。如

圖1所示，為某個(gè)點(diǎn)的6近鄰點(diǎn)分布情況。近鄰方法是統(tǒng)計(jì)模式識(shí)別中的常用方法，多用于分類(lèi)決策中，即把原始數(shù)據(jù)最能反映分類(lèi)本質(zhì)的特征提取出來(lái)之后，在特征空間中用統(tǒng)計(jì)方法把被識(shí)別對(duì)象歸為某一類(lèi)別。最常見(jiàn)的近鄰分類(lèi)法是最近鄰分類(lèi)法，直觀來(lái)說(shuō)，對(duì)于未知樣本X，只要比較X與已知類(lèi)別中所有樣本的歐氏距離，并決策X與離它最近的樣本同類(lèi)。K近鄰分類(lèi)法是最近鄰分類(lèi)法的改進(jìn)，取未知樣本X的K個(gè)近鄰，看這K個(gè)近鄰中多數(shù)屬于哪一類(lèi)，就把X歸為哪一類(lèi)。K近鄰分類(lèi)法的主要缺點(diǎn)是計(jì)算量大，所以模式識(shí)別中發(fā)明了很多方法來(lái)克服這個(gè)缺點(diǎn)，如近鄰法的快速搜索法、剪輯近鄰法和壓縮近鄰法等。這些方法有很多值得借鑒之處，但它們并不是針對(duì)點(diǎn)云數(shù)據(jù)提出的，在面對(duì)龐大的點(diǎn)云數(shù)據(jù)時(shí)，其運(yùn)行效率較低。通過(guò)三維掃描獲得的點(diǎn)云數(shù)據(jù)量是極其龐大的，動(dòng)輒幾十萬(wàn)上百萬(wàn)個(gè)點(diǎn)。如果直接計(jì)算一個(gè)點(diǎn)到其它所有點(diǎn)的距離，再按照距離排序取前K個(gè)，在計(jì)算復(fù)雜度上顯然是無(wú)法接受的。必須先對(duì)點(diǎn)云數(shù)據(jù)進(jìn)行分塊，按照鄰近的原則設(shè)定一個(gè)點(diǎn)的近鄰區(qū)域，在這個(gè)區(qū)域中計(jì)算距離并排序，得到其K近鄰點(diǎn)。現(xiàn)有K近鄰方法大多采用這個(gè)思路，但由于點(diǎn)云數(shù)據(jù)量十分龐大，將其精確地分塊是一件很耗時(shí)間的工作，而要將這樣的分塊記錄下來(lái)也需要使用很復(fù)雜的數(shù)據(jù)結(jié)構(gòu)，并占用大量的存儲(chǔ)空間。從直觀角度看，某個(gè)點(diǎn)的近鄰的X、Y、Z坐標(biāo)都應(yīng)該和它比較接近。假設(shè)某點(diǎn)的第K個(gè)近鄰點(diǎn)到它的距離為d，則前K個(gè)近鄰點(diǎn)的每一個(gè)坐標(biāo)和中心點(diǎn)相應(yīng)坐標(biāo)的差不能超過(guò)d。即近鄰點(diǎn)的每一個(gè)坐標(biāo)都處在中心點(diǎn)相應(yīng)坐標(biāo)的鄰域內(nèi)，當(dāng)點(diǎn)分別按照X、Y、Z坐標(biāo)排序后，用一個(gè)適當(dāng)?shù)木嚯x閾值分別去取序列中位于中心點(diǎn)坐標(biāo)前后的點(diǎn)，得到一個(gè)點(diǎn)的子集，這個(gè)子集必然包括了中心點(diǎn)的K近鄰。只要在Χ、Υ、Ζ的坐標(biāo)序列中取某點(diǎn)附近的一定數(shù)量的點(diǎn)就可以保證該點(diǎn)的K近鄰點(diǎn)都被取到了。然后只需把這些點(diǎn)到中心點(diǎn)的距離排序，取前K個(gè)即可。如圖2所示，相當(dāng)于在整體點(diǎn)云中搜索到以中心點(diǎn)為中心，邊長(zhǎng)2 X DISC的立方體內(nèi)的點(diǎn)，然后在這個(gè)小范圍內(nèi)計(jì)算點(diǎn)到中心點(diǎn)的距離，取距離最近的K個(gè)點(diǎn)為K近鄰。參考文獻(xiàn)提出一種基于單坐標(biāo)軸排序的K近鄰搜索方法，該方法的可調(diào)參數(shù)是一個(gè)坐標(biāo)方向上某個(gè)中心點(diǎn)前后搜索點(diǎn)的個(gè)數(shù)M。M取值太大則計(jì)算量過(guò)大，M取值太小又不能保證取到全部近鄰。由于不同的點(diǎn)云在規(guī)模和精度上差距比較大，因此該參數(shù)不太容易確定。另外該方法在三個(gè)坐標(biāo)軸單方向搜索完成后，剩余需要計(jì)算空間距離的點(diǎn)數(shù)量仍然比較多。

發(fā)明內(nèi)容
針對(duì)上述問(wèn)題，本發(fā)明提出一種用于點(diǎn)云數(shù)據(jù)處理的快速K近鄰搜索方法。由三維掃描獲得點(diǎn)云數(shù)據(jù)時(shí)設(shè)定的角分辨率精度確定點(diǎn)云主體部分點(diǎn)的最小間距Clmin,即取3-4倍Clniin值作為中心點(diǎn)前后的搜索距離參數(shù)DISC。將角分辨率參數(shù)和K近鄰搜索掛鉤，方便根據(jù)不同規(guī)模和精度的點(diǎn)云數(shù)據(jù)調(diào)節(jié)參數(shù)DISC，從而提高方法的適應(yīng)性。將可調(diào)參數(shù)與角分辨率精度關(guān)聯(lián)，從而更加容易確定可調(diào)參數(shù)。為了實(shí)現(xiàn)上述目的，本發(fā)明的技術(shù)方案思路、存儲(chǔ)數(shù)據(jù)結(jié)構(gòu)、方法實(shí)施步驟如下:1.技術(shù)方案思路改進(jìn)搜索策略，原方法每次在一個(gè)坐標(biāo)方向上某個(gè)中心點(diǎn)前后各取M個(gè)點(diǎn)，三個(gè)坐標(biāo)方向都取完后刪除重復(fù)的點(diǎn)，再計(jì)算這些點(diǎn)到中心點(diǎn)的距離。本方法第一次在一個(gè)坐標(biāo)方向上依據(jù)參數(shù)DISC，即可保證取到全部可能的近鄰，其它兩個(gè)坐標(biāo)方向搜索后，只保留重復(fù)的點(diǎn)，減少了參與計(jì)算三維距離的點(diǎn)的數(shù)量，從而提高計(jì)算效率。2.存儲(chǔ)數(shù)據(jù)結(jié)構(gòu)
權(quán)利要求
1.一種用于點(diǎn)云數(shù)據(jù)處理的快速K近鄰搜索方法，其特征在于:由三維掃描獲得點(diǎn)云數(shù)據(jù)時(shí)設(shè)定的角分辨率精度確定點(diǎn)云主體部分點(diǎn)的最小間距Clniin，取3 4倍Clniin值作為中心點(diǎn)前后的搜索距離參數(shù)DISC。
2.根據(jù)權(quán)利要求1所述的快速K近鄰搜索方法，其特征在于存儲(chǔ)數(shù)據(jù)結(jié)構(gòu)包括:點(diǎn)的索引、點(diǎn)的坐標(biāo)、判斷是否是中心點(diǎn)某方向的近鄰的標(biāo)記、某點(diǎn)的近鄰點(diǎn)序號(hào)數(shù)組、某點(diǎn)的近鄰到該點(diǎn)的三維距離、點(diǎn)云簡(jiǎn)化時(shí)使用的判斷是否刪除的標(biāo)記。
3.根據(jù)權(quán)利要求1所述的快速K近鄰搜索方法，其特征在于包含如下步驟: 步驟1:讀入點(diǎn)云數(shù)據(jù)，各點(diǎn)標(biāo)記初始化為FALSE ;將點(diǎn)X, y, z三個(gè)坐標(biāo)值分別存入三個(gè)數(shù)組PointX, PointY, PointZ,并將點(diǎn)的索引值也相應(yīng)存入三個(gè)數(shù)ItemX, ItemY, ItemZ ；步驟2:將PointX中的坐標(biāo)按從小到大快速排序；排序中調(diào)換坐標(biāo)值的同時(shí)調(diào)換ItemX中索引的順序；同理，對(duì)y和z坐標(biāo)的值數(shù)組和索引數(shù)組進(jìn)行排序； 步驟3:置i = O ; 步驟4:取ItemX[i]數(shù)組中的一個(gè)點(diǎn)的索引作為中心點(diǎn)，設(shè)定距離參數(shù)DISC,從i點(diǎn)開(kāi)始分別向前向后每隔NUM個(gè)點(diǎn)計(jì)算一次X方向到i點(diǎn)的距離，小于DISC的點(diǎn)存入一個(gè)臨時(shí)數(shù)組TemItemlist ;如果某個(gè)搜索方向點(diǎn)的個(gè)數(shù)不足NUM個(gè)，則有多少點(diǎn)都全部存入臨時(shí)數(shù)組 TemItemlist ； 步驟5:在ItemY數(shù)組中尋找步驟4中的ItemX[i]里的索引值,然后在PointY數(shù)組中從這點(diǎn)的前后以閾值DISC，間隔NUM尋找中心點(diǎn)y方向的鄰近點(diǎn)，并將其原始點(diǎn)數(shù)據(jù)結(jié)構(gòu)中的 y_neighborhood 設(shè)為 TRUE ； 步驟6:查詢TemItemlist中的各項(xiàng)的y_neighborhood,如果為FALSE,則將該項(xiàng)值設(shè)為-1，并從數(shù)組中刪除； 步驟7:將步驟5中設(shè)為T(mén)RUE的各點(diǎn)的y_neighborhood改為FALSE ； 步驟8:和在y方向同理,根據(jù)PointZ和ItemZ尋找i點(diǎn)在z方向的近鄰； 步驟9:TemItemlist中不為-1的項(xiàng)即中心點(diǎn)的K近鄰點(diǎn)的序號(hào)；計(jì)算這些點(diǎn)到中心點(diǎn)的距離，并從小到大排序，取前K個(gè)為中心點(diǎn)近鄰，相關(guān)序號(hào)和距離存入中心點(diǎn)的結(jié)構(gòu)體；步驟10:i++ ;如果i <總點(diǎn)數(shù)，轉(zhuǎn)步驟4步，否則結(jié)束。
全文摘要
本發(fā)明公開(kāi)一種用于點(diǎn)云數(shù)據(jù)處理的快速K近鄰搜索方法，由三維掃描獲得點(diǎn)云數(shù)據(jù)時(shí)設(shè)定的角分辨率精度確定點(diǎn)云主體部分點(diǎn)的最小間距dmin，取3～4倍dmin值作為中心點(diǎn)前后的搜索距離參數(shù)DISC。將角分辨率參數(shù)和K近鄰搜索掛鉤，方便根據(jù)不同規(guī)模和精度的點(diǎn)云數(shù)據(jù)調(diào)節(jié)參數(shù)DISC，從而提高方法的適應(yīng)性。
文檔編號(hào)G06F17/30GK103092897SQ20111035400
公開(kāi)日2013年5月8日 申請(qǐng)日期2011年11月8日 優(yōu)先權(quán)日2011年11月8日
發(fā)明者王建宇, 康其桔, 袁夏 申請(qǐng)人:南京理工大學(xué)常熟研究院有限公司