點云數(shù)據(jù)質量自動優(yōu)化方法及系統(tǒng)的制作方法
【專利摘要】本發(fā)明涉及一種點云數(shù)據(jù)質量自動優(yōu)化方法，包括如下步驟：對待重建的目標物采集初始點云數(shù)據(jù)，以得到初始離散點云；對上述得到的初始離散點云進行初步的數(shù)據(jù)清洗得到LOP采樣模型；在上述得到的初始離散點云上采用Possion曲面重建的方法，得到Possion重建點云模型；將所述得到的Possion重建點云模型與上述得到的初始離散點云進行迭代最近點算法配準；針對當前配準的模型上每一點，在得到的LOP采樣模型上計算該點對應位置一定半徑距離區(qū)域內的周圍點對它的一個權重，并將所述權重與閾值進行比較，以確定該點所在區(qū)域是否需要重復掃描。本發(fā)明還涉及一種點云數(shù)據(jù)質量自動優(yōu)化系統(tǒng)。
【專利說明】點云數(shù)據(jù)質量自動優(yōu)化方法及系統(tǒng)
【技術領域】
[0001]本發(fā)明涉及一種點云數(shù)據(jù)質量自動優(yōu)化方法及系統(tǒng)。
【背景技術】
[0002]三維建模是計算機科學領域中的一個熱門問題。其建模方法按照數(shù)據(jù)的來源主要分為兩類:基于三維散亂點數(shù)據(jù)的建模方法和基于圖像(單幀、多幀、序列)的建模方法。三維激光掃描系統(tǒng)可以快速獲取目標對象表面的三維位置和幾何紋理信息，因其獲取的數(shù)據(jù)相對精度高而在三維建模領域得到廣泛應用。然而，現(xiàn)有的建模方法大多是通過特定掃描儀器對目標物進行掃描得到建模所需的原始點云數(shù)據(jù)，然后在后期離線狀態(tài)下采用一系列人為設計的精度優(yōu)化算法，人工對獲取的點云數(shù)據(jù)進行了拼接、去噪、簡化、特征提取和融合等處理，從而得到高精度的三維模型。這里一個對建模精度影響重大的關鍵因子即是初始采集數(shù)據(jù)的掃描儀的測量精度。
[0003]現(xiàn)有的三維建模技術多是應用在已經(jīng)經(jīng)過前期處理的相對質量較高的點云數(shù)據(jù)上。即是離線將采集到的離散點云經(jīng)過一定的人工清洗和填補，再運用對輸入數(shù)據(jù)規(guī)整度要求高，人為設計的優(yōu)化算法——基于計算幾何的方法或基于隱式曲面的方法，將這些離散點云計算成網(wǎng)格模型，加上一定的紋理和渲染，最終達到三維建模的目的?？梢姡F(xiàn)有的高精度三維建模技術大多對硬件設備的測量精度依賴很高，同時需要較多的人工參與。

【發(fā)明內容】

[0004]有鑒于此，有必要提供一種點云數(shù)據(jù)質量自動優(yōu)化方法及系統(tǒng)。
[0005]本發(fā)明提供一種點云數(shù)據(jù)質量自動優(yōu)化方法，該方法包括如下步驟:a.對待重建的目標物采集初始點云數(shù)據(jù)，以得到初始離散點云；b.對上述得到的初始離散點云進行初步的數(shù)據(jù)清洗得到局部最優(yōu)投影算子(Locally Optimal Projection operator, LOP)采樣模型；c.在上述得到的初始離散點云上采用Possion曲面重建的方法，得到Possion重建點云模型；d.將所述得到的Possion重建點云模型與上述得到的初始離散點云進行迭代最近點算法配準；及e.針對當前配準的模型上每一點,在得到的LOP采樣模型上計算該點對應位置一定半徑距離區(qū)域內的周圍點對它的一個權重，并將所述權重與閾值進行比較，以確定該點所在區(qū)域是否需要重復掃描。
[0006]其中，所述的a具體包括:采用三維激光掃描儀對待重建的目標物采集初始點云數(shù)據(jù)。
[0007]所述的三維激光掃描儀可以為手持式，或是安裝在多自由度機械臂末端的普通激光掃描裝置。
[0008]所述的e具體包括:針對當前配準的模型上每一點，在上述得到的LOP采樣模型上計算該點對應位置一定半徑距離區(qū)域內的周圍點對它的一個權重，并將所述權重與閾值進行比較；若權重較大，則表明在所述步驟a得到的初始離散點云中該點附近的點云分布較密集，符合當前建模精度要求，無需重復掃描該區(qū)域；若權重較小，則表明在所述步驟a得到的初始離散點云中該點附近的點云分布較稀疏，后期應針對該局部區(qū)域有選擇地再次掃描，并重復上述分析過程，直到滿足當前的建模精度要求；若權重為零，則可以肯定該點是在所述步驟C中，由真實三維激光掃描點經(jīng)過Possion算法中的插值計算得出，則后期有必要對該點所在的盲區(qū)位置重點掃描，重復上述分析過程，直到滿足當前的建模精度要求或人為設定終止條件。
[0009]所述的人為設定終止條件為某些位置掃描儀無法到達或者重復掃描的次數(shù)超出了人為預定值。
[0010]本發(fā)明提供一種點云數(shù)據(jù)質量自動優(yōu)化系統(tǒng)，該系統(tǒng)包括相互電性連接的數(shù)據(jù)收集模塊、原始數(shù)據(jù)采樣模塊、原始數(shù)據(jù)重建模塊、模型初配準模塊及模型質量分析模塊，其中:所述數(shù)據(jù)收集模塊用于對待重建的目標物采集初始點云數(shù)據(jù)，以得到初始離散點云；所述原始數(shù)據(jù)采樣模塊用于對上述得到的初始離散點云進行初步的數(shù)據(jù)清洗得到局部最優(yōu)投影算子(Locally Optimal Projection operator, LOP)采樣模型；所述原始數(shù)據(jù)重建模塊用于在上述得到的初始離散點云上采用Possion曲面重建的方法，得到Possion重建點云模型；所述模型初配準模塊用于將所述得到的Possion重建點云模型與上述得到的初始離散點云進行迭代最近點算法配準；所述模型質量分析模塊用于針對當前配準的模型上每一點，在得到的LOP采樣模型上計算該點對應位置一定半徑距離區(qū)域內的周圍點對它的一個權重，并將所述權重與閾值進行比較，以確定該點所在區(qū)域是否需要重復掃描。
[0011]其中，所述的數(shù)據(jù)收集模塊采用三維激光掃描儀對待重建的目標物采集初始點云數(shù)據(jù)。
[0012]所述的三維激光掃描儀可以為手持式，或是安裝在多自由度機械臂末端的普通激光掃描裝置。
[0013]所述的模型質量分析模塊針對當前配準的模型上每一點，在上述得到的LOP采樣模型上計算該點對應位置一定半徑距離區(qū)域內的周圍點對它的一個權重，并將所述權重與閾值進行比較；若權重較大，則表明在所述數(shù)據(jù)收集模塊得到的初始離散點云中該點附近的點云分布較密集，符合當前建模精度要求，無需重復掃描該區(qū)域；若權重較小，則表明在所述數(shù)據(jù)收集模塊得到的初始離散點云中該點附近的點云分布較稀疏，后期應針對該局部區(qū)域有選擇地再次掃描，并重復上述分析過程，直到滿足當前的建模精度要求；若權重為零，則可以肯定該點是在所述原始數(shù)據(jù)重建模塊中，由真實三維激光掃描點經(jīng)過Possion算法中的插值計算得出，則后期有必要對該點所在的盲區(qū)位置重點掃描，重復上述分析過程，直到滿足當前的建模精度要求或人為設定終止條件。
[0014]所述的人為設定終止條件為某些位置掃描儀無法到達或者重復掃描的次數(shù)超出了人為預定值。
[0015]本發(fā)明所提供的點云數(shù)據(jù)質量自動優(yōu)化方法及系統(tǒng)，完全無人工干涉，通過多尺度局部空間信息分析得出的反饋自動完成三維建模中輸入點云數(shù)據(jù)質量優(yōu)化的方法，選擇性地進行重復掃描，進而為后期的高精度建模提供更豐富的多尺度真實掃描數(shù)據(jù)，減少了對硬件固有測量精度的依賴性。
【專利附圖】

【附圖說明】
[0016]圖1為本發(fā)明點云數(shù)據(jù)質量自動優(yōu)化方法的流程圖；[0017]圖2為本發(fā)明點云數(shù)據(jù)質量自動優(yōu)化系統(tǒng)的硬件架構圖。
【具體實施方式】
[0018]下面結合附圖及具體實施例對本發(fā)明作進一步詳細的說明。
[0019]參閱圖1所示，是本發(fā)明點云數(shù)據(jù)質量自動優(yōu)化方法較佳實施例的作業(yè)流程圖。
[0020]步驟S401，對待重建的目標物采集初始點云數(shù)據(jù)，以得到初始離散點云。具體而言，采用三維激光掃描儀，對待重建的目標物，尤其針對體積較大、幾何結構較復雜的重建對象，如博物館中制作精美的雕塑等工藝品等，初步按照從上到下，從左到右的全方位掃描。其中，所述三維激光掃描儀可以為手持式，或是安裝在多自由度機械臂末端的普通激光掃描裝置。暫不考慮某些因激光測量精度，或目標物的復雜幾何紋理結構而帶來的測量盲區(qū)，在本步驟中得到一個表示真實三維位置局部點密度分布不均勻的初始離散點云。
[0021]步驟S402，對上述得到的初始離散點云進行初步的數(shù)據(jù)清洗得到LOP采樣模型，也即選擇局部最優(yōu)投影算子(Locally Optimal Projection operator,LOP)針對數(shù)據(jù)進行初步的下采樣及規(guī)整操作。具體而言，選用LOP算子，對原始采集數(shù)據(jù)進行清洗。采用LOP算子的理由是因為能夠生成一個相對簡潔的點云，同時保持了原始輸入點云的幾何特征，即在降采樣和剔除噪聲和野值點的同時，還可以來近似表示復雜幾何形態(tài)的三維物體表面信息。LOP算子使用方便，它使用無參數(shù)建模，不依賴于局部法向量、局部面片匹配等其他局部信息，因此它可以高效地處理掉那些干擾原始輸入數(shù)據(jù)中點方向判斷的噪聲。LOP算子尤其適用于以下兩種不容易判斷輸入點方向的應用情形:I) 一個外觀有多個褶皺并且彼此靠的很近；2)針對那些用局部面片擬合方法難以重建的復雜幾何形態(tài)物體。
[0022]步驟S403，在所述得到的初始離散點云上采用Possion曲面重建的方法，得到Possion重建點云模型。具體而言,使用泊松(Possion)曲面重建方法。泊松曲面重建過程是一個多尺度空間自適應分析的過程，它將空間中所有的離散點當做一個整體來一次性考慮，而不借助于啟發(fā)式空間分區(qū)或混合等操作，通過求解泊松方程完成重建出一個完整的封閉性網(wǎng)格模型，從而得出網(wǎng)格數(shù)據(jù)級別的三維模型。特別要說明的是Possion曲面重建機制減少了對一個良好的線性稀疏系統(tǒng)的依賴度，對噪聲干擾具有很高的魯棒性。
[0023]步驟S404，將所述得到的Possion重建點云模型與上述得到的初始離散點云進行ICP配準。具體而言，將所述得到的Possion重建點云模型與初始離散點云通過迭代最近點(Interative Closest Points, ICP)算法進行配準,融合后獲得下一步的輸入模型。所述的ICP算法通過尋找兩個點集的對應匹配點之間的關系，計算兩個點集的變換參數(shù)，以滿足收斂精度，最終求得兩個點集之間的評議和旋轉參數(shù)，來完成配準過程。
[0024]步驟S405，針對當前融合配準的模型上每一點，在得到的LOP采樣模型上計算該點對應位置一定半徑距離區(qū)域內的周圍點對它的一個權重，并將所述權重與閾值進行比較，以確定該點所在區(qū)域是否需要重復掃描。具體而言，針對當前融合配準的模型上每一點，在上述得到的LOP采樣模型上計算該點對應位置一定半徑距離區(qū)域內的周圍點對它的一個權重，并將所述權重與閾值進行比較。若權重較大，則表明在所述步驟S401得到的初始離散點云中該點附近的點云分布較密集，符合當前建模精度要求，無需重復掃描該區(qū)域；若權重較小，則表明在所述步驟S401得到的初始離散點云中該點附近的點云分布較稀疏，后期應針對該局部區(qū)域有選擇地再次掃描，并重復上述分析過程，直到滿足當前的建模精度要求；若權重為零，則可以肯定該點是在所述步驟S403中，由真實三維激光掃描點經(jīng)過Possion算法中的插值計算得出，則后期有必要對該點所在的盲區(qū)位置重點掃描，重復上述分析過程，直到滿足當前的建模精度要求或人為設定終止條件。所述的人為設定終止條件包括:某些位置掃描儀無法到達或者重復掃描的次數(shù)超出了人為預定值。
[0025]參閱圖2所示，是本發(fā)明點云數(shù)據(jù)質量自動優(yōu)化系統(tǒng)的硬件架構圖。該系統(tǒng)包括相互電性連接的數(shù)據(jù)收集模塊、原始數(shù)據(jù)采樣模塊、原始數(shù)據(jù)重建模塊、模型初配準模塊及模型質量分析模塊。
[0026]所述數(shù)據(jù)收集模塊用于對待重建的目標物采集初始點云數(shù)據(jù)。具體而言，所述數(shù)據(jù)收集模塊采用三維激光掃描儀，對待重建的目標物，尤其針對體積較大、幾何結構較復雜的重建對象，如博物館中制作精美的雕塑等工藝品等，初步按照從上到下，從左到右的全方位掃描。其中，所述三維激光掃描儀可以為手持式，或是安裝在多自由度機械臂末端的普通激光掃描裝置。暫不考慮某些因激光測量精度，或目標物的復雜幾何紋理結構而帶來的測量盲區(qū)，所述數(shù)據(jù)收集模塊得到一個表示真實三維位置，局部點密度分布不均勻的初始離散點云。
[0027]所述原始數(shù)據(jù)采樣模塊用于對上述得到的初始離散點云進行初步的數(shù)據(jù)清洗得到LOP采樣模型，也即選擇局部最優(yōu)投影算子(Locally Optimal Projection operator,LOP)針對數(shù)據(jù)進行初步的下采樣及規(guī)整操作。具體而言，所述原始數(shù)據(jù)采樣模塊選用LOP算子，對原始采集數(shù)據(jù)進行清洗。采用LOP算子的理由是因為能夠生成一個相對簡潔的點云，同時保持了原始輸入點云的幾何特征，即在降采樣和剔除噪聲和野值點的同時，還可以來近似表示復雜幾何形態(tài)的三維物體表面信息。LOP算子使用方便，它使用無參數(shù)建模，不依賴于局部法向量、局部面片匹配等其他局部信息，因此它可以高效地處理掉那些干擾原始輸入數(shù)據(jù)中點方向判斷的噪聲。LOP算子尤其適用于以下兩種不容易判斷輸入點方向的應用情形:1) 一個外觀有多個褶皺并且彼此靠的很近；2)針對那些用局部面片擬合方法難以重建的復雜幾何形態(tài)物體。
[0028]所述原始數(shù)據(jù)重建模塊用于在所述數(shù)據(jù)收集模塊得到的真實初始離散點云上采用Possion曲面重建的方法，得到一個Possion重建點云模型。具體而言，所述原始數(shù)據(jù)重建模塊使用泊松(Possion)曲面重建方法。泊松曲面重建過程是一個多尺度空間自適應分析的過程，它將空間中所有的離散點當做一個整體來一次性考慮，而不借助于啟發(fā)式空間分區(qū)或混合等操作，通過求解泊松方程完成重建出一個完整的封閉性網(wǎng)格模型，從而得出網(wǎng)格數(shù)據(jù)級別的三維模型。特別要說明的是Possion曲面重建機制減少了對一個良好的線性稀疏系統(tǒng)的依賴度，對噪聲干擾具有很高的魯棒性。
[0029]所述模型初配準模塊用于將所述得到的Possion重建點云模型與上述得到的初始離散點云，通過ICP配準方法，融合后得出所述模型質量分析模塊的輸入模型。具體而言，所述模型初配準模塊用于將所述原始數(shù)據(jù)重建模塊得到的Possion重建點云模型與初始離散點云通過迭代最近點(Interative Closest Points, ICP)算法進行配準,融合后獲得所述模型質量分析模塊的輸入模型。所述的ICP算法通過尋找兩個點集的對應匹配點之間的關系，計算兩個點集的變換參數(shù)，以滿足收斂精度，最終求得兩個點集之間的評議和旋轉參數(shù)，來完成配準過程。
[0030]所述的模型質量分析模塊用于針對當前融合配準的模型上每一點，在得到的LOP采樣模型上計算該點對應位置一定半徑距離區(qū)域內的周圍點對它的一個權重，并將所述權重與閾值進行比較，以確定該點所在區(qū)域是否需要重復掃描。具體而言，所述模型質量分析模塊針對當前融合配準的模型上每一點，在上述得到的LOP采樣模型上計算該點對應位置一定半徑距離區(qū)域內的周圍點對它的一個權重，并將所述權重與閾值進行比較。若權重較大，則表明在所述數(shù)據(jù)收集模塊中該點附近的點云分布較密集，符合當前建模精度要求，無需重復掃描該區(qū)域；若權重較小，則表明在所述數(shù)據(jù)收集模塊中該點附近的點云分布較稀疏，后期應針對該局部區(qū)域有選擇地再次掃描，并重復上述分析過程，直到滿足當前的建模精度要求；若權重為零，則可以肯定該點是在所述原始數(shù)據(jù)重建模塊中，由真實三維激光掃描點經(jīng)過Possion算法中的插值計算得出，則后期有必要對該點所在的盲區(qū)位置重點掃描，重復上述分析過程，直到滿足當前的建模精度要求或人為設定終止條件。所述的人為設定終止條件包括:某些位置掃描儀無法到達或者重復掃描的次數(shù)超出了人為預定值。
[0031]雖然本發(fā)明參照當前的較佳實施方式進行了描述，但本領域的技術人員應能理解，上述較佳實施方式僅用來說明本發(fā)明，并非用來限定本發(fā)明的保護范圍，任何在本發(fā)明的精神和原則范圍之內，所做的任何修飾、等效替換、改進等，均應包含在本發(fā)明的權利保護范圍之內。
【權利要求】
1. 一種點云數(shù)據(jù)質量自動優(yōu)化方法，其特征在于，該方法包括如下步驟: a.對待重建的目標物采集初始點云數(shù)據(jù)，以得到初始離散點云； b.對上述得到的初始離散點云進行初步的數(shù)據(jù)清洗得到局部最優(yōu)投影算子(LocallyOptimal Projection operator, LOP)米樣模型； c.在上述得到的初始離散點云上采用Possion曲面重建的方法，得到Possion重建點云模型； d.將所述得到的Possion重建點云模型與上述得到的初始離散點云進行迭代最近點算法配準 '及 e.針對當前配準的模型上每一點，在得到的LOP采樣模型上計算該點對應位置一定半徑距離區(qū)域內的周圍點對它的一個權重，并將所述權重與閾值進行比較，以確定該點所在區(qū)域是否需要重復掃描。
2.如權利要求1所述的方法，其特征在于，所述的a具體包括:采用三維激光掃描儀對待重建的目標物采集初始點云數(shù)據(jù)。
3.如權利要求2所述的方法，其特征在于，所述的三維激光掃描儀可以為手持式，或是安裝在多自由度機械臂末端的普通激光掃描裝置。
4.如權利要求1所述的方法，其特征在于，所述的e具體包括: 針對當前配準的模型上每一點，在上述得到的LOP采樣模型上計算該點對應位置一定半徑距離區(qū)域內的周圍點對它的一個權重，并將所述權重與閾值進行比較； 若權重較大，則表明在所述步驟a得到的初始離散點云中該點附近的點云分布較密集，符合當前建模精度要求，無需重復掃描該區(qū)域； 若權重較小，則表明在所述步驟a得到的初始離散點云中該點附近的點云分布較稀疏，后期應針對該局部區(qū)域有選擇地再次掃描，并重復上述分析過程，直到滿足當前的建模精度要求； 若權重為零，貝1J可以肯定該點是在所述步驟c中，由真實三維激光掃描點經(jīng)過Possion算法中的插值計算得出，則后期有必要對該點所在的盲區(qū)位置重點掃描，重復上述分析過程，直到滿足當前的建模精度要求或人為設定終止條件。
5.如權利要求4所述的方法，其特征在于，所述的人為設定終止條件為某些位置掃描儀無法到達或者重復掃描的次數(shù)超出了人為預定值。
6.一種點云數(shù)據(jù)質量自動優(yōu)化系統(tǒng)，其特征在于，該系統(tǒng)包括相互電性連接的數(shù)據(jù)收集模塊、原始數(shù)據(jù)采樣模塊、原始數(shù)據(jù)重建模塊、模型初配準模塊及模型質量分析模塊，其中: 所述數(shù)據(jù)收集模塊用于對待重建的目標物采集初始點云數(shù)據(jù)，以得到初始離散點云； 所述原始數(shù)據(jù)采樣模塊用于對上述得到的初始離散點云進行初步的數(shù)據(jù)清洗得到局部最優(yōu)投影算子(Locally Optimal Projection operator, LOP)采樣模型； 所述原始數(shù)據(jù)重建模塊用于在上述得到的初始離散點云上采用Possion曲面重建的方法,得到Possion重建點云模型； 所述模型初配準模塊用于將所述得到的Possion重建點云模型與上述得到的初始離散點云進行迭代最近點算法配準； 所述模型質量分析模塊用于針對當前配準的模型上每一點，在得到的LOP采樣模型上計算該點對應位置一定半徑距離區(qū)域內的周圍點對它的一個權重，并將所述權重與閾值進行比較，以確定該點所在區(qū)域是否需要重復掃描。
7.如權利要求6所述的系統(tǒng)，其特征在于，所述的數(shù)據(jù)收集模塊采用三維激光掃描儀對待重建的目標物采集初始點云數(shù)據(jù)。
8.如權利要求7所述的系統(tǒng)，其特征在于，所述的三維激光掃描儀可以為手持式，或是安裝在多自由度機械臂末端的普通激光掃描裝置。
9.如權利要求6所述的系統(tǒng)，其特征在于，所述的模型質量分析模塊針對當前配準的模型上每一點，在上述得到的LOP采樣模型上計算該點對應位置一定半徑距離區(qū)域內的周圍點對它的一個權重，并將所述權重與閾值進行比較； 若權重較大，則表明在所述數(shù)據(jù)收集模塊得到的初始離散點云中該點附近的點云分布較密集，符合當前建模精度要求，無需重復掃描該區(qū)域； 若權重較小，則表明在所述數(shù)據(jù)收集模塊得到的初始離散點云中該點附近的點云分布較稀疏，后期應針對該局部區(qū)域有選擇地再次掃描，并重復上述分析過程，直到滿足當前的建模精度要求； 若權重為零，則可以肯定該點是在所述原始數(shù)據(jù)重建模塊中，由真實三維激光掃描點經(jīng)過Possion算法中的插值計算得出，則后期有必要對該點所在的盲區(qū)位置重點掃描，重復上述分析過程，直到滿足當前的建模精度要求或人為設定終止條件。`
10.如權利要求9所述的系統(tǒng)，其特征在于，所述的人為設定終止條件為某些位置掃描儀無法到達或者重復掃描的次數(shù)超出了人為預定值。
【文檔編號】G06T17/00GK103489218SQ201310424344
【公開日】2014年1月1日 申請日期:2013年9月17日 優(yōu)先權日:2013年9月17日
【發(fā)明者】黃惠, 陳楠 申請人:中國科學院深圳先進技術研究院