[发明专利]一种基于Poisson-disk采样的数据点云精简方法

说明书

技术领域

本发明涉及逆向工程领域，特别涉及一种基于Poisson-disk采样的数据点云精简方法。

背景技术

当前，逆向工程中最普遍的应用模式是利用基于光学原理的扫描设备快速测量零件或模具外表面形成点云数据，从中提取几何特征进而重建多边形或NURBS曲面。原始扫描点云通常由多次测量的单片数据拼合而成，接合处存在区域重叠，数据规模大、分布不均匀，普通计算机的计算及内存资源很难直接对其进行高效、高质量的曲面重建。针对这一问题，点云精简算法的主要目标是减少数据量并使采样点依几何特征自适应均匀分布。点云精简通常有两种定义：给定容许误差阈值计算最小采样数分布；给定目标采样点数目搜索最小误差分布。对于工业产品设计，后者相对合理，用户通常希望点云精简算法能够任意指定目标采样点数目；不改变原有采样点位置以维持扫描精度；尽可能保留尖锐几何特征，点云依曲面曲率自适应均匀分布。

随着基于点的绘制与造型技术的发展，已经存在许多算法直接简化点云数据。根据精简点云采样分布形成的方式可将现有方法分为三类：迭代最优剔除、层次聚类、曲面重采样。不同的方法分别侧重减少原始点云与精简后点云之间的距离、曲率自适应、分布均匀性等方面。迭代最优剔除方法的优点在于采样前后的点云距离误差小，缺点在于随着点云规模的增加由于全局排序、属性更新需要大量的内存与计算消耗，不适合逆向工程中海量点云高效精简，且不容易保留尖锐边特征与边界。层次聚类方法具有计算效率高的优点，其缺点是不容易控制采样点分布与误差。现存曲面重采样方法直接从分布特性角度出发，能够获得理论上最优采样点分布，但由于其通常需求解流形上的距离或维持局部动态平衡，其所消耗的计算资源也是最大的。

发明内容

本发明的目的是提供了一种基于泊松碟Poisson-disk采样的数据点云精简方法，以解决的现有采样技术中的问题，以尽可能的保留尖锐边特征与边界数据，防止采样点局部聚集。

一种基于Poisson-disk采样的数据点云精简方法，用于对初始取得的数据点云进行精简处理，包括步骤：

(1)估计初始点云法向；

(2)对得到的初始点云法向进行双边滤波；

(3)对初始点云进行Poisson-disk采样；

(4)调整采样后的点云数到指定的精简数目。

所述步骤（1）进一步包括：

（1.1）对初始点云中每一个采样点p_i，列出p_i的邻域的协方差矩阵：

C=pi1-p‾...pik-p‾T·pi1-p‾...pik-p‾,]]>