[发明专利]一种基于模糊熵迭代的点云精简方法

说明书

技术领域

本发明属于三维信息重构的技术领域，特别是一种将点云精简方法用于物体的三维测量的方法。

背景技术

逆向工程是一种产品设计技术再现过程，通过三维测量技术获取原实物模型的数据信息，对其进行分析后，可用于工业生产或进一步进行数学分析。随着经济水平的提高，3D机器视觉开始进入人们的视野，研究逆向工程中的关键技术并开发可视化的三维测量系统成为研究热点。现今流行的三维光学扫描技术可快速获取复杂曲面的几何数据，但所获取的点云数据量相当庞大，存储、重构和显示都将消耗大量的时间和计算机资源，降低了三维重建的效率，因而在保持精度的前提下对点云进行简化是一项十分重要且具有实际意义的工作。

作为3D机器视觉中的重要环节，三维点云精简在过去的几十年内快速发展，其主流方法包括聚类分析，利用三角面简化，网格方法等几大类。基于三角网格的简化方法，先将扫描得到的全部点云数据作为输入，直接进行三角化，再根据向量加权方法对已生成的三角网格进行删除。另外也存在三角网格方法根据三角面处的曲率值来决定此三角面的取舍，然后重新拟合。但是三角网格方法中三角形的构造需要花费大量的时间，对内存资源浪费非常严重。利用体包围盒法来简化点云，首先建立所有点云数据的最小包围盒，然后将包围盒分解成若干个均匀大小的小包围盒，在每个包围盒中选取最靠近包围盒中心的点来代表该包围盒中的所有点，该方法无法保证所构建的模型逼近原始点云模型。基于几何图像的精简方法，先根据转换关系将每个采样点的笛卡尔坐标转换为球面极坐标，然后对球面极坐标进行量化，并重采样对应到灰度图像中，为了更好的实现空间坐标分割，一般还需要进行迭代，该方法只需简单进行投影操作，速度较快，但是容易丢失模型的空间几何特征。均匀方格法首先建立均匀网格，然后将数据点分配到相应的网格，选择一个中值点来表示该网格中的所有点。此外，将均匀网格法改进为非均匀网格精简方法——基于八叉树的非均匀网格法，但是利用网格的精简方法对边缘以及细节特征保留不完整。但这些方法都难以实现保留点云细节特征尽可能逼近点云的同时具有较高的计算效率。另外，过于稀疏的点云不利于后续进行纹理映射，过于稠密的点云会增加纹理映射的运行时间。

发明内容

发明目的：针对点云精简过程中难以实现保留点云细节特征尽可能逼近点云的同时具有较高的计算效率的问题，本发明的目的在于提供一种基于模糊熵迭代的点云精简方法，在不影响后续三维重构效果的前提下，解决保留点云细节特征不完整的问题。

技术方案：

一种基于模糊熵迭代的点云精简方法，包括如下步骤：

步骤1：快速直接提取三维点云模型的边界，处理过程为：

步骤1.1：利用快速排序法将所有点云数据按X坐标升序排列，将升序排列后的点云数据按顺序分组，每组个数为64，获取并保留每组中Y坐标最大和最小的数据点；

步骤1.2：利用快速排序法将所有点云数据按Y坐标升序排列，将升序排列后的点云按数据顺序分组，每组个数为64，获取并保留每组中X坐标最大和最小的数据点；

步骤2：计算所有数据点的曲率：

步骤2.1：计算所有点云模型包含数据点的总个数，记为Number；

步骤2.2：设三维点云模型中一点为点P，点P的k个邻近点组成集合为K(P)，点P的k个邻近点最小二乘拟合平面为L(P)；令点Q为点P的k个邻近点集合K(P)的形心，称为点P的中心点，该中心点为：

Q=1(k+1)ΣP∈K(P)P]]>

其中，k个近邻点是指与点P欧氏距离最近的k个点，k＝27；

设d_i为点P的第i个邻近点到最小二乘拟合平面L(P)的距离，λ_i为点P的第i个邻近点到点Q的距离，对点P的第i个邻近点存在函数f_i(P)：