[发明专利]一种基于射线原理的带边界保留的云数据精简算法

说明书

技术领域

本发明涉及数据处理领域，尤其涉及一种基于射线原理的带边界保留的云数据精简算法。

背景技术

近年来，随着三维扫描仪成本的降低以及精度的提高，三维点云数据已经成为图形学、逆向工程和工业领域中一种重要的数据表现形式。然而原始采集的三维点云数据量非常大，这对后期的三维重建带来很大的困难，因此三维点云的去噪和简化工作是点云处理中至关重要的一个环节。

目前三维点云数据精简的算法有基于聚类的简化、基于曲率的简化等，这些方法虽然能够在一定程度上精简点云数量，保留点云模型的特征，提高模型的重建效果，但是由于大多需要进行递归操作或者曲率估算，所以对于点云数据量较大的模型，此类算法显得非常耗时。

鉴于上述缺陷，本发明创作者经过长时间的研究和实践终于获得了本创作。

发明内容

本发明的目的在于提供一种基于射线原理的带边界保留的云数据精简算法，用以克服上述技术缺陷。

为实现上述目的，本发明提供一种基于射线原理的带边界保留的云数据精简算法，该具体过程为：

步骤a，输入点云数据，建立k-d树以形成散乱点云之间的拓扑关系；

步骤b，利用点云数据生成包围三维点云模型的立方体V_m，并将该立方体依据点云模型的中心点分为8个子立方体V_i(i＝0，1，...，7)，将所有的数据点依据其空间所在位置进行归类，归入各自的子立方体中；

步骤c，依据点云模型子立方体，将立方体V_m的每一个面分为4个子平面，根据上述步骤b中的射线生成方法生成射线；

步骤d，利用公式计算出子立方体V_i(i＝0，1，...，7))中每个数据点到通过该立方体的每条射线之间的距离d_i(i＝0，1，...，Max)，并由数据点到中心点Mid之间的距离得出每个数据点相应的判断阈值dis_i(i＝0，1，...，Max)，若d_i＜dis_i，则视为数据点需要被精简。

进一步，设定阈值Num，表示当检测到某数据点为非边界点时，其邻近点中无需判断便被视为非边界点的点云数量，阈值Num可随三维点云模型的数据量增大而增大，通过对比例系数e和阈值Num的结合控制。

进一步，在上述步骤b中，

根据两点确定一条直线的原理，以三维点云模型的中心点作为所有射线的公共点，则只需要按一定规则生成射线另一点的坐标，就可以生成所有的射线；

步骤b1，生成一个最小的能够包围点云模型的立方体V_m，设该立方体的边长为L，散乱点云在X、Y、Z轴方向的最大值和最小值分别为：X_max、Y_max、Z_max、X_min、Y_min、Z_min，则立方体边长的计算方法如下：

L＝Max((X_max-X_min)，(Y_max-Y_min)，(Z_max-Z_min)) (1)

L为边长，(X_min，Y_min，Z_min)为一顶点，作立方体，并使其能够完全包围点云模型；

步骤b2，在立方体的6个平面上生成所需要的点，以某一与xoy面平行的平面为例，设该平面分别平行于X轴和Y轴的两边为L1、L2，并且已知两边的端点分别为P1(x₁，y₁，z₁)、P2(x₂，y₂，z₂)和P2、P3(x₃，y₃，z₃)。

进一步，在上述步骤b2中，设阈值d，假设生成的点为P_i(x_i，y_i，z_i)，则生成点坐标计算方法如下：

x_i＝(i/d)×(x₁-x₂)+x₂ (i＝0，1，2，...，d-1，d) (2)