[发明专利]基于法向量球的室外场景三维点云数据的地面提取方法

说明书

技术领域

本发明涉及一种三维点云数据的地面提取方法，更具体地说，涉及一种基于法向量球的室外场景三维点云数据的地面提取方法。

背景技术

随着三维扫描测距技术的发展，三维点云数据在逆向工程、工业检测、自主导航等领域的应用越来越为广泛。三维点云数据处理技术作为实现上述应用的基础，发挥了至关重要的作用。在三维点云数据处理技术中，三维点云数据的特征提取是一个非常关键的技术，尤其是室外场景三维点云数据的地面特征提取，其对于室外场景的分割识别、移动机器人的路径规划等后续处理，都有着极其重要的作用。

在移动机器人自主导航领域，室外场景三维点云数据的地面提取是移动机器人进行路径规划的前提，完整的三维点云地面为移动机器人提供了准确的可行区域，提高了移动机器人的空间通过能力，保障了移动机器人在行进过程中的自身安全。在室外场景分析领域，由于室外场景极其复杂，会涉及到各种不同的物体，例如建筑、树木、车辆、人员等，为了便于进行场景分析，就需要对室外场景的三维点云数据进行有效的分割，而地面作为整幅场景的大背景，其准确完整的提取有助于将地面上的各类物体从空间中相互剥离，以便于后续的物体分割和场景分析。

目前，较为常见的三维点云地面提取方法为随机抽样一致性算法(RANSAC算法)，该方法将地面当作所处理场景中最大的平面而直接获取，这种方法对于比较平整大块的地面，具有较好的效果，但对于室外场景较为复杂、地面比较零碎、起伏不定的情况，这种方法就不能保证地面提取的完整性和准确性。

发明内容

为了克服现有技术中存在的不足，本发明目的是提供一种基于法向量球的室外场景三维点云数据的地面提取方法。该方法针对一个室外场景，首先利用激光扫描测距仪获取室外场景的三维点云数据，其实质为三维空间中的一个点集，然后通过一定的点云提取方法，从室外场景三维点云数据中，准确完整地提取出地面点云数据。该方法解决了由于室外场景复杂、地面零碎、起伏不定等因素而造成的地面提取不完整、不准确的问题，以提高室外场景地面提取的准确性和完整性，具有较好的地面提取效果。

为了实现上述发明目的，解决已有技术中所存在的问题，本发明采取的技术方案是：一种基于法向量球的室外场景三维点云数据的地面提取方法，包括以下步骤：

步骤1、获取室外场景的三维点云数据：利用激光扫描测距仪，获取室外场景的三维点云数据；

步骤2、构建三维点云的邻域关系：采用KD-Tree算法构建全体点云的结构树，根据点云的坐标将全体点云划分到不同的空间区域，在邻域构建时即可利用空间地址信息实现邻近点的搜索，以快速构建给定点p＝(x，y，z)的邻域N＝{p_i＝(x_i，y_i，z_i)|1≤i≤k}，其中：p_i为邻点，i为邻点的序号，k为邻点的个数；

步骤3、计算三维点云的协方差矩阵和法向量：选取三维点云中的任意一点为给定点p＝(x，y，z)，利用其邻域N＝{p_i＝(x_i，y_i，z_i)|1≤i≤k}，构建协方差矩阵M，求解协方差矩阵M的特征值λ₁、λ₂、λ₃和特征向量v₁、v₂、v₃，以及给定点p的法向量n；

步骤4、根据邻域形状对三维点云进行初步分类：利用给定点p的协方差矩阵M的特征值λ₁、λ₂、λ₃之间的大小关系，来判断其邻域形状，并以此将三维点云分为三大类，即点性点集合C_p、线性点集合C_l和面性点集合C_s；

步骤5、提取初步地面G_s：将所有面性点集合C_s的法向量映射到单位球上，以构建法向量球S，并利用Mean-Shift聚类算法，在法向量球S上对所有面性点集合C_s的法向量的顶点进行聚类，将面性点集合C_s分为若干个平面区域F_j，并从中提取出初步地面G_s；

步骤6、提取最终地面G_e：利用最小二乘平面拟合，构建地面区域的数学模型，并判断其它地面上的点，以提取最终完整的地面G_e。