[发明专利]基于曲面变化的点云精简方法

权利要求书

1.基于曲面变化的点云精简方法，其特征在于，包括以下步骤：

(1)对散乱点云进行空间栅格化，确定每个栅格中点云的个数和每个点所属的栅格位置，并在每个栅格中搜索某点P_i的最近k邻点，从而建立空间领域关系，其中，i＝1,2,…,N，N为总的点数；

(2)计算点P_i的曲面变化δ(P_i)；

(3)将点云分成特征不同的三个特征区域，分别为平面邻域类型点集Q₁、次特征邻域类型点集Q₂和富特征邻域类型点集Q₃,Q₁、Q₂、Q₃的特征依次增强，对模型的影响程度也依次增强；将所有点按照其δ(P_i)值分在三个集合Q₁、Q₂、Q₃中，并使每个集合的点的数目大致相等；按照点集中的点的影响力程度设置μ₁、μ₂、μ₃，分别为三类点集的权重系数，使得整体点云保持更多的特征；

(4)根据点的曲面变化定义近似特征点阈值，曲面变化大于近似特征点阈值的点保留，曲面变化小于近似特征点阈值的点，按照该点属于的特征区域计算精简其精简比率；

(5)根据精简比率定义精简距离阈值d_P，遍历某点P的k邻域，计算每个邻点与该点的距离d_Pj，j＝1,2,…,k，删除d_Pj＝d_P的点。

2.根据权利要求1所述基于曲面变化的点云精简方法，其特征在于，在步骤(1)中，确定每个栅格中点云的个数、每个点所属的栅格位置以及建立空间领域关系的方法：

设所有点的三维坐标中最小坐标为x_min,y_min,z_min，最大坐标为x_max,y_max,z_max,按长度为L划分出立方体栅格的,则小立方体栅格在X,Y,Z三个方向的个数分别为：

M＝(int){[(x_max+e)-(x_min-e)]/L}+1

N＝(int){[(y_max+e)-(y_min-e)]/L}+1

T＝(int){[(z_max+e)-(z_min-e)]/L}+1

设某确定点的三维坐标值为Px,Py,Pz,则其所在小立方体栅格的哈希函数:

I＝(int)(Px-x_min)/L

J＝(int)(Py-y_min)/L

K＝(int)(Pz-z_min)/L

上式中，e为自然常数，I,J,K分别是某点所属的立方体栅格在X,Y,Z轴三个方向的索引号，由一个一维存贮指针的数组来记录包围盒中每个栅格中所有数据点的索引号,数组中元素个数为M×N×T，在当前栅格搜索该点的最近k邻点，并按距离增序排列，如果在当前栅格内该点的k邻点已找到，并且距离都小于该点到栅格六个面的最短距离，则该点的k邻域搜索结束，否则栅格向外扩张一圈，继续按上述规则搜索。