[发明专利]一种基于三角剖分的点云比例标准化方法

说明书

本发明公开了一种基于三角剖分的点云比例标准化方法，包括步骤：1)获得待标准化处理的三维点云A和标准三维点云B，分别求点云A和点云B的全局质心M_A和M_B；2)对点云A内表面进行采样，并以采样点为顶点构建由delaunay三角构成的凸壳；3)计算三维点云A的特征比例系数λ和γ；4)根据标准三维点云B的delaunay三角顶点关系，应用点云A的特征比例系数，对点云A的进行拉伸变形，使其比例标准化，获得标准化后的点云A’。本发明为点云标准化预处理提供了一种快速、简便、高效的手段。

技术领域

本发明涉及生物医学测量与模式识别技术领域，尤其是指一种基于三角剖分的点云比例标准化方法。

背景技术

在生物医学测量中，由于个体差异性，我们通常会具体分析一个标准模型，而对其他非标准模型进行标准化处理。如在耳廓识别中，需要对三维耳廓点云模型进行归一化预处理，以统一数据库中所有耳廓点云模型的位置与姿态，然后基于分类系统对三维耳廓的局部特征区域进行提取和匹配，从而实现耳廓形状识别；又如在胎头位置分析中，需要将被测者的三维骨盆点云模型进行姿态标准化和变形处理，从而应用标准模型的产轴线对此被测者骨盆中胎头位置进行估计。点云标准化包括位置标准化及比例标准化，本专利仅涉及后者。

目前最常用的点云比例标准化方法是基于仿射变换的，通常的流程如下：首先将待标准化处理的点云数据和标准点云数据进行配准，比较经典的算法有ICP算法，然后再对配准后的点云数据进行仿射变换，求解缩放系数，将待标准化处理点云的尺寸放大或缩小至与标准三维点云的尺寸相一致。但ICP算法用时长，包括初始匹配和精确配准两个环节，需要经过多次最近点搜索和迭代。容易陷入局部最小，不稳定。尤其在特征点较少的情况下不够准确。在针对具有复杂表面、点云数据量大的生物体对象时，这种方法效果较差。

发明内容

本发明的目的在于克服现有技术的缺点和不足，提供了一种基于三角剖分的点云比例标准化方法，该方法不需要先经过配准，运算速度快，只需要较少的采样点就能够得到较为精确的结果，在针对不规则图形时尤其具有优势。

为实现上述目的，本发明所提供的技术方案为：一种基于三角剖分的点云比例标准化方法，包括以下步骤：

1)获得待标准化处理的三维点云A和标准三维点云B，分别求点云A和点云B的全局质心M_A和M_B；

2)对点云A内表面进行采样，并以采样点为顶点构建由delaunay三角构成的凸壳；

3)计算三维点云A的特征比例系数λ和γ；

4)根据标准三维点云B的delaunay三角顶点关系，应用点云A的特征比例系数，对点云A的进行拉伸变形，使其比例标准化，获得标准化后的点云A’。

在步骤3)中，特征比例系数λ和γ的计算步骤如下：

3.1)取点云A中的一点p_ai，计算此点与点云A全局质心的连线在凸壳上的交点c_ai，并保证p_ai与M_A的连线和c_ai与M_A的连线的夹角为锐角；

3.2)交点c_ai落在delaunay三角T_a内，假设T_a的三个顶点分别为V_a1、V_a2和V_a3，直线V_a1V_a2与直线V_a3c_ai的交点为d_ai，p_ai的特征比例系数λ_ai和γ_ai的计算公式如下：