[发明专利]一种基于局部坐标的牙齿模型特征点自动识别算法

权利要求书

1.一种基于局部坐标的牙齿模型特征点自动识别方法，其特征在于包括以下步骤：输入牙齿模型以及局部坐标系，对每个牙齿模型识别其颌点、轴点和龈点，对切牙的牙齿模型识别其尖牙尖点的三个点和CAC曲线，对后磨牙、前磨牙和犬牙的牙齿模型识别其尖点；

所述对每个牙齿模型识别其颌点、轴点和龈点具体为：

1.1)将牙齿模型的每个网格顶点均通过从全局坐标系变换到局部坐标系，获得局部坐标系下的牙齿模型；

1.2)牙齿模型的所有网格顶点中，找到沿局部坐标系的Y轴方向的最大值和最小值所在的点，对应的Y轴坐标分别记为网格顶点沿Y轴方向最大坐标值y_max和网格顶点沿Y轴方向最小坐标值y_min；

1.3)计算Y轴方向中间坐标值，遍历所有网格顶点找出满足条件|y'_i-y_midlle|λ并且x'_i0的所有点q_i(x'_i,y′_i,z′_i)组成点集Q，λ表示判定是否在y的中间值附近的阈值，将找到所有点q_i(x'_i,y′_i,z′_i)根据沿X轴方向的坐标值从大到小排序，获得Q＝{q₁(x′₁,y′₁,z′₁)、q₂(x₂',y₂',z₂')...q_n(x_n',y_n',z_n')}；

y_middle＝(y_max-y_min)/2

其中，y_middle表示网格顶点沿Y轴方向中间坐标值，y_max表示网格顶点沿Y轴方向最大坐标值，y_min表示网格顶点沿Y轴方向最小坐标值；

1.4)点集Q中，从第一点开始，计算每一点到下一顺序点的梯度变化量t，并判断：若梯度变化量小于梯度阈值β，将当前点从点集Q中去除；若梯度变化量大于等于梯度阈值β，将当前点在点集Q中保留；

梯度变化量t计算公式如下：

其中，β表示梯度阈值，i表示点的序号；

1.5)对于经步骤1.4)处理后的点集Q，将其中的各个点按照沿X轴方向坐标值从大到小排序，排序在最前的点是牙齿模型的龈点，排序在中间的点是牙齿模型的轴点，排序在最后的点是牙齿模型的颌点；

1.6)最后将这三个颌点、轴点和龈点从局部坐标系转换回全局坐标系；

所述对切牙的牙齿模型识别其尖牙尖点的三个点和CAC曲线具体为：

2.1)将牙齿模型的每个网格顶点均通过从全局坐标系变换到局部坐标系，获得局部坐标系下的牙齿模型；

2.2)牙齿模型的所有网格顶点中，找到沿局部坐标系的Y轴方向的最大值和最小值所在的点，对应的Y轴坐标分别记为网格顶点沿Y轴方向最大坐标值y_max和网格顶点沿Y轴方向最小坐标值y_min；

2.3)将所有网格顶点按照沿Y轴的等距离区间进行分割，沿Y轴的等距离区间按照以下间距值δ分隔：

其中，num代表沿Y轴的等距离区间的总数；

2.4)对于每个等距离区间，找到其中沿Z轴方向坐标最大的点作为上极值点C，从而获得各个等距离区间对应的一系列上极值点C_j，j表示上极值点的序号，一系列上极值点C_j相依次连接构成CAC曲线，位于两端的等距离区间和位于中间的等距离区间所对应的三个上极值点作为尖牙尖点的三个点；

2.5)最后将上述步骤获得的点从局部坐标系转换回全局坐标系。