[发明专利]基于视线更新算法的大规模场景实时三维重建方法和系统

权利要求书

1.一种基于视线更新算法的大规模场景实时三维重建方法，其特征在于，包括如下步骤：

步骤1：三维点云获取以及传感器外参数据计算；

步骤2：基于视线算法计算隐式表面的符号距离值；以当前激光雷达所在空间位置为中心，对一定范围内空间进行体素化，其体数据结构为：

(p_k，n，d_k，n，w_k，n)

其中，p_k，n代表第k帧体数据结构中第n个体素的三维空间坐标，d_k，n，w_k，n分别是此体素所对应的符号距离值以及权重，d_k，n开始时初始化为Nan，代表此体素未使用，w_k，n初始化为0；

采用视线算法并行计算相关体素的符号距离值，对于第k帧点云，以点云中每个三维点作为终点，当前传感器空间位置o作为起点，计算视线方向向量x_k，n∈X_k，x_k，n代表第k帧点云X_k中第n个点的三维坐标，o代表当前激光雷达三维坐标，在视线方向上，以x_k，n点为中心，取前后m个点，m∈Z⁺，Z⁺代表正整数的集合，m为系统参数，设置范围在1到10之间，得到2m个点的三维坐标r，r代表了每一个x_k，n所相关的2m个点，设置体素的单位边长为l，l为系统参数，l∈R⁺，R⁺代表正数集合，当l取值较大时，三维重建后获得的细节较少，反之，细节保留较多，对此2m+1个点在x，y，z方向上分别以体素边长l为单位进行取整，得到视线方向上相关体素三维坐标p_k，n，计算符号距离值sdf_k，n，得到相关体素所对应的(p_k，n，sdf_k，n)；

其中，计算sdf_k，n的具体方式为：

Sdf_k，n＝||x_k，n-p_k，n||₂

计算r的具体方法：

分别代表了向量在x，y，z方向上的分量，比较在x，y，z方向上分量的大小，选取最大分量进行归一化，得到t为方程变量，t的取值为：-m，-m+1，...，0，...，m；通过t对x_k，n进行加减，得到x_k，n相关点r；

上述视线算法既可以串行计算也可以并行计算，在并行计算时，计算得到的sdf_k，n，不直接写入当前体数据结构，而是保存(p_k，n，sdf_k，n)；在等待并行计算完成后，再进行步骤3；在视线算法进行串行运行时，每得到一次(p_k，n，sdf_k，n)，即可进行符号距离值的融合；

步骤3：符号距离值加权融合；

步骤4：对体数据进行体绘制并保存，实时显示重建效果。

2.根据权利要求1所述的一种基于三维点云的隐式表面更新算法，其特征在于，所述步骤3进一步具体为：根据步骤2所保存的(p_k，n，sdf_k，n)，使用p_k，n索引当前体数据结构中对应的d_k，n，w_k，n；新的符号距离值(d_k，n)_new通过加权平均来得到：

(w_k，n)_new＝w_k，n+1

d_max＝m·l

其中m为步骤2设置的系统参数，l为步骤2设置的体素边长，在获得了相应体素的新的(p_k，n，(d_k，n)_new，(w_k，n)_new)后，直接用它去替换原来的(p_k，n，d_k，n，w_k，n)，实现更新，在对一帧点云每条视线完成加权融合后，此帧体数据完成更新。

3.一种基于激光雷达的实时表面重建系统，其特征在于，包括如下模块：

数据采集模块，包括激光雷达得到周围环境的三维点云数据，全球定位系统获得空间坐标，惯性导航元件获得当前加速度；

计算机处理模块，包括传感器外参计算子模块，视线算法计算符号距离值子模块，符号距离值加权融合子模块，体数据绘制子模块，体数据保存子模块；

所述视线算法计算符号距离值子模块用于执行如下步骤：

以当前激光雷达所在空间位置为中心，对一定范围内空间进行体素化，其体数据结构为：

(p_k，n，d_k，n，w_k，n)

其中，p_k，n代表第k帧体数据结构中第n个体素的三维空间坐标，d_k，n，w_k，n分别是此体素所对应的符号距离值以及权重，d_k，n开始时初始化为Nan，代表此体素未使用，w_k，n初始化为0；

采用视线算法并行计算相关体素的符号距离值，对于第k帧点云，以点云中每个三维点作为终点，当前传感器空间位置o作为起点，计算视线方向向量x_k，n∈X_k，x_k，n代表第k帧点云X_k中第n个点的三维坐标，o代表当前激光雷达三维坐标，在视线方向上，以x_k，n点为中心，取前后m个点，m∈Z⁺，Z⁺代表正整数的集合，m为系统参数，设置范围在1到10之间，得到2m个点的三维坐标r，r代表了每一个x_k，n所相关的2m个点，设置体素的单位边长为l，l为系统参数，l∈R⁺，R⁺代表正数集合，当l取值较大时，三维重建后获得的细节较少，反之，细节保留较多，对此2m+1个点在x，y，z方向上分别以体素边长l为单位进行取整，得到视线方向上相关体素三维坐标p_k，n，计算符号距离值sdf_k，n，得到相关体素所对应的(p_k，n，sdf_k，n)；

其中，计算sdf_k，n的具体方式为：

Sdf_k，n＝||x_k，n-p_k，n||₂

计算r的具体方法：

分别代表了向量在x，y，z方向上的分量，比较在x，y，z方向上分量的大小，选取最大分量进行归一化，得到t为方程变量，t的取值为：-m，-m+1，...，0，...，m；通过t对x_k，n进行加减，得到x_k，n相关点r；

上述视线算法既可以串行计算也可以并行计算，在并行计算时，计算得到的sdf_k，n，不直接写入当前体数据结构，而是保存(p_k，n，sdf_k，n)；在等待并行计算完成后，再进行步骤3；在视线算法进行串行运行时，每得到一次(p_k，n，sdf_k，n)，即可进行符号距离值的融合。