[发明专利]基于噪声分类与MLS的点云数据泊松曲面重建方法

说明书

本发明公开了一种基于噪声分类与MLS的点云数据泊松曲面重建方法，其对噪声点分类处理，并引入到点云数据等值面的向量场估计中进行相应光顺处理，形成新的样本点，利用移动最小二乘法(moving least squares，MLS)精确计算与修正点云数据法向量，再进行表面重建，形成细节丰富的三维曲面，在视觉上较好逼近实际模型。该方法能在不降低原重建精度情况下，通过更准确法向信息辅助，有效实现光顺处理和孔洞修复，曲面重建质量提升，在一定程度上解决了传统三维重建技术中非封闭曲面问题。

技术领域

本发明涉及计算机三维数据处理，尤其涉及一种基于噪声分类与MLS的点云数据泊松曲面重建方法。

背景技术

近年来，通过三维扫描或激光扫描设备获取的三维点云数据具有物体表面坐标与属性信息，处理时无需考虑拓扑关系，简化数据结构与算法复杂度。隐式曲面重建算法恰好利用该优势，准确表达被测物体表面信息的同时降低曲面重建算法复杂度。与其他隐式曲面重建算法相比，泊松曲面重建算法通过结合全局和局部拟合方法的优点，可有效光顺散乱点云中的噪声并修复一定的数据缺失，减少点云孔洞。但利用泊松方程重建曲面需准确的点云法向量信息，这对点云质量提出了更高要求，使得点云质量较低的情况下，不能采用传统的泊松方程重建曲面。

发明内容

发明目的：本发明针对现有技术存在的问题，提供一种基于噪声分类与MLS的点云数据泊松曲面重建方法，该方法对点云质量要求不高，且重建后的视觉更逼近实际模型，曲面重建质量更高。

技术方案：本发明所述的基于噪声分类与MLS的点云数据泊松曲面重建方法包括：

(1)对于待重建模型点云数据，采用限幅滤波去除偏离主体点云的第1类噪声点；

(2)采用MLS方法，对去噪后的点云数据集进行孔洞修复，并估计修复后的点云的法向量；

(3)采用双边滤波对法向量估计中对与目标采样数据点混合的第2类噪声进行光顺，得到优化点云；

(4)对优化点云采用泊松方程重建曲面。

进一步的，步骤(1)具体包括：

(1.1)对于待重建模型点云数据集合P＝{p_i|i＝1,2,...}，计算出每个点p_i到其所有邻近点的平均距离d_i；

(1.2)将平均距离在预设范围之外的点，标记为第1类噪点，采用限幅滤波从点云数据集中P去除。

进一步的，步骤(2)具体包括：

(2.1)采用MLS方法，对去噪后的点云数据集采用局部二元多项式逼近处理，得到逼近曲面，实现孔洞修复；

(2.2)通过带权协方差矩阵鲁棒估计逼近曲面的局部参考平面，并根据局部参考平面估算得到点云的法向量。

进一步的，步骤(2.1)具体包括：

(2.1.1)设局部二元多项式为：

g(u,v)＝Au²+2Buv+Cv²+Du+Ev+F

式中，u,v为函数自变量，A,B,C,D,E,F为待求系数，[u²,uv,v²,u,v,1]构成逼近曲面基函数；

(2.1.2)采用最小二乘误差最小计算待求系数，即：