[发明专利]一种基于动态网格k邻域搜索的激光点云精简方法

权利要求书

1.一种基于动态网格k邻域搜索的激光点云精简方法，其特征在于，该方法包括以下步骤：

1)构建动态约束网格，获取点云数据点的k邻域点；

2)利用PCA方法求取点云数据点的曲率及法向量；

3)计算点云数据点与邻域点法向夹角平均值及平均距离；

点与邻域点法向夹角平均值θ(g_i)的计算公式为：

式中，g_i与g_j分别为数据点及其邻域点，为g_i与g_j的法向夹角余弦，其表达式为：

式中，与分别为g_i和g_j的法向；

点与邻域点的平均距离D(g_i)的计算公式为：

4)根据步骤2)获取的曲率及步骤3)获取的法向夹角平均值及平均距离，定义特征判别参数及判别阈值，并判断特征判别参数是否大于判别阈值，若是，将该点云数据点作为特征点保留，输出点云数据，否则，将该点云数据点构成非特征点集，执行下一步；

特征判别参数w(g_i)定义为：

式中，λ_H，λ_θ，λ_d分别为曲率系数、夹角系数和距离系数，H_i为点云数据点的曲率；

特征判别阈值δ定义为：

式中，η为特征点数量控制系数，N为点云数据点个数；

5)采用包围盒精简法对非特征点进行二次精简，获取最终点云数据；具体包括以下步骤：

501)将步骤4)判定的非特征点作为待处理点云集读入，求出点云数据点在x、y、z方向上的最大值和最小值，获取大包围盒的边长；

502)根据精简率的需要确定小包围盒的边长，将大包围盒分割成均匀大小的小包围盒；

503)将点云集中所有点按其三维坐标划分到不同的小包围盒内，对每一个小包围盒，获取其内部所有点到其中心的距离并进行排序，保留距离中心最近的点；

504)将步骤503)中保留的点与步骤4)判定的特征点数据进行拼接整合，获取二次精简后的点云数据；

6)对精简后的点云数据进行精度评估。

2.根据权利要求1所述的一种基于动态网格k邻域搜索的激光点云精简方法，其特征在于，步骤1)具体包括以下步骤：

101)扩展立方体范围，并能根据实际情况改变边长的大小，以此获取一个动态约束网格；

102)在扩展的立方体范围内，求出此范围内点集的点数m；

103)当点数m的值为αk≤m≤βk时，在该点集内搜索k邻域点，当m≤αk时，将边长的取值增大，扩大网格的约束范围，回到步骤102)，当m≥βk时，将边长的取值减小，缩小网格的约束范围，回到步骤102)，其中，α和β为调节系数。

3.根据权利要求1所述的一种基于动态网格k邻域搜索的激光点云精简方法，其特征在于，步骤2)的具体内容为：

利用PCA方法对点云数据点的k邻域点进行协方差分析，估算点云数据点的法向量，在法向量估算的基础上进行点云数据点的曲率估算。

4.根据权利要求1所述的一种基于动态网格k邻域搜索的激光点云精简方法，其特征在于，步骤6)中，采用最大误差和平均误差对精简后的点云数据与原始点云进行评估，最大误差的表达式为：

平均误差的表达式为：

式中，d(g,S^*)为原始曲面S上采样点g到二次精简点云曲面S^*上投影点g^*的欧式距离，假设采样点g的法向量为N_p，则d(g,S^*)＝N_p*(g^*-g)。

5.根据权利要求1所述的一种基于动态网格k邻域搜索的激光点云精简方法，其特征在于，曲率系数λ_H选取200，邻域点个数k选取15。