[发明专利]一种基于PMVS的建筑物密集点云快速重建方法

权利要求书

1.一种基于PMVS的建筑物密集点云快速重建方法，其特征在于，包括如下步骤：

步骤a、以假设平面拟合算法得到的点云平面聚类作为输入数据，使用Delaunay三角剖分算法构建待重建建筑物的初始空间三角网格模型，并对三角网格进行信息初始化；

步骤b、使用三角网格空间插值扩散算法来对初始空间三角网格模型进行扩散加密；

步骤c、使用改进的面片优化和滤波算法对扩散后的三角网格顶点构成的点云进行面片优化和滤波；

改进的面片优化算法，具体为：

将PMVS的非线性优化中的三个变量降为一个变量；非线性优化变量只有面片位置c(p)一个，面片的法向量在优化过程中保持初始值不变；将面片位置限制在面片的法向量上，优化过程中面片只能沿着面片法向量的方向进行移动；

改进的面片滤波算法，具体为：

对于假设平面模型中第a个初始空间三角网格T_a，其经过插值扩散和面片优化之后得到点云P_a″,先使用mean shift聚类算法对P_a″进行聚类，计算聚类结果中包含三维点个数最多的聚类的聚类中心c，计算P_a″中的所有点在假设平面法向量方向上到聚类中心c的平均距离然后遍历P_a″中的每一个新扩散点v_j，计算v_j到其母三角形所在平面的距离d_j，若则将v_j判定为杂点并将其滤除；

步骤d、对经过改进的面片优化和滤波之后的点云重新构建三角网格，对网格顶点法向信息和扩散惩罚值进行更新；

步骤e、循环b、c、d三个步骤n₁次后，将获得的准密集点云作为PMVS算法的种子点，重复进行PMVS算法的面片扩散、面片优化、面片滤波三步流程n₂次，得到最终的密集点云；

所述步骤a包括如下步骤：

a1、对于假设平面模型中第a个平面所包含的点云P_a，将点云P_a中的所有三维点坐标由三维全局坐标系转换到其所在假设平面的二维局部坐标系中，得到二维点集P_a′；

定义o-xyz为全局坐标系，o-x′y′z′为目标局部坐标系，两个坐标系均以0为原点，o-xyz的三个坐标轴方向的单位向量分别为：P_a所在平面的单位法向量为/则求出o-x′y′z′的三个坐标轴方向的单位向量/和/是垂直于/的平面上任意两个互相垂直的单位向量；用v_b表示P_a中第b个三维点，/分别表示v_b的全局坐标和局部坐标；按照公式(1)将P_as由/转换至/取/的x′坐标和y′坐标作为P_a的二维平面坐标，从而得到二维点集P_a′；

a2、以二维点集P_a′和P_a所在平面包含的线段集合E_a作为输入数据，使用二维限定Delaunay三角剖分算法构建P_a′的三角网格，得到初始三角网格其中，n₃表示三角网格中的三角形个数，/为T_a中第m₁个三角形；由于点云在P_a和P_a′中的排列顺序并未改变，所以T_a表示的三角网格关系直接应用于P_a，即T_a表示P_a所在假设平面的初始空间三角网格；

a3、对T_a进行信息初始化；三角网格信息包括：网格顶点坐标、法向量、可视信息和扩散惩罚值；由于T_a中的网格顶点等同于P_a中的三维点，所以用v_b表示第b个网格顶点，用表示第b个网格顶点的坐标，用/表示第b个网格顶点的单位法向量，用V_b表示第b个网格顶点的可视信息，V_b即为可视图片的索引的集合，用f_b表示第b个网格顶点的扩散惩罚值；

所有网格顶点的坐标使用其对应的P_a中三维点的全局坐标进行初始化；所有网格顶点的扩散惩罚值均初始化为0；所有网格顶点的可视信息由三维线段模型重建算法的重建结果中的三维线段可视信息来进行初始化，每个顶点的可视信息与其所在三维线段的可视信息保持一致；网格顶点的法向量初始化过程如下：

遍历T_a中每一个三角形，计算其平面单位法向量；第m₁个三角形的平面单位法向量为/并保证/与/夹角呈锐角；其中/为三角形/的中心坐标，计算公式如公式(2)所示，/和/分别为三角形/的三个顶点的坐标，normalize()表示向量的单位化；

遍历T_a中每一个网格顶点，计算其单位法向量；第b个网格顶点的单位法向量即任意网格顶点的法向量是包含该顶点的所有三角形的平面单位法向量的平均；其中/表示以v_b为顶点的第m₂个三角形的平面单位法向量，n₄表示以v_b为顶点的三角形的总个数；

a4、遍历建筑物假设平面模型中的所有平面，重复步骤a1到a3；

所述步骤b包括如下步骤：

b1、对于初始空间三角网格T_a中第m₁个三角形计算其面积阈值/其中/表示三角网格的平均三角形面积，loop表示预先设定的扩散次数，fine表示/的扩散惩罚值，其计算公式为/其中，/分别表示/三个顶点的扩散惩罚值；用UT和UT′两个集合来表示待扩散的三角形集合和扩散中间过程产生的临时三角形集合；计算/的面积/若/则将/加入UT中；若则对T_a中下一个三角形进行步骤b1操作；

b2、对集合UT中的第m₂个三角形计算/的中心点v_c，其坐标/计算如公式(2)所示；将中心点v_c作为新的扩散顶点加入到点云P_a中，并按如下方法对v_c的法向量和可视信息进行更新：v_c的法向量等于/的平面法向量；v_c的可视信息V_c＝V₀∪V₁∪V₂，其中V₀、V₁、V₂分别表示/三个顶点的可视信息；

b3、插入点v_c之后，点v_c与三角形的三个顶点分别构成三个新三角形，将这三个新三角形加入到集合UT′中；

b4、遍历集合UT中的每一个三角形，重复b2和b3步骤，遍历完之后交换集合UT和UT′；

b5、若集合UT不为空，则重复进行步骤b4；若集合UT为空，则对下一个三角形重复步骤b1到b5，直至遍历完T_a中的所有三角形为止；

步骤d中扩散惩罚值更新方法具体步骤为：

使用T_a′表示初始空间三角网格T_a经过网格插值扩散、改进的面片优化和滤波步骤之后重新构建的新三角网格；

d1、计算初始空间三角网格T_a中所有三角形的扩散成功率r；

使用扩散成功率r作为判断一个三角形是否接受惩罚的依据，对于T_a中第m₁个三角形其扩散成功率/其中，n_a表示三角形/扩散过后得到的扩散顶点的总数，n_r表示在改进的面片优化和滤波之后三角形/包含的扩散顶点存活个数；扩散成功率/反映/处于空洞区域的可能性，/越小，/越有可能处于空洞区域，则/包含的顶点均接受惩罚，使其在下一轮扩散中被削弱扩散力度；

d2、对于新三角网格T_a′中第b个网格顶点v_b′，如果v_b′是扩散顶点，则找到v_b′的母三角形t_p，t_p即为扩散出v_b′的三角形，并进行步骤d3；如果v_b′是初始顶点，则保持其扩散惩罚值不变；

d3、如果v_b′的母三角形t_p的扩散成功率则需要对点v_b′进行惩罚，按照公式(3)更新v_b′的扩散惩罚值f_b′；如果t_p的扩散成功率/则不对点v_b′进行惩罚，按照公式(4)更新其扩散惩罚值f_b′；公式(3)和(4)中的/分别表示母三角形t_p三个顶点的扩散惩罚值，f_u为预先设定的惩罚值；

d4、遍历T_a′中的每一个网格顶点，重复步骤d2到d3，完成T_a′的网格顶点扩散惩罚值的更新。