[发明专利]一种对具有孔洞的三维点云的检测与识别方法

说明书

本发明涉及一种基于零阶球谐函数的针对具有孔洞点云的检测与识别的方法，其技术特点在于：步骤1、利用待测点云数据描述某一物体，完成待测点云的直角坐标系到球坐标系的转换；步骤2、将待测点云与标准数据库中的点云进行快速对齐；步骤3、得到多组点云间对应的局部点云区块对；步骤4、针对每组局部点云区块对，计算SRT结果；步骤5、将每组区块对得出的SRT值与预设的阈值T进行比较，给出识别结果。本发明能够实现对具有孔洞的三维点云的检测与识别。

技术领域

本发明属于待测点云处理技术领域，涉及三维点云检测与识别方法，尤其是一种对具有孔洞的三维点云的检测与识别方法。

背景技术

点云技术在逆向工程中有很普遍的应用。构建大量的几何模型之后，需要对点云模型进行特征描述，分类，根据模型的特征信息进行模型的检索。如何从场景中检索某类特定的物体是目前亟待解决的问题。在过去的几年中，基于物体3D点云识别的一般方法需要先将两模型的待测点云对齐到同一坐标系下(又可称为粗配准)，然后通过ICP算法进行精确配准，当点云之间的配准误差小于阈值时认为识别成功。随后，Rusu等人提出了具有鲁棒性的全局特征描述子：视角特征直方图方法(VFH)。VFH方法包含了视角和几何特征信息，此方法在识别精度上有所不足。

Drost等人根据点对特征提出一种投票算法。在预处理阶段，将待测点云中提取出的点对特征进行哈希索引。在识别阶段，随机选出一些特征点，并与周围的其他点构成新的点对特征，在模型库中寻找匹配的特征，每一对匹配的特征都构成对全体候选的一个投票，筛选出得票最多的即为识别结果，此方法在识别过程中需要耗费大量时间。

但上述视角特征直方图方法(VFH)和投票算法在实际应用场景中，待测点云是通过扫描仪获取的，所以点云往往会包含一些不规则的孔洞，该两种识别算法均不能精确的对其进行识别。

经检索，未发现与本发明相同或相似的已公开的专利文献。

发明内容

本发明的目的在于克服现有技术的不足，提供一种设计合理、识别精度高且计算速度快的对具有孔洞的三维点云的检测与识别方法。

一种对具有孔洞的三维点云的检测与识别方法，包括以下步骤：

步骤1、利用待测点云数据描述某一物体，并对待测点云进行平移，将待测点云的质心与直角坐标系的坐标原点重合，完成待测点云的直角坐标系到球坐标系的转换；

步骤2、将待测点云与标准数据库中的点云进行快速对齐；

步骤3、将对齐后的待测点云按照最小包围盒的范围进行均匀分割，然后读取标准库点云，根据分割位置可以得到多组点云间对应的局部点云区块对；

步骤4、针对每组局部点云区块对，计算SRT结果；

步骤5、将每组区块对得出的SRT值与预设的阈值T进行比较，如果SRT值小于阈值，则会对待测点云的识别构成投票；若最终投票数与局部点云区块对的个数的比值大于阈值H，则点云识别成功，给出识别结果。

而且，所述步骤1的具体方法为：

通过如下所示公式1将待测点云从笛卡尔坐标系(x_i，y，z_i)，i∈[1，N]转换为球坐标系其中，R为当前点到原点的距离，θ为当前点与Z轴的夹角，为当前点与Y轴的夹角：

而且，所述步骤2的具体步骤包括：

(1)利用主成分分析法将待测点云与标准点云分别求得主轴，依、跟据主轴分别得到了两点云最小包围盒，进而可以分别得到两点云最小包围盒的8个顶点；

(2)根据两点云的最小包围盒的顶点可以找到点云间的旋转矩阵T1，通过T1对待测点云进行变换；