[发明专利]运用轮廓线提取和四维曲面拟合的古文物三维模型变化检测方法

权利要求书

1.一种运用轮廓线提取和四维曲面拟合的古文物三维模型变化检测方法，其特征在于，该方法包括以下步骤：

步骤1、获取古文物在两个不同时期的LiDAR点云数据集合，对两个不同时期的LiDAR点云数据集合进行配准；

步骤2、对LiDAR点云数据进行重分类，生成LiDAR点云模型；

步骤3、根据基于高斯球平行投影的轮廓点快速计算算法获取LiDAR点云模型的轮廓点；

步骤4、根据获取的轮廓点，依次使用最小生成树算法、短边剪枝方法、光滑技术获得光滑的点云轮廓线；

步骤5、对提取到的点云轮廓线进行离散程度筛选，去除点云轮廓线中的噪声特征，得到两个时期的轮廓特征图；

步骤6、对筛选得到的轮廓特征图进行特征对比，得到对比结果；

步骤7、对得到的对比结果进行筛选，得到差别特征；

步骤6中进行特征对比的方法为：

分别记两张正射影像的轮廓特征图为C1时期特征图和C2时期特征图；

采用分块对比方法，将点云数据分为4*4*4的模块，对应模块之间进行对比；

对比时采用基于特征的对比方法；先以C1时期的特征图为底图，C2时期的特征图为对比图进行对比；选取C2时期的特征图中的特征M，在C1时期的特征图中找到与特征M相对应的坐标区域，在该区域的Δ范围内进行微移动；移动方法如下：

设C2时期的特征图中特征M的边界坐标集合为K(X，Y，Z)；记C1时期的特征图中与K(X，Y，Z)相对应的坐标集合为K(X1，Y1，Z1)，记坐标集合K(X，Y，Z)中X坐标的最大值为maxX，Y坐标的最大值为maxY，Z坐标的最大值为maxZ；记坐标集合K(X1，Y1，Z1)中X1坐标的最大值为MaxX1，最小值为MinX1，Y1坐标的最大值为MaxY1，最小值为MinY1，Z1坐标的最大值为MaxZ1，最小值为MinZ1；则特征M在C1时期特征图中可进行微移动的立方体范围的角点坐标为：

(MaxX1+ΔX，MaxY1+ΔY，MaxZ1+ΔZ)，(MaxX1+ΔX，MinY1-ΔY，MaxZ1+ΔZ)，(MinX1-ΔX，MaxY1+ΔY，MaxZ1+ΔZ)，(MinX1-ΔX，MinY1-ΔY，MaxZ1+ΔZ)，(MaxX1+ΔX，MaxY1+ΔY，MinZ1-ΔZ)，(MaxX1+ΔX，MinY1-ΔY，MinZ1-ΔZ)，(MinX1-ΔX，MaxY1+ΔY，MinZ1-ΔZ)，(MinX1-ΔX，MinY1-ΔY，MinZ1-ΔZ)

分别记为A点，B点，C点，D点，E点，F点，G点，H点；

根据先验知识以及古文物的类别设定阈值ε，当特征M在两特征图中未重合的格网个数小于ε时，则认为特征M在两特征图中完全重合；

步骤6中进行特征对比的具体步骤为：

步骤61、将C2时期特征图上的(maxX，maxY，maxZ)点与C1时期特征图上的(MaxX1+ΔX，MaxY1+ΔY，MaxZ1+ΔZ)点对齐，此时特征M位于ABCDEFGH点所构成的立方体中；

步骤62、在X方向上，特征M每隔个格网移动一次，在Y方向上，特征M每隔个格网移动一次，在Z方向上，特征M每隔个格网移动一次；

每次移动后计算特征M与C1时期特征图中对应特征相差的格网个数，记为M_i；移动方向如下所示，先在x方向移动，当x方向无法继续移动时，在y方向移动一次，继续在x方向移动；当特征M在xy平面移动完毕后在z方向移动一次；

步骤63、基于最小二乘法进行四维曲面的多项式拟合，以坐标集合K(X1，Y1，Z1)中的X1坐标值为x坐标值，Y1坐标值为y坐标值，Z1坐标值为z坐标值，M_i值为t坐标值构造四维曲面T(x，y，z)；

步骤64、根据改进的随机游走算法求出曲面T中t坐标值的最小值，记为MinT；比较MinT与ε值的大小，若MinTε，则特征M在两特征图中完全重合，否则特征M发生了变化；

步骤65、重复步骤61-步骤64，直到C2时期特征图中的所有特征都判断完毕，记作对比结果N1；

以C2时期的特征图为底图，C1时期的特征图为对比图按照步骤61-步骤65进行一次对比，得到对比结果N2；

步骤64中改进的随机游走算法步骤为：

①给定初始迭代点(x₀,y₀,z₀)，初次行走步长λ，控制精度ε1；

②给定迭代控制次数I，K_d为当前迭代次数，置K_d＝1；

③当K_dI时，随机生成n个(-1,1)之间的三维向量u_i,u_i＝(x_i1′,y_i1′,z_i1′)，-1x_i1′1,-1y_i1′1,-1z_i1′1；并将其标准化得到令(x_i1,y_i1,z_i1)＝(x₀,y₀,z₀)+λu_i,取min{(x₁₁,y₁₁,z₁₁),(x₂₁,y₂₁,z₂₁)…(x_n1,y_n1,z_n1)},记为(x_m1,y_m1,z_m1)；完成第一步游走；

④计算函数值，如果T(x_m1,y_m1,z_m1)T(x₀,y₀,z₀)，即找到了一个比初始值好的点，那么K_d重新置为1，将(x_m1,y_m1,z_m1)作为初始值，回到第②步；否则K_d＝K_d+1，回到第③步；

⑤如果连续I次都找不到更优的值，则认为，最优解就在以当前最优解为中心，当前步长为半径的I维球内；此时，如果λε1,则结束算法；否则，令回到第①步，开始新一轮游走。