[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

说明书

本发明公开了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，包括以下步骤：对古文物两个不同时期的LiDAR点云数据集合进行配准；对LiDAR点云数据进行重分类，生成LiDAR点云模型；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；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；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；对筛选得到的轮廓特征图进行特征对比，得到对比结果；对得到的对比结果进行筛选，得到差别特征。本发明充分利用了LiDAR点云数据的优越性，具有周期短，成本低，精度高，更新时间快等特点，能够保证最终结果的精度。

技术领域

本发明涉及测绘科学与技术领域，尤其涉及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。

背景技术

变化检测的数据源有正射影像、遥感影像、LiDAR点云数据等。其中，LiDAR点云数据的获取不受季节天气光照等环境因素影响，同时获取数据的周期短，成本低，精度高，数据更新快，是进行古文物表面三维变换检测的良好数据源。但缺乏纹理信息是LiDAR点云数据的一个严重的缺点。因此通过基于高斯球平行投影的轮廓点快速计算等一系列算法获取物体表面的轮廓特征有利于对古文物进行高精度的三维变换检测。

现有的影像变化检测方法主要分为三个层次：(1)像素级变换检测；(2)特征级变换检测；(3)目标级变换检测。其中，特征级变换检测方法通常都是采用一定的算法先从原始图像中提取特征信息，然后对这些特征信息进行综合分析与对比，获取检测对象的变换信息。特征级的变化检测方法通过特征进行关联处理，将特征分成了有意义的组合，从而提高了特征属性判断的可信度和准确性。但是由于特征级变换检测过程相对复杂，目前还没有实用的成果出现。本发明使用微移动的方法进行特征的变换检测，巧妙的选取了每次移动的格网间隔，加快了计算机处理的速度。同时采用基于最小二乘法的多项式四维曲面拟合方法以及改进的随机游走算法，避免了局部最优解的出现，提高了对比检测结果的精度。

目前，市场上有很多使用二维影像的平面信息进行变换检测的方法，而使用物体表面的三维信息进行变换检测的实用算法较少。对于古文物来说，三维表面的变化情况是其变化的重要部分。因此该检测方法的研究对于进行古文物高精度，高效率的三维变化检测以及LiDAR点云数据轮廓线提取的处理和应用都有着十分重要的研究价值。

发明内容

本发明要解决的技术问题在于针对现有技术中基于特征的变换检测方法的缺陷，提供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。

本发明解决其技术问题所采用的技术方案是：

本发明提供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，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。

进一步地，本发明的步骤1中对两个不同时期的LiDAR点云数据集合进行配准的方法为：通过平移、旋转操作使两个LiDAR点云数据集合的位置重合。