[发明专利]基于图像分割的三维点云离群点剔除方法

说明书

本发明公开了一种基于图像分割的三维点云离群点剔除方法，属于计算机图形学领域，包括：设定采样间隔，在单位球参数空间均匀采样生成投影方向；根据生成的投影方向与三维点云所在世界坐标系Z轴之间的“313”旋转关系求解变换矩阵，并利用变换矩阵对点云进行姿态变换；计算姿态变换后的三维点云投影到透视投影虚拟视图中的图像分辨率；获取三维点云在所有投影方向上的透视投影虚拟视图；利用基于图像分割的主体提取算法分割出获得的透视投影虚拟视图中图像的主体部分；根据可见外壳技术，利用透视投影虚拟视图中主体部分的侧影轮廓线形成三维点云的凸包，将三维点云凸包以外的三维点作为离群点进行剔除。

技术领域

本发明涉及计算机图形学领域，具体地说，涉及一种基于图像分割的三维点云离群点剔除方法。

背景技术

从激光扫描仪或照相机获得的三维点云，由于光照、计算误差、设备误差等因素通常包含大量离群点，而这些离群点的存在将极大地影响后续三维点云处理的精度。因此在进行后续三维点云处理之前，需要首先对三维点云中的离群点进行剔除。

在计算机图形学领域，三维点云的预处理一直受到广泛的关注。三维点云的预处理步骤中主要涉及的问题有离群点的剔除、噪声的去除以及点云特征的保留等。然而在三维点云处理领域并没有关于离群点、噪声以及特征的统一定义。

为了更清楚地描述三维点云中的滤波问题，本发明专利参照调研结果对离群点、噪声以及特征进行了明确的定义。相关定义如下：三维点云中的离群点是远离真实表面错误的或不需要的点，并且根据离群点的密集程度将三维点云中的离群点分为以下两种类型：稀疏型离群点和稠密型离群点。三维点云中的噪声是随机分布在真实表面附近的点。三维点云中的特征是在表面附近按照一定规律分布的点。当前三维点云的离群点剔除方法主要分为基于几何与统计的方法和基于深度图的方法。然而这些方法存在如下的缺陷：(1)基于几何与统计的方法一般是对点与其局部邻域内点之间的距离进行统计，从而获得统计量如均值和方差等，并且根据这些统计量设定一个阈值，一旦点与其邻域内点之间的距离大于该阈值则将其剔除，由于稠密型离群点之间距离较近无法利用统计信息将稠密型离群点和有效的三维点云进行区分，因此基于几何与统计的方法无法处理稠密型离群点；(2)基于深度图的方法是将相机获取的一系列多视图的高分辨率图像作为输入，估算出各个视图的深度图，并且利用多个视图中的几何一致性、可见性、颜色一致性、光照一致性等约束来剔除异常的数据点，然而这种方法需要获得目标物体在多个视图下的真实图像并且存在计算量大的问题。

近二十年来，视点选择问题在计算机图形学、计算机视觉和可视化领域受到广泛的关注，视点选择技术被广泛用于场景理解、基于图像的渲染等。视点选择问题的核心和难点主要体现在视点好坏的判定问题，按照不同的评判标准产生了几类视点选择的方法：(1)基于信息熵的方法将拥有最大信息熵的视点定义为最好的视点；(2)基于特征的方法将拥有最多数量特征的视点作为最好视点；(3)基于学习的方法将训练数据中人为选择的视点作为好的视点。基于信息熵的方法没有考虑特征的语义信息，因此该方法无法针对语义特征生成最优的视点位置；基于特征的方法有多种特征可供选择，然而不同的特征所适用的场合不同，这就导致特征的选择依赖于应用的场景；基于学习的方法需要大量的标定数据进行训练，而这些标定数据需要大量的人工交互。

发明内容

本发明的目的为提供一种基于图像分割的三维点云离群点剔除方法，采用单位球参数空间均匀采样的方案代替视点选择的方案，有效减少了计算量，便于实现。

为了实现上述目的，本发明提供的基于图像分割的三维点云离群点剔除方法包括以下步骤：

步骤(1)，设定采样间隔，在以三维点云重心为球心的单位球参数空间中均匀采样生成投影方向；

步骤(2)，根据步骤(1)生成的投影方向与三维点云所在世界坐标系Z轴之间的“313”旋转关系求解变换矩阵，并利用变换矩阵对点云进行姿态变换；

步骤(3)，计算姿态变换后的三维点云投影到透视投影虚拟视图中的图像分辨率；