[发明专利]基于权重局部变化度和L1中值优化的特征线提取方法

权利要求书

1.一种基于权重局部变化度和L1中值优化的特征线提取方法，其特征在于，所述特征线提取方法包括：

S01：获取实测点云数据；

S02：结合实测的点云数据，采用基于权重优化的局部变化度的方法识别出潜在特征点；

S03：由潜在特征点通过L1中值提取优化得到真实特征点；

S04：根据真实特征点建立最小生成树，将真实特征点连成特征线；

步骤S02中，所述结合实测的点云数据，采用基于权重优化的局部变化度的方法识别出潜在特征点的过程包括以下步骤：

S21：针对实测点云计算每个点的法向量，通过优化参数调整点云在特征区域的法向；

S22：通过法线和点云切平面建立局部坐标系，设置局部邻域半径和局部变化度阈值，在局部邻域内计算点云局部变化度，将点云中局部变化度大于局部变化度阈值的点提取出来，作为点云潜在特征点。

2.根据权利要求1所述的基于权重局部变化度和L1中值优化的特征线提取方法，其特征在于，步骤S21中，所述针对实测点云计算每个点的法向量的过程包括以下步骤：

通过主成分分析法计算每个点的设定邻域范围的重心；

计算每个点在该设定邻域内的协方差矩阵；

求解协方差矩阵得到点云在该点的特征值与特征向量，将最小特征值对应的特征向量认定为点云在该点处的法向量。

3.根据权利要求2所述的基于权重局部变化度和L1中值优化的特征线提取方法，其特征在于，根据下述公式计算点云某一邻域的重心及协方差矩阵：

式中，M是协方差矩阵，p_c是某一邻域内的重心坐标，p_i是该邻域的点坐标，k是该邻域所有点的总数。

4.根据权利要求1所述的基于权重局部变化度和L1中值优化的特征线提取方法，其特征在于，步骤S21中，所述通过优化参数调整点云在特征区域的法向的过程包括以下步骤：

采用下述调整公式对点云法线方向进行调整：

式中，N_i为调整以后的法线方向，n_i是通过PCA计算的初始法线，n_i′是点p_i’的法线；p_i’∈Θ_i，Θ_i为点p_i的邻域点集；

θ_(x)是高斯函数，具体函数表达式如下：

其中，r是点p_i的邻域半径；

ψ(n_i,n_i′)是法线权重函数，具体表达式如下：

其中σ_n是预先设置的角度。

5.根据权利要求1所述的基于权重局部变化度和L1中值优化的特征线提取方法，其特征在于，步骤S22中，所述通过法线和点云切平面建立局部坐标系是指，

根据调整后的点云法线方向，在每个点处建立局部坐标系，其中Z轴方向设置为点云法线方向，XOY平面过该点并垂直于法线方向。

6.根据权利要求1所述的基于权重局部变化度和L1中值优化的特征线提取方法，其特征在于，步骤S22中，所述设置局部邻域半径和局部变化度阈值，在局部邻域内计算点云局部变化度的过程是指，

将点云在每个点处的局部变化度定义为点云在该点处某一邻域内所有邻域点与该点连线在Z轴方向投影的最大值，局部变化度计算公式如下：

其中，H_i是点云在p_i处的局部变化度，Θ_i为点p_i的邻域点集，N_i是调整以后的法线方向。