[发明专利]一种散乱点云快速法矢定向方法

说明书

本发明提供一种散乱点云快速法矢定向方法，包括散乱点云法矢定向数据结构初始化；选取法矢定向种子点；基于优先级队列选择区域增长方向并调整法矢方向。本发明可利用优先级队列结构和优先级策略结合区域增长原理实现散乱点云快速法矢定向，克服传统散乱点云法矢定向方法定向速度慢、对奇异情况定向不鲁棒的问题。

技术领域

本发明属于计算机图形技术领域，涉及一种散乱点云法矢定向方法。

背景技术

近年来，点云数据在工业检测、逆向工程、人体扫描、文物保护、电脑游戏、数字电影、物理仿真等多个领域得到了广泛地应用。基于点的模型已经成为计算机图形学领域的重要方向。而点云模型的法矢是进行点云模型绘制、光顺以及曲面重建等数据处理的基础，正确估算点云的法矢至关重要。

目前，估算点云法矢大多采用“平面法”，也即通过邻域点拟合平面，用平面的法矢来近似点的法矢。但直接估算出的法矢的方向是无法确定的，部分指向点云表面的一侧，部分指向另一侧。这势必会引起后续相关数据处理的混乱，因此必须对法矢方向进行调整，使得所有点的法矢方向一致指向点云表面的同一侧，这一过程称为法矢定向。

传统的法矢定向算法包括三类：最小生成树法、光度立体视觉法以及曲面重建法。第一类方法最小生成树法，是应用最广泛的方法，但在点云中存在奇异情况(薄壁、垂直、相邻曲面等)时，容易出现错误。有许多基于该方法进行改良的算法解决了奇异情况的定向错误，但仍旧无法解决最本质的问题——运算效率低，耗时长，因此无法投入实际生产运用。第二类光度立体视觉法，需要利用相当多的先验知识，受外界影响较大，稳定性差。第三类方法曲面重建法，能够对奇异情况的点云进行正确的调整，但运算效率比最小生成树更低，耗时较多。

总的来说，传统散乱点云法矢定向方法存在以下不足之处：

1.点云奇异情况下，法矢定向容易出问题，针对性的改进方法复杂、计算量大且不鲁棒；

2.传统方法运算效率低、耗时过长，无法在实际生产工作中使用。

发明内容

本发明针对上述传统散乱点云法矢定向方法定向速度慢、对奇异情况定向不鲁棒的问题，提供了一种散乱点云快速法矢定向方法，其过程包括以下步骤：

步骤1，散乱点云法矢定向数据结构的初始化；

步骤2，选取法矢定向种子点；

步骤3，基于优先级队列选择区域增长方向并调整法矢方向。

在以上技术方案的基础上，优选的步骤1的实现方式为：创建与点云数目相同的索引优先级队列L及标记数组B(默认值为False)，同时根据角度阈值数目N构建优先级阈值表T。优先级队列L数据结构的设计加速了队列元素的导入和导出。

在以上技术方案的基础上，优选的步骤2具体包括以下步骤：：

步骤2.1，遍历寻找z值最小的点，选取该点作为初始种子点S，并令种子点S的法线朝向与(0,0,-1.0)一致；

步骤2.2，将种子点S的优先级设置为最高级，并将种子点S的索引值导入优先级队列L中，在标记数组B中将种子点S标记为True。

在以上技术方案的基础上，优选的步骤3具体包括以下步骤：

步骤3.1，从优先级队列L中取出一个优先级最高的点的索引值H；

步骤3.2，根据k近邻算法搜索参考点H的k近邻点，判断标记数组B中k近邻点是否调整过方向，若为True，则返回步骤3.1，否则继续进行；

步骤3.3，遍历未调整过法矢方向的近邻点，令近邻点的法矢方向与参考点H的一致，并计算近邻点的优先级向优先级队列中导入索引，在标记数组B中将近邻点标记为True；