[发明专利]基于豪斯多夫距离和平均投影距离局部熵的点云精简方法

权利要求书

1.一种基于豪斯多夫距离和平均投影距离局部熵的点云精简方法，其特征在于，包括以下步骤：

对获取的原始点云数据进行降采样处理，并搜索到多个近邻点后，利用主成分分析法计算出每个点云对应的平均投影距离；

将所述原始点云数据划分为边缘点云集和待精简点云集，并计算出所述待精简点云集对应的第一豪斯多夫距离平均值和所述平均投影的信息熵值；

基于细分准则利用八叉树对所述待精简点云集进行剖分，并计算出每个子立方体对应的第二豪斯多夫距离平均值；

将所述第一豪斯多夫距离平均值与所述第二豪斯多夫距离平均值的比值与设定的多个判断阈值进行比较，根据比较结果和所述信息熵值对所述待精简点云集进行精简；

将所述边缘点云集和精简后的点云进行合并拼接，得到对应的三维模型；

将所述原始点云数据划分为边缘点云集和待精简点云集，并计算出所述待精简点云集对应的第一豪斯多夫距离平均值和所述平均投影的信息熵值，包括：

根据多个所述近邻点构建最小二乘平面，并将所述近邻点投影到所述最小二乘平面上，将得到对应的多个投影点对应的比值与设定的第一阈值进行比较，得到第一边缘点；

利用设定的第二阈值对点云密度直方图进行划分，并对提取出的点云数据进行降采样处理，得到第二边缘点；

将所述第一边缘点和所述第二边缘点划分为边缘点云集，将所述原始点云数据中除所述边缘点云集的点云划分为待精简点云集；

计算出所述待精简点云集对应的第一豪斯多夫距离平均值和所述平均投影的信息熵值；

计算出所述待精简点云集对应的第一豪斯多夫距离平均值和所述平均投影的信息熵值，包括：

计算出所述待精简点云集中每个点云对应的第三豪斯多夫距离，并将所述第三豪斯多夫距离按照降序排列后，将第一个所述第三豪斯多夫距离作为第一豪斯多夫距离，并根据所述第一豪斯多夫距离计算出对应的第一豪斯多夫距离平均值；

基于信息熵公式，计算出所述平均投影距离的信息熵值，并将所述信息熵值按照降序进行排列；

将所述第一豪斯多夫距离平均值与所述第二豪斯多夫距离平均值的比值与设定的多个判断阈值进行比较，根据比较结果和所述信息熵值对所述待精简点云集进行精简，包括：

计算所述第一豪斯多夫距离平均值与所述第二豪斯多夫距离平均值的比值，并将所述比值对设定的多个判断阈值进行比较，得到点云简化因子；

若所述比值大于设定的多个所述判断阈值，则根据所述点云简化因子推算出所述子立方体内需精简点云的数量，并根据所述信息熵值大小进行精简；

若所述比值均小于所有的所述判断阈值，则利用设定数量的点云对立方体内的所述待精简点云集进行替换；

若所述比值大于设定的多个所述判断阈值，则根据所述信息熵值大小进行精简，包括：

若所述比值大于任一所述判断阈值，则根据所述点云简化因子推算出所述子立方体内需精简点云的数量，并根据对应的所述信息熵值对所述待精简点云集进行精简；

若所述比值大于多个所述判断阈值中的至少一个所述判断阈值，则将对应的所述信息熵值进行降序排列，并按照排列顺序对所述待精简点云集进行精简。

2.如权利要求1所述的基于豪斯多夫距离和平均投影距离局部熵的点云精简方法，其特征在于，基于细分准则利用八叉树对所述待精简点云集进行剖分，并计算出每个子立方体对应的第二豪斯多夫距离平均值，包括：

基于细分准则，利用八叉树法对构建的立方体进行剖分，直至得到的子立方体中的点云数量小于剖分阈值；

计算出每个所述子立方体对应的第二豪斯多夫距离平均值。

3.如权利要求2所述的基于豪斯多夫距离和平均投影距离局部熵的点云精简方法，其特征在于，计算出每个所述子立方体对应的第二豪斯多夫距离平均值，包括：

计算出每个所述子立方体中所有点云对应的第四豪斯多夫距离，并将所述第四豪斯多夫距离按照降序排列后，将第一个所述第四豪斯多夫距离作为第二豪斯多夫距离，并计算出对应的第二豪斯多夫距离平均值。