[发明专利]基于OLDL_DWT的点云古典建筑曲面重建方法

说明书

基于OLDL_DWT的点云古典建筑曲面重建方法，由于受三维数据扫描过程中扫描设备、扫描环境等因素影响，扫描三维点云数据中含有大量的噪点和离群点，导致三维曲面重建算法精度低。根据一般曲面古代建筑的平滑特性，本发明提出了基于OLDL_DWT的点云古典建筑曲面重建方法。首先，利用三维点云数据进行在线字典学习，使用表达字典对点云数据稀疏重构，接着提取离散小波低频系数对堆点云数据进行轮廓提取，获得光滑的三维点云曲面数据。实现对古代建筑曲面数据的高精度重建。

技术领域

本发明涉及三维点云重建领域，特别设计基于OLDL_DWT的点云古典建筑曲面重建方法。

背景技术

近年来，随着科学发展，三维建模技术在古建筑重建领域中得到了广泛的应用。受三维数据扫描过程中扫描设备、扫描环境等因素影响，扫描三维点云数据中含有大量的噪点和离群点，导致三维曲面重建算法精度低。

因此，亟待提出一种三维曲面古建筑重建技术，来突破三维曲面重建技术瓶颈。

发明内容

为了解决上述存在问题。本发明提出基于OLDL_DWT的点云古典建筑曲面重建方法，为达此目的：

本发明提出基于OLDL_DWT的点云古典建筑曲面重建方法，具体步骤如下：

步骤1：对三维点云数据进行预处理；

步骤2：三维点云数据进行在线字典学习，获得局部最优稀疏字典Ф；

步骤3：以局部最优稀疏字典Ф为基空间，使用压缩采样匹配追踪算法，计算古典建筑曲面的三维点云数据的稀疏系数；

步骤4：重构古典建筑曲面三维点云数据；

步骤5：对重构的数据提取小波变换系数，对系数进行自适应阈值处理；

步骤6：对小波系数进行小波逆变换，获得重构的光滑古典建筑曲面点云数据。

作为本发明进一步改进，所述步骤1中，三维点云数据进行预处理方式为对三维点云数据进行均匀分块，保证三维点云的训练集与测试集的尺寸统一。

作为本发明进一步改进，所述步骤2中使用在线字典学习算法具体实现步骤为

步骤1：以通用三维点云数据为训练样本，使用MOD（method of directions）字典算法进行字典训练，获得通用字典D；

步骤2：以通用字典D为基字典使用目标三维点云数据作为训练样本进行迁移字典学习，迁移字典学习环节目标优化模型为

其中，y是目标三维点云数据，α是稀疏系数，Ψ是迁移在线字典学习的调节系数矩阵，用于删除去字典D中与目标三维点云不相关的原子，K是三维点云数据的稀疏度，Ф是最优稀疏字典。

作为本发明进一步改进，所述步骤重构三维点云数据计算公式为

其中，y₁是重构的三维点云数据，α是目标三维点云数据y在局部最优稀疏字典Ф下的稀疏系数。

作为本发明进一步改进，所述小波系数进行自适应阈值处理可表示为

其中，DWT(•)表示小波变换函数，做三层小波变换，a1、a2、a3、a4是小波变换系数，且所代表频带依次增加，floor(•)表示向下取整函数，mean(•)表示求均值函数，max(•)表示求最大值函数。