[发明专利]一种动态空间球搜索点云K邻域方法

说明书

本发明公开了一种动态空间球搜索点云K邻域的方法。其包括以下步骤：首先根据体元思想将全部点云分块，然后根据利用体素栅格点云间的密度近似求出空间球的半径；比较K和采样点空间球内点云数量大小，若小于K则按γ比例成倍扩大；若空间球内点云数量大于K，则按欧式距离从小到大进行排序后依次选取K个点为采样点的K邻域,有效解决了点云搜索K邻域的传统算法耗时长的问题。

技术领域

本发明涉及于计算机视觉与逆向工程领域，具体的展示了一种点云数据K邻域搜索方法。

背景技术

在逆向工程领域中，通过扫描设备所获取的点云是通常是仅包含三维坐标的、无明显拓扑关系的、紊乱的数据，因此要建立点云间的拓扑关系为后续点云处理和三维重建工作做准备。

目前常用构建点云的局部邻域的方法是K邻域搜索方法，即求出采样点P与其他所有点的欧氏距离，并按从小到大排序，选取前K个点即为点P的K邻域。然而点云数据量通常是海量的，而且获取的点云数据常常是不均匀的，因此造成点云K邻域搜索耗时长，算法效率低。

发明内容

因此在三维点云的处理中最关键最首要的步骤为构造数据点间的拓扑关系，本文对此提出了动态空间球搜索采样点的K邻域。首先根据公式(1)体元思想将全部点云分块，然后根据公式(3)利用体素栅格点云间的密度近似求出空间球的半径；比较K和采样点空间球内点云数量大小，若小于K则按γ比例成倍扩大；若空间球内点云数量大于K，则按欧式距离从小到大进行排序后依次选取K个点为采样点的K邻域。

本发明的目的在于针对现有点云搜索K邻域方法耗时长的问题，提供一种动态空间球搜索点云K邻域方法。

本发明是通过以下技术方案实现的：

一种动态空间球搜索点云K邻域方法，包括如下步骤：

S1：基于体元思想首先建立包围整个点云数据的立方体，然后根据点云大小划分m×n×l个体素栅格；

S2：搜索每个点所在的体素栅格，以及空间球区域内体素栅格的范围；

S3：记录空间球中的体素栅格范围内的点，为K邻域备选点，并标记搜索过的体素栅格及其个数；

S4：计算所求点与K邻域备选范围中的点的欧式距离d，判断d与动态空间球半径r的大小。若d小于等于r，则保留到K邻域备选范围若d大于r，则排除备选范围之外，最后统计K邻域备选点的数量；

S5：判断K邻域备选点的数量num是否大于等于K，若大于等于K，则按照d的大小以升序方式进行排序，从中选取距离最近的K个点即为所求点的K邻域。若小于K，则将r值扩大γ倍，转入S2然后重新搜索。

进一步的，所述的体素栅格的边长L：

其中，α为根据点云数据大小调节栅格大小的调解系数因子，N为全部点云数量，V为所有点云所在的立方体的体积。

进一步的，所述的体素栅格的数量m×n×l：

其中，ceil(x)为取整函数，不小于x的最大整数；x_max、x_min、y_max、y_min、z_max、z_min分别为点云坐标在x、y、z轴中的最大值和最小值。

进一步的，所述的空间球的半径r：

式中:N_s为体素栅格S内采样点数目，β用来调节球半径r的大小，V_s为体素栅格S的体积，k为与所求点的距离符合要求点的数目。