[发明专利]时序多维点云形变识别方法、系统、电子设备及存储介质

说明书

本发明公开了一种时序多维点云形变识别方法、系统、电子设备及存储介质，其中，时序多维点云形变识别方法包括：基于发生形变的被测物体表面的多帧点云，构建时序多维点云；格网化时序多维点云；对格网化后的时序多维点云进行逐点形变追踪；基于形变追踪结果建立时序多维点云的点对匹配关系；基于点对匹配关系构建局部形变描述子和全局形变描述子，以识别被测物体表面形变过程。本发明应用于小场景精细化全场形变识别，通过在时序多维点云中构建局部和全局形变描述子，为物体表面的形变提供了一种全面且完整的识别的方法，从局部和全局的角度准确刻画了被测物体表面形变的全过程，更好地反映了形变规律、揭示了形变机制与特点。

技术领域

本领域涉及点云形变识别技术领域，尤其涉及一种时序多维点云形变识别方法、系统、电子设备及存储介质。

背景技术

随着传感器技术和观测平台的迅速发展，点云已成为表征物体表面三维信息的常用方式，目前对物体表面的形变识别技术也已逐渐从识别物体表面标志点的形变发展成为基于物体表面点云的全场形变识别。

基于物体表面点云的全场形变识别方法通常可以分为两类：基于点云模型和基于表面模型。前者主要包括C2C(Cloud-to-Cloud，云到云)和M3C2(Multiscale Model-to-Model Cloud，多尺度模型到模型云)的方法，后者主要包括C2M(Cloud-to-Mesh，点云到模型)和M2M(Mesh-to-Mesh，模型到模型)的方法，两者的区别是前者通过直接比较点云来识别形变，而后者建立在对点云进行表面建模的基础上。但是目前无论是基于点云模型还是基于表面模型，都是基于点云的几何信息来识别点云间的形变的，普遍用于大场景的形变识别，并且由于两者均是基于最近邻点或相邻点的计算原则识别物体表面形变，这两类方法识别到的形变通常均小于物体表面的实际形变，识别精度较低，不适用于小场景精细化的形变识别。

发明内容

本发明要解决的技术问题是为了克服现有技术中对于小场景精细化全场形变识别精度较低的缺陷，提供一种时序多维点云形变识别方法、系统、电子设备及存储介质。

本发明是通过下述技术方案来解决上述技术问题：

本发明提供一种时序多维点云形变识别方法，所述时序多维点云形变识别方法包括：

基于发生形变的被测物体表面的多帧点云，构建时序多维点云；

格网化所述时序多维点云；

对格网化后的时序多维点云进行逐点形变追踪；

基于形变追踪结果建立所述时序多维点云的点对匹配关系；

其中，所述点对匹配关系为所述时序多维点云的前一帧多维点云与后一帧多维点云之间的匹配关系；

基于所述点对匹配关系构建局部形变描述子和全局形变描述子，以识别所述被测物体表面的形变过程。

优选地，所述构建时序多维点云的步骤前包括：

按照预设时间间隔采集发生形变的被测物体表面的多帧点云；

所述构建时序多维点云的步骤包括：

按照采集时间顺序，基于采集到的所述多帧点云构建时序多维点云；

或，

所述构建时序多维点云的步骤前包括：

实时采集发生形变的被测物体表面的多帧点云；

所述构建时序多维点云的步骤包括：

基于实时采集的所述多帧点云，实时构建时序多维点云。

优选地，所述格网化所述时序多维点云的步骤前包括：