欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2017103890066
申请人: 中北大学
专利类型:发明专利
专利状态:已下证
专利领域: 计算;推算;计数
更新日期:2024-01-05
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种基于协方差矩阵和投影映射的点云特征曲线提取方法,其特征在于,所述特征曲线提取方法包括以下步骤:

步骤1,对输入的点云数据source计算出点云表面的分辨率mr,计算出每个点的协方差矩阵的最大特征值作为该点的强度intensity;

步骤2,在点云数据source找到第一个强度intensity大于阈值t1的点作为特征点,以该点为种子点进行区域增长,寻找更多符合条件的特征点,将其加入到同一个点集中;直到区域无法增长,集合作为第一个聚类;继续寻找新的种子点,进行区域增长,生成新的聚类,直到遍历完全部点云数据;经过上述骤,点云数据被划分为多个聚类,将这些聚类作为阈值t1条件下的一个聚类集合cluster_list1;

步骤3,根据步骤2同样求出阈值t2且t1

步骤4,取出聚类集合cluster_list中的一个聚类,根据聚类中的第一个点经过计算协方差矩阵的特征值特征向量、修正法向量和主方向、寻找预测点、按权重计算新的关键特征点、将关键特征点投影至最近局部曲面一系列操作生成了一个在模型表面的连接点;以这个连接点为起点同样经过上述生成连接点的步骤不断生成新的连接点,直到无法生成新的连接点;这样就得到一个有序的点的集合,即为一条特征线;重新选取聚类中的点,继续生成特征线,直到遍历聚类内全部的点;

步骤5,选取聚类集合cluster_list中的其他聚类,根据步骤4继续生成特征线,直到聚类集合中的所有集合都已生成特征线;其得到的全部的特征线就是模型的特征线。

2.根据权利要求1所述的特征曲线提取方法,其特征在于,所述步骤2中,在点云数据source找到第一个强度intensity大于阈值t1的点作为特征点,以该点为种子点进行区域增长,寻找更多符合条件的特征点,将其加入到同一个点集中;直到区域无法增长,集合作为第一个聚类;继续寻找新的种子点,进行区域增长,生成新的聚类,直到遍历完全部点云数据;经过上述骤,点云数据被划分为多个聚类,将这些聚类作为阈值t1条件下的一个聚类集合cluster_list1,包括:将点云数据source在阈值t1条件下生成一个聚类集合cluster_list1的过程通过如下步骤2.1至步骤2.5实现:步骤2.1,设置一个空的种子点队列、空的聚类和聚类集合,分别记为L、cluster和cluster_list;

步骤2.2,顺序遍历点云source,从中选取第一个强度intensity大于阈值t1且未被检测的点p,作为一个特征点,同时作为区域增长的初始种子点,将其加入种子点队列L和当前聚类cluster中,并将其标记为已检测;

步骤2.3,弹出队列L中第一个元素,作为当前种子点,记为pseed;以其为中心,搜索半径为r范围内的邻域点,记为N(pseed),N(pseed)={pj|pj∈PC,‖pj-p‖≤r};对每一个邻域点pj,计算强度intensity,判断强度是否大于t1,并标记为已检测;若大于t1,则加入当前聚类cluster和种子点队列L中;若不大于t1,继续检测下一个邻域点;

步骤2.4,循环执行步骤2.3,直到种子点序列L为空,结束当前区域增长,得到聚类cluster,并将其置入到cluster_list之中,然后清空cluster;

步骤2.5,循环执行步骤2.2–步骤2.4;直到点云source中所有的点都已检测过,则聚类结束;最终得到一个将点云source分割成若干个特征点聚类的聚类集合cluster_list;

cluster_list就是在阈值t1条件下聚类集合cluster_list1。

3.根据权利要求1所述的特征曲线提取方法,其特征在于,所述步骤3中,

根据步骤2同样求出阈值t2且t1

cluster_list2融合成一个聚类cluster_list可通过步骤3.1至步骤3.7实现:

首先假定两个特征点聚类集合cluster_list1和cluster_list2里的聚类个数分别是m,n;

步骤3.1,为cluster_list2中的每一个聚类cluster_list2j设置一个计数器,其集合记为{count0,count1,...,countn};

步骤3.2,从cluster_list1选取一个聚类,记为cluster_list1i,其中i

步骤3.3,对cluster_list1i中的每一个点pi,在cluster_list2中的每一个聚类

cluster_list2j(j

步骤3.4,计数器总和记为count,count=count0+count1+…+countn;若count为0,即cluster_list1i不存在于cluster_list2中,将cluster_list1i添加到cluster_list2中,执行步骤3.7;若count不为0,则认为cluster_list1i与cluster_list2有一定程度的重合,执行步骤3.5;

步骤3.5,计算count与cluster_list1i中点的个数的比值,记为rate1,若rate1>30%,则认为cluster_list2中存在聚类cluster_list1i,执行步骤3.7;否则,执行步骤3.6;

步骤3.6,计数器集合中的最大值记为countmax;计算count与countmax的比值,记为rate2;若rate2>90%,则认为cluster_list1i比cluster_list2max特征更全面,用cluster_list1i替换cluster_list2max;若rate2<10%,则认为重合度不高,将cluster_list1i添加到cluster_list2中;

步骤3.7,返回步骤3.2,直到遍历cluster_list1中全部聚类;最终得到新的聚类集合cluster_list2就是融合后的特征点的聚类集合cluster_list。

4.根据权利要求1所述的特征曲线提取方法,其特征在于,所述步骤4中,

取出聚类集合cluster_list中的一个聚类,根据聚类中的第一个点经过计算协方差矩阵的特征值特征向量、修正法向量和主方向、寻找预测点、按权重计算新的关键特征点、将关键特征点投影至最近局部曲面一系列操作生成了一个在模型表面的连接点;以这个连接点为起点同样经过上述生成连接点的步骤不断生成新的连接点,直到无法生成新的连接点;这样就得到一个有序的点的集合,即为一条特征线;重新选取聚类中的点,继续生成特征线,直到遍历聚类内全部的点,包括:在聚类集合cluster_list的一个聚类中生成特征线可由步骤4.1至步骤4.10实现:

首先设特征点的聚类集合cluster_list={clusteri},i=1,…,m;

步骤4.1,设有一个空的种子点队列、线段连接点的列表和特征线列表,分别记为seed_list,point_list,line_list;

步骤4.2,在特征点聚类的集合cluster_list中选取一个聚类clusteri,将该聚类中的第一个点p作为种子点加入种子点队列seed_list中,记为seed0,同时设置为当前种子点,记为pseed_curr,即pseed_curr=seed0;

步骤4.3,在当前聚类clusteri中,以当前种子点pseed_curr为中心,搜索半径为r范围内的邻域点,记为N(pseed_curr),N(pseed_curr)={pj|pj∈clusteri,‖pj-p‖≤r};计算点pseed_curr的协方差矩阵,取最大特征值对应的特征向量作为当前种子点pseed_curr的主方向,记为 取最小特征值对应得特征向量作为当前种子点pseed_curr的法向量,记为步骤4.4,修正法向量和主方向的方向;判断 若是,则法向量

其中 是点云中距离当前种子点pseed_curr最近的点的法向量, 是点pseed_curr的法向量;若seed_list<2,即种子点队列中只有一个点,不需要修正主方向;否则,判断是否成立,若是,则主方向 其中 是当前种子点pseed_curr的主方向;

步骤4.5,根据当前种子点pseed_curr及其邻域点N(pseed_curr)建立局部坐标系;以当前种子点pseed_curr的法向量 作为w轴,主方向 作为u轴, 即为v轴的正方向,形成点pseed_curr的局部坐标系,记为(pseed_curr,u,v,w);平面upseed_currv即为当前种子点pseed_curr邻域内的曲面在点pseed_curr处的切平面;

步骤4.6,利用公式(1),将点pseed_curr的邻域点{p0,p1,…,pj,…,pn}(pj∈N(pseed_curr))投影到平面upseed_currv上,对应的投影后的点记为{q0,q1,…,qj,…,qn};按照公式(2)计算qj和点pseed_curr的连线与坐标轴u轴的夹角αj,将αj≤45°的点加入待选预测点集合,记为pre_points,且将45°≤αj≤90°的点标记为已检测;将pre_points中的点按照与点pseed_curr的距离排序,选择距离最近的点作为预测点,记为ppre,并标记已检测;判断是否成立,若是,则主方向 其中 是预测点ppre的主方向;

步骤4.7,计算关键特征点;根据公式(3)计算关键特征点,记为pkey;其中d是自定义的步长,w是由当前种子点pseed_curr的主方向和预测点ppre的主方向按照公式(4)计算的方向权重, 是当前种子点pseed_curr的主方向, 是预测点ppre的主方向;

pkey=pseed_curr+w*d    (3)步骤4.8,计算线段的连接点lk,k=0,1,…;在点云中以关键特征点pkey为中心,搜索半径为r范围的邻域点,从中选取距离点pkey最近的点,用移动最小二乘法拟合该点处的局部曲面,并将关键特征点pkey投影到局部曲面上,得到线段的连接点lk,并加入连接点的列表point_list中;并将第一个连接点l0的主方向保存,记为line_dir;

步骤4.9,将得到的连接点lk加入种子点队列seed_list中,并设置为当前种子点,循环执行步骤4.3–步骤4.9,继续生成新的连接点,直到步骤4.5中找不到预测点,则当前方向line_dir上特征线的连接点提取结束,得到point_list,生成线段,记为L1;清空point_list;依上述步骤,计算相反方向-line_dir,生成线段,记为L2;连接线段L1与L2,生成当前聚类中的一条完整的特征线,将其加入line_list;

步骤4.10,计算该聚类clusteri中未被检测的点数所占聚类中全部点数的比值;若小于一定阈值,则认为该聚类中的全部特征线提取完成;否则,在未被检测到的点中选取新的起始点作为新的种子点,循环执行步骤4.3–步骤4.10,继续生成特征线。