基于局部子鄰域劃分的點(diǎn)云特征點(diǎn)提取方法
【專(zhuān)利摘要】本發(fā)明提供一種基于局部子鄰域劃分的點(diǎn)云特征點(diǎn)提取方法，包括了四個(gè)步驟：初始特征點(diǎn)提取階段，用于獲取輸入點(diǎn)云數(shù)據(jù)的潛在初始特征點(diǎn)；局部三角形構(gòu)造階段，為了從初始特征點(diǎn)集中有效提取真實(shí)特征點(diǎn)，在每一個(gè)初始特征點(diǎn)的局部鄰域內(nèi)構(gòu)建反映該點(diǎn)局部幾何特征結(jié)構(gòu)的三角形集合；局部子鄰域劃分階段，通過(guò)對(duì)構(gòu)造的局部三角形集合的法向進(jìn)行聚類(lèi)，獲得一點(diǎn)處局部鄰域點(diǎn)的聚類(lèi)，進(jìn)而獲取一點(diǎn)處局部鄰域點(diǎn)的子鄰域劃分；魯棒特征點(diǎn)提取階段，對(duì)劃分好的子鄰域內(nèi)的數(shù)據(jù)點(diǎn)進(jìn)行局部擬合平面，通過(guò)判斷當(dāng)前點(diǎn)是否同時(shí)落在多個(gè)平面的交線(xiàn)上識(shí)別真正的特征點(diǎn)。
【專(zhuān)利說(shuō)明】基于局部子鄰域劃分的點(diǎn)云特征點(diǎn)提取方法

【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及一種基于局部子鄰域劃分的點(diǎn)云特征點(diǎn)提取方法。

【背景技術(shù)】
[0002] 隨著三維掃描獲取技術(shù)的快速發(fā)展，點(diǎn)云數(shù)據(jù)處理研究業(yè)已成為數(shù)字幾何處理研 究發(fā)展過(guò)程中的研究熱點(diǎn)，并在工業(yè)設(shè)計(jì)、藝術(shù)、文物復(fù)原與保護(hù)等領(lǐng)域得到了廣泛的關(guān)注 和應(yīng)用。隨著研究的深入，點(diǎn)云數(shù)據(jù)的魯棒特征提取等問(wèn)題的研究具有深刻的理論意義和 廣泛的應(yīng)用前景。
[0003] 特征是幾何模型的重要組成部分，對(duì)于幾何模型的外觀(guān)以及幾何模型的準(zhǔn)確表達(dá) 具有重要作用。近年來(lái)網(wǎng)格模型的特征提取得到了國(guó)內(nèi)外學(xué)者的廣泛研究，并成功應(yīng)用于 特征保持的網(wǎng)格編輯，如特征保持的網(wǎng)格去噪、簡(jiǎn)化、分割、修補(bǔ)等。
[0004] 與網(wǎng)格模型的特征提取相比，點(diǎn)云模型上特征提取的研究相對(duì)較少。一方面由于 點(diǎn)云數(shù)據(jù)缺乏自然拓?fù)溥B接關(guān)系，另一方面掃描獲取的點(diǎn)云數(shù)據(jù)常受到噪聲的影響，并伴 隨數(shù)據(jù)缺失等問(wèn)題。如何有效提取點(diǎn)云數(shù)據(jù)的可靠特征信息，將對(duì)提高點(diǎn)云數(shù)據(jù)配準(zhǔn)精度 和速度、網(wǎng)格重建效率、幾何特征保持的點(diǎn)云去噪和簡(jiǎn)化等點(diǎn)云處理技術(shù)產(chǎn)生巨大影響。
[0005] 在點(diǎn)云數(shù)據(jù)特征提取方面，現(xiàn)有的特征點(diǎn)提取算法有構(gòu)造黎曼樹(shù)表示點(diǎn)云的連接 信息，通過(guò)優(yōu)化特征點(diǎn)集的最小生成樹(shù)來(lái)提取點(diǎn)云上的特征線(xiàn)、結(jié)合協(xié)方差分析和最小生 成樹(shù)的多尺度點(diǎn)云特征點(diǎn)提取方法、基于法向估計(jì)和圖論的方法、基于魯棒移動(dòng)最小二乘 的特征線(xiàn)提取方法以及基于高斯法向聚類(lèi)的點(diǎn)云特征點(diǎn)提取方法。該類(lèi)基于高斯法向聚類(lèi) 的點(diǎn)云特征點(diǎn)提取方法首先在一點(diǎn)的局部鄰域內(nèi)構(gòu)建由當(dāng)前點(diǎn)組成的所有可能的三角形 集合，并利用高斯法向聚類(lèi)算法對(duì)三角形法向進(jìn)行聚類(lèi)。然后依據(jù)法向聚類(lèi)的個(gè)數(shù)判別當(dāng) 前點(diǎn)是否為特征點(diǎn)。由于特征點(diǎn)與靠近特征點(diǎn)的點(diǎn)具有高度相似的局部特征結(jié)構(gòu)，僅僅依 靠構(gòu)建局部三角形集合的法向在高斯球上的聚類(lèi)個(gè)數(shù)很難有效地區(qū)分真正的特征點(diǎn)。同時(shí) 該方法構(gòu)建包含當(dāng)前點(diǎn)的所有可能的三角形，這一方面增加了運(yùn)算的復(fù)雜度；另一方面該 三角形集合中存在較多跨越特征邊的三角形，進(jìn)一步降低了特征判別的準(zhǔn)確性，并導(dǎo)致某 些相對(duì)較弱特征的丟失。此外，局部鄰域大小的選擇也直接影響了特征提取的效果。
[0006] 針對(duì)現(xiàn)有算法存在的問(wèn)題，本發(fā)明提出了一種基于局部子鄰域劃分的點(diǎn)云特征點(diǎn) 提取方法，該方法簡(jiǎn)單、穩(wěn)定，對(duì)局部鄰域選取的大小不敏感，具有一定的抗噪能力，能夠在 有效提取顯著特征的同時(shí)，盡可能多的保留相對(duì)較弱的特征。


【發(fā)明內(nèi)容】

[0007] 本發(fā)明解決的技術(shù)問(wèn)題是：克服了現(xiàn)有點(diǎn)云特征點(diǎn)提取算法對(duì)噪聲干擾影響較大 的不足，提供了一種基于局部子鄰域劃分的特征點(diǎn)提取方法。本發(fā)明結(jié)合Gabriel三角形 構(gòu)造和局部子鄰域劃分等技術(shù)，實(shí)現(xiàn)噪聲環(huán)境下掃描點(diǎn)云數(shù)據(jù)的魯棒提取，滿(mǎn)足了后續(xù)三 維幾何數(shù)據(jù)處理對(duì)特征約束的需要。
[0008] 本發(fā)明采用的技術(shù)方案為：一種基于局部子鄰域劃分的點(diǎn)云特征點(diǎn)提取方法，包 括以下四個(gè)步驟：
[0009] 步驟（1)、初始特征點(diǎn)提?。夯诰植苦徲虻膮f(xié)方差分析給每個(gè)數(shù)據(jù)點(diǎn)賦予度量 該點(diǎn)成為特征點(diǎn)的可能性，通過(guò)閾值過(guò)濾獲取初始特征點(diǎn)集合。由于受噪聲等因素的影響， 該過(guò)程需要盡可能多的提取潛在的初始特征點(diǎn)。
[0010] 步驟（2)、局部三角形構(gòu)造：在每個(gè)初始特征點(diǎn)的局部鄰域內(nèi)利用Gabriel三角形 生成法則構(gòu)建不跨越特征區(qū)域，并能夠反映該點(diǎn)局部特征結(jié)構(gòu)信息的三角形集合。本發(fā)明 構(gòu)建的局部三角形集合不依賴(lài)于點(diǎn)云法向估計(jì)，不需要完全覆蓋局部鄰域，較現(xiàn)有構(gòu)造方 法簡(jiǎn)單靈活。
[0011] 步驟（3)、局部子鄰域劃分：根據(jù)步驟（2)中計(jì)算得到的三角形集合，利用共享近 鄰算法對(duì)構(gòu)造的三角形法向進(jìn)行聚類(lèi)，進(jìn)而得到對(duì)應(yīng)局部區(qū)域數(shù)據(jù)點(diǎn)的分類(lèi)集合，實(shí)現(xiàn)輸 入數(shù)據(jù)點(diǎn)的局部子鄰域劃分。
[0012] 步驟（4)、魯棒特征點(diǎn)提?。悍ㄏ蚓垲?lèi)將鄰域點(diǎn)分成不同的子類(lèi)，每一類(lèi)對(duì)應(yīng)著一 個(gè)潛在的分片光滑曲面。對(duì)步驟（3)中獲得的每一子鄰域內(nèi)的數(shù)據(jù)點(diǎn)擬合平面，通過(guò)判斷 當(dāng)前點(diǎn)是否同時(shí)落在多個(gè)平面來(lái)進(jìn)行最終的特征點(diǎn)判別。
[0013] 本發(fā)明的原理在于：
[0014] (1)通過(guò)計(jì)算輸入點(diǎn)云數(shù)據(jù)局部鄰域內(nèi)的協(xié)方差矩陣，本發(fā)明給每個(gè)數(shù)據(jù)點(diǎn)賦予 度量該點(diǎn)成為特征點(diǎn)的可能性，實(shí)現(xiàn)點(diǎn)云數(shù)據(jù)的初始特征點(diǎn)提取，減少因噪聲等因素導(dǎo)致 的特征點(diǎn)提取遺漏等問(wèn)題。
[0015] (2)為了獲得魯棒的點(diǎn)云特征點(diǎn)提取，本發(fā)明利用Gabriel三角形生成法則在初 始特征點(diǎn)的局部鄰域內(nèi)構(gòu)造能夠反映其局部特征結(jié)構(gòu)的三角形集合，實(shí)現(xiàn)對(duì)初始特征點(diǎn)局 部鄰域的子鄰域劃分，為后續(xù)特征點(diǎn)判斷提供信息支持。
[0016] (3)為了實(shí)現(xiàn)噪聲環(huán)境下掃描點(diǎn)云數(shù)據(jù)的魯棒提取，本發(fā)明利用特征點(diǎn)的直觀(guān)特 性，通過(guò)對(duì)每一個(gè)局部子鄰域內(nèi)的數(shù)據(jù)點(diǎn)進(jìn)行平面擬合，通過(guò)判斷當(dāng)前點(diǎn)是否同時(shí)落在兩 個(gè)或多個(gè)平面的交線(xiàn)上完成最后特征點(diǎn)的判定。
[0017] 本發(fā)明與現(xiàn)有技術(shù)相比的優(yōu)點(diǎn)在于：
[0018] 1.本發(fā)明構(gòu)建的局部三角形集合具有算法復(fù)雜度低、存在較少跨越特征邊的優(yōu) 點(diǎn)，為子鄰域的劃分和特征點(diǎn)的提取奠定堅(jiān)實(shí)基礎(chǔ)。
[0019] 2.對(duì)比已有的點(diǎn)云特征點(diǎn)提取算法，本發(fā)明提出的基于局部鄰域劃分的點(diǎn)云特征 點(diǎn)提取方法，可直接作用在原始點(diǎn)云數(shù)據(jù)上，不依賴(lài)于法向、曲率等微分幾何量的估計(jì)，具 有較強(qiáng)的魯棒性。
[0020] 3.本發(fā)明提出的基于局部鄰域劃分的點(diǎn)云特征點(diǎn)提取算法，不僅可以在噪聲環(huán)境 下正確區(qū)分真實(shí)特征點(diǎn)和靠近真實(shí)特征點(diǎn)的偽特征點(diǎn)，同時(shí)檢測(cè)結(jié)果對(duì)鄰域選取的大小不 敏感。

【專(zhuān)利附圖】

【附圖說(shuō)明】
[0021] 圖1為基于局部子鄰域劃分的點(diǎn)云特征點(diǎn)提取方法流程圖，（a)初始模型，（b)特 征度量，（c)初始特征點(diǎn)，（d)三種情形的局部剖分，（e)最終特征點(diǎn)；
[0022] 圖2為局部三角形集合與對(duì)應(yīng)的鄰域點(diǎn)分類(lèi)示意圖；
[0023] 圖3為局部子鄰域的平面擬合示意圖；
[0024] 圖4為二十面體模型的特征提取結(jié)果；
[0025] 圖5為Smooth feature模型的特征提取結(jié)果；
[0026] 圖6為八面體模型的特征提取結(jié)果；
[0027] 圖7為Fandisk模型的特征提取結(jié)果。

【具體實(shí)施方式】
[0028] 圖1給出了基于局部子鄰域劃分的點(diǎn)云特征點(diǎn)提取方法的總體處理流程，下面結(jié) 合其他附圖及【具體實(shí)施方式】進(jìn)一步說(shuō)明本發(fā)明。
[0029] 本發(fā)明提供一種基于局部子鄰域劃分的點(diǎn)云特征點(diǎn)提取方法，主要步驟介紹如 下：
[0030] 1.初始特征點(diǎn)提取
[0031] 記輸入的點(diǎn)云數(shù)據(jù)為P = {ρρ p2，…pN}，Pi e R3,對(duì)一點(diǎn)p e p，通過(guò)局部鄰域的協(xié) 方差分析計(jì)算該點(diǎn)成為特征點(diǎn)的可能性σρ。該指標(biāo)度量了局部曲面的變化，反映了一點(diǎn)處 的特征信息，通過(guò)設(shè)置一個(gè)合適的閾值，篩選得到初始的特征點(diǎn)。本發(fā)明選取Κ近鄰作為局 部鄰域，測(cè)試中選取Κ = 25,通常能夠得到令人滿(mǎn)意的測(cè)試結(jié)果。
[0032] 用戶(hù)表示Κ近鄰的質(zhì)心，Τ表示Κ近鄰Νρ的3X3協(xié)方差矩陣：
[0033]

【權(quán)利要求】
1. 一種基于局部子鄰域劃分的點(diǎn)云特征點(diǎn)提取方法，其特征在于包括以下四個(gè)步驟： 步驟（1)、初始特征點(diǎn)提?。夯诰植苦徲虻膮f(xié)方差分析給每個(gè)數(shù)據(jù)點(diǎn)賦予度量該點(diǎn) 成為特征點(diǎn)的可能性，通過(guò)閾值過(guò)濾獲取初始特征點(diǎn)集合； 步驟（2)、局部三角形構(gòu)造：在每個(gè)初始特征點(diǎn)的局部鄰域內(nèi)利用Gabriel三角形生成 法則構(gòu)建不跨越特征區(qū)域，并能夠反映該點(diǎn)局部特征結(jié)構(gòu)信息的三角形集合； 步驟（3)、局部子鄰域劃分：根據(jù)步驟（2)中計(jì)算得到的三角形集合，利用共享近鄰算 法對(duì)構(gòu)造的三角形法向進(jìn)行聚類(lèi)，進(jìn)而得到對(duì)應(yīng)局部區(qū)域數(shù)據(jù)點(diǎn)的分類(lèi)集合，實(shí)現(xiàn)輸入數(shù) 據(jù)點(diǎn)的局部子鄰域劃分； 步驟（4)、魯棒特征點(diǎn)提取：法向聚類(lèi)將鄰域點(diǎn)分成不同的子類(lèi)，每一類(lèi)對(duì)應(yīng)著一個(gè)潛 在的分片光滑曲面；對(duì)步驟（3)中獲得的每一子鄰域內(nèi)的數(shù)據(jù)點(diǎn)擬合平面，通過(guò)判斷當(dāng)前 點(diǎn)是否同時(shí)落在多個(gè)平面來(lái)進(jìn)行最終的特征點(diǎn)判別。
2. 根據(jù)權(quán)利要求1所述基于局部子鄰域劃分的點(diǎn)云特征點(diǎn)提取方法，，其特征在于：基 于局部鄰域協(xié)方差分析方法檢測(cè)初始特征點(diǎn)給出了度量輸入數(shù)據(jù)成為特征點(diǎn)的可能性，并 依據(jù)此特征度量檢測(cè)到盡可能多的初始特征點(diǎn)，有效避免了某些潛在特征點(diǎn)的遺漏；具體 為： 記輸入的點(diǎn)云數(shù)據(jù)為P = {Pu P2,…pN}，Pi G R3,對(duì)一點(diǎn)p G P，通過(guò)局部鄰域的協(xié)方差 分析計(jì)算該點(diǎn)成為特征點(diǎn)的可能性〇p;該指標(biāo)％度量了局部曲面的變化，反映了一點(diǎn)處 的特征信息，通過(guò)設(shè)置一個(gè)合適的閾值，篩選得到初始的特征點(diǎn)； 用/7表不K近鄰的質(zhì)心，T表不K近鄰Np的3X3協(xié)方差矩陣：
其中，入i為協(xié)方差矩陣T的特征值且入入2。
3. 根據(jù)權(quán)利要求1所述的基于局部子鄰域劃分的點(diǎn)云特征點(diǎn)提取方法，其特征在于：利用Gabriel三角形法則構(gòu)造三角形集合的方法，充分利用了 Gabriel三角形具有的良好 性質(zhì)，使得構(gòu)造出的每個(gè)三角形緊緊貼附在某一潛在曲面上，降低跨越特征區(qū)域三角形的 數(shù)量，充分反映了一點(diǎn)處的特征結(jié)構(gòu)；具體為： 記初始特征點(diǎn)Pi的1(近鄰點(diǎn)為A, ei\^，_/ = l，2，L [，構(gòu)建Gabriel三角形& ; Gabriel 三角形滿(mǎn)足條件：由三個(gè)點(diǎn)構(gòu)成的外接球不包含其他點(diǎn)；若點(diǎn)凡.為Pi的最近點(diǎn)，選取點(diǎn)A 使得點(diǎn)Pi的Gabriel三角形滿(mǎn)足4〃,.A, A:最大； 為確保每個(gè)Gabriel三角形緊緊貼附在某一潛在的曲面上，并且不跨越特征區(qū)域，需 要驗(yàn)證每個(gè)Gabriel三角形的有效性；如果一個(gè)三角形緊緊貼附在某一潛在曲面上，則Np中必有一定數(shù)量的點(diǎn)落在或靠近該三角形所形成的平面上，否則該三角形的頂點(diǎn)必取自不 同的分片光滑曲面上；為此，計(jì)算每一個(gè)鄰居點(diǎn)（除去G的頂點(diǎn)）到&，所形成平面n的 距離，當(dāng)距離小于一定閾值時(shí)，即認(rèn)為該點(diǎn)為落在平面n上的點(diǎn)；計(jì)算平面n上點(diǎn)的個(gè)數(shù) 與所有鄰居點(diǎn)個(gè)數(shù)的百分比，當(dāng)該比例小于一定閾值時(shí)，判定巧，無(wú)效并將其刪除；對(duì)構(gòu)建 Gabriel三角形失敗的點(diǎn)，降低Gabriel三角形構(gòu)建的條件,選用次近鄰點(diǎn)重新構(gòu)建三角 形，往往能再次獲得滿(mǎn)足條件的三角形； 在Gabriel三角形集合對(duì)應(yīng)著法向集合，將通過(guò)對(duì)法向進(jìn)行聚類(lèi)，獲得一點(diǎn)處局部鄰 域點(diǎn)的聚類(lèi)；對(duì)于法向聚類(lèi)，首先定義法向之間的距離；對(duì)于Gabriel三角形VPiPjPk,法向 為：np = PiPjXpiPk. 為了得到合理的距離度量，法向之間的距離定義為： d (np, nq) = min {arcos (np, nq), arcos (np, -nq)}. 采用對(duì)噪聲和離群點(diǎn)較為魯棒的共享近鄰聚類(lèi)算法（SNN)，首先，計(jì)算每個(gè)節(jié)點(diǎn)法向 的k近鄰點(diǎn)，建立節(jié)點(diǎn)之間的相似圖，圖中每一個(gè)元素值為兩個(gè)節(jié)點(diǎn)公共k近鄰的個(gè)數(shù)；根 據(jù)SNN的稀疏性，當(dāng)兩個(gè)節(jié)點(diǎn)不同時(shí)位于彼此的k近鄰中時(shí)則不產(chǎn)生連接關(guān)系，即元素值為 零； 節(jié)點(diǎn)的密度定義為與該點(diǎn)有連接關(guān)系的相似度之和；密度值越大，節(jié)點(diǎn)成為某一類(lèi)內(nèi) 點(diǎn)的可能性越大；相反，密度值越小，節(jié)點(diǎn)越可能成為噪聲點(diǎn)或離群點(diǎn)；如果一個(gè)節(jié)點(diǎn)的密 度值大于一定閾值，從圖的觀(guān)點(diǎn)表明它與其它點(diǎn)有較強(qiáng)的連接關(guān)系，自然地可將該點(diǎn)視為 核心點(diǎn)；通過(guò)設(shè)定聚類(lèi)閾值0對(duì)核心點(diǎn)進(jìn)行聚類(lèi)；如果某一節(jié)點(diǎn)與所有核心點(diǎn)的距離均大 于設(shè)定的閾值k，則此節(jié)點(diǎn)為離群點(diǎn)，此節(jié)點(diǎn)不參與聚類(lèi)；如果一個(gè)節(jié)點(diǎn)既不是核心點(diǎn)也不 是離群點(diǎn)，則將其加入離該點(diǎn)最近核心點(diǎn)所屬的類(lèi)中； 如果一點(diǎn)處三角形集合的法向聚成一類(lèi)，則點(diǎn)不可能成為特征點(diǎn)；對(duì)于鄰域點(diǎn)聚類(lèi)兩 類(lèi)的初始特征點(diǎn)同樣有可能不是真正的特征點(diǎn)，對(duì)聚類(lèi)結(jié)果在兩類(lèi)以上的點(diǎn)進(jìn)行更為準(zhǔn)確 的特征判定；具體判定步驟為： 首先，用協(xié)方差分析對(duì)每一子類(lèi)中的點(diǎn)擬合平面；平面的法向?yàn)樘卣髦礎(chǔ) ^所對(duì)應(yīng)的特 征值，平面的原點(diǎn)設(shè)為該子類(lèi)點(diǎn)的質(zhì)心戶(hù)； 其次，計(jì)算頂點(diǎn)P擬合平面的距離，設(shè)定一個(gè)閾值，如果點(diǎn)到平面的距離小于該閾值， 認(rèn)為點(diǎn)P屬于擬合平面； 最后，如果P同時(shí)屬于兩個(gè)擬合平面，則判定P為邊界特征點(diǎn)；如果P同時(shí)屬于兩個(gè)以 上的擬合平面，則判定P為角點(diǎn)。
【文檔編號(hào)】G06K9/46GK104282038SQ201410504746
【公開(kāi)日】2015年1月14日 申請(qǐng)日期:2014年9月26日 優(yōu)先權(quán)日:2014年9月26日
【發(fā)明者】王小超, 郝愛(ài)民, 李帥 申請(qǐng)人:北京航空航天大學(xué), 北京天人同達(dá)軟件科技有限公司