matlab点云三维重构,⽆序点云三维重建⽅法技术库存信息
城市生活垃圾处理及污染防治技术政策
【技术实现步骤摘要】
【专利摘要】本专利技术提供⼀种，包括以下步骤：S1、分区：根据研究内容，将采集到的点云分为变形区的点云和⾮变形区的点云； S2、点云数据压缩：对⾮变形区的点云，进⾏点云数据压缩；压缩⽐为预设的设定值；S3、三维重建：将变形区中的点云，和压缩后的⾮变形区的点云，放在⼀起进⾏三维重建。在三维重建之前，先根据研究内容将点云分区，将⾮关键内容的区域先进⾏压缩，从⽽减少重建时需要处理的数据量，另外在重建时将⾮变形区域的数据和变形区域的数据融合在⼀起进⾏三⾓⽹重建，减少海量点云数据的三⾓⽹⽣成时间，最终实现提⾼算法效率的⽬的。【专利说明】 本专利技术涉及三维场景重现领域，具体涉及⼀种。
网络安全特警
盐湖城丑闻技术介绍
三维激光测量技术是⼀种快速、准确获取真实地物空间信息的技术。采⽤三维激光扫描仪对被测量地物进⾏扫描，操作简单⽽且精度⾼。由于获取的三维点云数据量庞⼤、散乱，⽆组织，如何组织庞⼤的点云数据，使得三维点云数据通过计算机虚拟的呈现出来，成为了空间信息处理、计算机图形学、计算机dietmp3
视觉等领域研究的热点。 点云按照排列⽅式的不同可以分为有序点云和⽆序点云。有序点云的点与点的拓扑结构完整，相邻点之间存在连续关系，领域操作⾼效。⽆序点云由于点与点之间缺乏拓扑关系，因此常采⽤⼋叉树，空间单元格，Kd-tree 数对其进⾏管理。根据重建曲⾯和数据点云之间的关系可将曲⾯重建分为两⼤类：插值法和逼近法。前者得到的曲⾯重建完全通过原始数据点，⽽后者则是通过分⽚线性曲⾯或者其它形式的曲⾯类逼近原始数据点，从⽽是的得到的重建曲⾯是原始点集的⼀个逼近。插值法常⽤的算法有Delaunay三⾓⽹重构法，该⽅法将三维点云数据的空间坐标投影到⼆维平⾯上，然后针对⼆维投影平⾯进⾏缺失补充，将投影的⼆维平⾯三⾓⽹格化，再利⽤反向映射的思想得到三维⽹格重建模型，最后完成点云数据的重建。由于该算法需要构造三⾓⽹格，因此具有很好的⽹络拓扑结构，然⽽在两次投影转化计算过程中存在维数的压缩，这样很可能导致点云数据空间深度信息的改变或者丢失，这种两次转化投影的⽅式很难处理封闭或者点云模型表⾯被遮挡的情况。后来在点云重建⽅⾯也出现了基于Delaunay空间区域增长⽅法的改进算法，即选取⼀个三⾓⾯⽚作为种⼦⾯⽚，在保证拓扑结构正确和⼏何结构正确的前提下，对种⼦⾯⽚进⾏扩张，最后形成完整三⾓⽹格曲⾯，改进算法有最⼩内⾓最⼤等优秀特性，但对点云当数据中的三维点进⾏三⾓⽹格剖分的时间复杂度较⼤。如果点云数据达到千百万数量
级，Delaunay三⾓⽹格剖分算法的点云数据重建时间过长，因⽽此⽅法并不适合⼤规模点云数据的重建操作。逼近法常⽤的算法有泊松重建、MC重建、EarChipping重建。即通过最优化的插值⽅法，对点云数据进⾏处理，进⽽获得到点云模型的近似曲⾯。
技术实现思路
本专利技术要解决的技术问题是：提供⼀种，解决现有的De Iaunay三⾓⽹重建算法中存在的算法效率低下的问题。本专利技术为解决上述技术问题所采取的技术⽅案为:⼀种，其特征在于：它包括以下步骤: 51、分区: 根据研究内容，将采集到的点云分为变形区的点云和⾮变形区的点云； 52、点云数据压缩: 对⾮变形区的点云，进⾏点云数据压缩；压缩⽐为预设的设定值； S3、三维重建: 将变形区中的点云，和压缩后的⾮变形区的点云，放在⼀起进⾏三维重建。按上述⽅法，所述的SI先将采集到的点云按照pcd格式进⾏转化，再根据研究内容进⾏分区。按上述⽅法，所述的S2采⽤包围盒压缩算法进⾏点云数据压缩，每个包围盒只保留⼀个数据点，所保留的数据点最靠近所在包围盒中点云的重⼼。按上述⽅法，所述的S2⾸先对⾮变形区的点云采⽤⼋叉树数据结构进⾏数据管理，构造点云的最⼩空间包围盒，再采⽤包围盒压缩算法进⾏点云数据压缩；其中最⼩空间包围盒的边长为预设的点距。按上述⽅法，所述的S3采⽤贪婪三⾓⽹算法进⾏三维重建。本专利技术的有益效果为：在三维重建之前，先根据研究内容将点云分区，将⾮关键内容的区域先进⾏压缩，从⽽减少重建时需要处理的数据量，另外在重建时将⾮变形区域的数据和变形区域的数据融合在⼀起进⾏三⾓⽹重建，减少海量点云数据的三⾓⽹⽣成时间，最终实现提尚算法效率的⽬的。【附图说明】图1为本专利技术⼀实施例按压缩⽐为0.25%压缩后的点云三维图，。图2为本专利技术⼀实施例按压缩⽐为4.5%压缩后的点云三维图。图3为pcd格式。图4为本专利技术⼀实施例的⼀个重建效果图。图5为本专利技术⼀实施例 的⼜⼀个重建效果图。【具体实施⽅式】下⾯结合具体实例和附图对本专利技术做进⼀步说明。本专利技术提供⼀种，包括以下步骤: S1、分区：根据研究内容，将采集到的点云分为变形区的点云和⾮变形区的点云。优选的，所述的SI先将采集到的点云按照pcd格式进⾏转化，再根据研究内容进⾏分区。
剪叉式液压升降机设计
S2、点云数据压缩：对⾮变形区的点云，采⽤包围盒压缩算法进⾏点云数据压缩(也可以⽤其它的⽅式进⾏点云数据压缩)，每个包围盒只保留⼀个数据点，所保留的数据点最靠近所在包围盒中点云的重⼼。⾸先对⾮变形区的点云采⽤⼋叉树数据结构进⾏数据管理，构造点云的最⼩空间包围盒，再采⽤包围盒压缩算法进⾏点云数据压缩；其中最⼩空间包围盒的边长为预设的点距。S3、三维重建：将变形区中的点云，和压缩后的⾮变形区的点云，放在⼀起进⾏三维重建。优选的，所述的S3采⽤贪婪三⾓⽹算法进⾏三维重建。基于包围盒的点云数据压缩原理：根据点云中数据点的分布特点，可将点云分为有序点云和⽆序点云(也称为散乱点云)，对于有序点云的数据压缩，常⽤的采样⽅法有均匀采样法、倍率缩减法和栅格法，等量缩减法、最⼩包围盒区域法、等分密度法等。散乱点云数据压缩中，常⽤的⽅法有随机采样法、最短距离法、包围盒法、均匀格⽹法、三⾓⽹格法、曲率⽶样法等。⽬前，针对点云的压缩⼤致可以分为三类：基于概率的数据精简(随机采样法)、基于格⽹的数据精简法(包围盒法、均匀格⽹法等)和基于曲率的数据精简法(最短距离法、曲率⽶样法)。包围盒重⼼法是点云处理中较为常见的⽅法，其核⼼思想是⽤包围盒中点云的重⼼来代替点云中的点实现数据精简。其实
现⽅法为：先采⽤⼀个最⼩外包长⽅体来约束点云，然后将长⽅体根据⼀定的数量或者⼤⼩分割成若⼲个⼩⽴⽅体包围盒，最后选取⼩包围盒中离点集的重⼼点最近的点作为特征点，即每个包围盒中最多只保留⼀个数据点。下⾯提供某⼀具体实例，进⾏试验验证。1、数据处理 由于现有的数据格式(*.ply，*.stl，*.0b j，*.x3d)格式不⽀持pci库，pcd格式能⽀持pel数据库引进的η维点类型机制处理中的某些扩展。因此，需要将采集到的数据按照pcd格式进⾏转
化，pcd格式如图3所⽰。其中，vers 1n表⽰pcd⽂件版本，f i e Ids表⽰⼀个点可以有的每⼀个维度和字段的名字，size表⽰每⼀个维度的⼤⼩，type表⽰每⼀个维度的类型，count表⽰每⼀个维度包含的元素数⽬，width表⽰点云数据集的宽度，height表⽰点云数据集的⾼度，Viewpoint表⽰数据集中点云获取的视点，data表⽰存储的点云的数据类型。2、数据压缩 PCL提供了两种点云数据管理⽅式，⼀种是Kd-tree数据结构，⼀种是octree数据结构，也称⼋叉树。其中，kd-tree树⽤来对点云本⽂档来⾃技⾼⽹...
豫公网安备41160202000603
站长QQ:729038198
关于我们
投诉建议