技术领域
[0001] 本
发明属于计算机图形技术领域，涉及一种散乱点云法矢定向方法。
背景技术
[0002] 近年来，点云数据在工业检测、逆向工程、人体扫描、文物保护、电脑游戏、数字电影、物理仿真等多个领域得到了广泛地应用。基于点的模型已经成为
计算机图形学领域的重要方向。而点云模型的法矢是进行点云模型绘制、光顺以及曲面重建等
数据处理的
基础，正确估算点云的法矢至关重要。
[0003] 目前，估算点云法矢大多采用“平面法”，也即通过邻域点拟合平面，用平面的法矢来近似点的法矢。但直接估算出的法矢的方向是无法确定的，部分指向点云表面的一侧，部分指向另一侧。这势必会引起后续相关数据处理的混乱，因此必须对法矢方向进行调整，使得所有点的法矢方向一致指向点云表面的同一侧，这一过程称为法矢定向。
[0004] 传统的法矢定向
算法包括三类：最小生成树法、光度
立体视觉法以及曲面重建法。第一类方法最小生成树法，是应用最广泛的方法，但在点云中存在奇异情况(薄壁、垂直、相邻曲面等)时，容易出现错误。有许多基于该方法进行改良的算法解决了奇异情况的定向错误，但仍旧无法解决最本质的问题——运算效率低，耗时长，因此无法投入实际生产运用。
第二类光度立体视觉法，需要利用相当多的先验知识，受外界影响较大，
稳定性差。第三类方法曲面重建法，能够对奇异情况的点云进行正确的调整，但运算效率比最小生成树更低，耗时较多。
[0005] 总的来说，传统散乱点云法矢定向方法存在以下不足之处：
[0006] 1.点云奇异情况下，法矢定向容易出问题，针对性的改进方法复杂、计算量大且不鲁棒；
[0007] 2.传统方法运算效率低、耗时过长，无法在实际生产工作中使用。
发明内容
[0008] 本发明针对上述传统散乱点云法矢定向方法定向速度慢、对奇异情况定向不鲁棒的问题，提供了一种散乱点云快速法矢定向方法，其过程包括以下步骤：
[0009] 步骤1，散乱点云法矢定向数据结构的初始化；
[0011] 步骤3，基于优先级队列选择区域增长方向并调整法矢方向。
[0012] 在以上技术方案的基础上，优选的步骤1的实现方式为：创建与点云数目相同的索引优先级队列L及标记数组B(默认值为False)，同时根据
角度
阈值数目N构建优先级阈值表T。优先级队列L数据结构的设计
加速了队列元素的导入和导出。
[0013] 在以上技术方案的基础上，优选的步骤2具体包括以下步骤：：
[0014] 步骤2.1，遍历寻找z值最小的点，选取该点作为初始种子点S，并令种子点S的法线朝向与(0,0,-1.0)一致；
[0015] 步骤2.2，将种子点S的优先级设置为最高级，并将种子点S的索引值导入优先级队列L中，在标记数组B中将种子点S标记为True。
[0016] 在以上技术方案的基础上，优选的步骤3具体包括以下步骤：
[0017] 步骤3.1，从优先级队列L中取出一个优先级最高的点的索引值H；
[0018] 步骤3.2，根据k近邻算法搜索参考点H的k近邻点，判断标记数组B中k近邻点是否调整过方向，若为True，则返回步骤3.1，否则继续进行；
[0019] 步骤3.3，遍历未调整过法矢方向的近邻点，令近邻点的法矢方向与参考点H的一致，并计算近邻点的优先级向优先级队列中导入索引，在标记数组B中将近邻点标记为True；
[0020] 步骤3.4，判断优先级队列L是否为空，若不为空，则返回步骤3.1；
[0021] 步骤3.5，遍历标记数组B，获取未处理的点S_，标记True，并导入到优先级队列L，返回步骤3.1循环处理，直至标记数组B中所有值均为True结束。
[0022] 在以上技术方案的基础上，步骤3优势为：引入优先级策略结合优先级队列数据结构，将法矢定向算法的计算复杂度降至线性复杂度，大大加速了定向速度。。
[0023] 在以上技术方案的基础上，优选的步骤1、步骤2、步骤3优势为：优先级策略和区域增长，引导点云沿着最平坦的方向进行法矢定向，保证点云在奇异情况下定向正常，确保点云整体法矢方向的一致性。
[0024] 从上述技术方案可以看出，较传统散乱点云法矢定向方法，本发明拥有两点显著优势。
[0025] 第一，对点云奇异的处理，传统方法需要特征提取等较为复杂的处理，导致定向不够鲁棒，而本发明方法采用了优先级和区域增长策略，算法简洁、易实现且通用性强，从而确保了奇异情况下定向的鲁棒性。
[0026] 第二，在运算效率方面，本发明提出的定向方法显著优于传统方法。传统方法处理点云耗时较长，无法应用于生产实践，但本发明基于新设计的优先级队列结构，将计算复杂度降至线性复杂度，极大地加速了法矢定向过程，可以直接用于生产实践。
附图说明
[0027] 图1：散乱点云快速法矢定向方法
流程图。
[0028] 图2：区域增长优先级队列结构示意图。
[0029] 图3：优先级队列种子点导入流程示意图。
[0030] 图4：优先级队列导出流程示意图。
[0031] 图5：优先级队列的一般点导入流程示意图。
具体实施方式
[0032] 以下结合附图和
实施例详细说明本发明的技术方案。
[0033] 本发明针对上述传统散乱点云法矢定向方法运算效率低和对于奇异点云情况下处理不鲁棒的问题，提出一种散乱点云快速法矢定向方法，旨在改善奇异点云法矢定向情况，加速整个法矢定向的速度。根据本
专利所提方法，采用优先级策略结合区域增长的方法，引导点云沿着最平坦的方向进行法矢调整，该方法原理简洁、易实现且通用性强，从而解决了传统方法在奇异点云情况下定向不鲁棒的问题。不同于传统方法基于最小生成树进行法矢调整，本专利方法设计了一种新型的优先级队列数据结构，极大地加速了整体定向速度，使得本方法可直接用于生产实践，从而解决了传统方法运算效率低的问题。
[0034] 本发明实施例提供的一种散乱点云快速法矢定向方法，流程如图1所示，包括以下步骤：
[0035] 步骤1，散乱点云法矢定向数据结构的初始化。创建与点云数目相同的索引优先级队列L及标记数组B(默认值为False)，同时根据角度阈值数目N构建优先级阈值表T。
[0036] 其中，优先级队列L的结构如图2所示，主要包含：
[0037] 一个基础队列int queue[sz]，用于记录点云索引，其中队列中记录的点云按优先级顺序排列，队尾优先级最低，队头优先级最高，优先级内部的点无顺序差异，sz等于点云数目；
[0038] 一个地址队列int First[N]，用于记录每个优先级在队列queue中第一个元素
位置，N即角度阈值数目；
[0039] 一个变量int iq，用于记录队头位置。
[0040] 其中，优先级阈值表T用于判断两个法矢夹角余弦值的优先级所在区间的边界值，其构建方式如下，
[0041] for i＝0:(N-1)do
[0042] T[i]＝cos((M_PI/2)/N*(i+1))；
[0043] end
[0044] M_PI为圆周率，i越小优先级越高，说明两法矢越接近平行。
[0045] 步骤2，选取法矢定向种子点。
[0046] 步骤2.1，遍历寻找z值最小的点，选取该点作为初始种子点S，并令种子点S的法线朝向与(0,0,-1.0)一致；
[0047] 步骤2.2，将种子点S的优先级设置为最高级，并将种子点S的索引值导入优先级队列L中，在标记数组B中将种子点S标记为True。
[0048] 其中，种子点导入优先级队列如图3所示，获取一个点p，其法矢为n，索引为id，种子点导入步骤如下：
[0049] (1)iq＝0；
[0050] (2)queue[iq]＝id；
[0051] (3)First[0]＝0。
[0052] 步骤3，基于优先级队列选择区域增长方向并调整法矢方向。
[0053] 步骤3.1，从优先级队列L中取出一个优先级最高的点的索引值H；
[0054] 其中，优先级队列导出流程如图4所示，步骤如下：
[0055] (1)H＝queue[iq]；
[0056] (2)iq--，其中，对于优先级地址对列，当First[i]>iq时，First[i]＝iq；否则First[i]值不变。
[0057] 步骤3.2，根据k近邻算法搜索参考点H的k近邻点，判断标记数组B中k近邻点是否调整过方向，若为True，则返回步骤3.1，否则继续进行；
[0058] 步骤3.3，遍历未调整过法矢方向的近邻点，令近邻点的法矢方向与参考点H的一致，并计算近邻点的优先级向优先级队列中导入索引，在标记数组B中将近邻点标记为True；
[0059] 其中优先级的计算方法：参考点H与近邻点的法矢夹角余弦值为tmp，当tmp大于等于T[i+1]且tmp小于T[i]时，则当前待处理点的优先级为i。
[0060] 其中，一般点导入优先级队列的流程如图5所示，以插入点的优先级为1的情况为例，参考点索引为H；获取近邻点索引p，其法矢为n，索引为id，此时导入步骤如下：
[0061] (1)iq++；
[0062] queue[iq]＝queue[First[0]]；
[0063] First[0]++；
[0064] (2)queue[First[0]-1]＝p。
[0065] 导入一般点为其他优先级时，插入过程同理，只移动每个优先级内的首元素，先高优先级再低优先级，依次向队头方向移动，直至插入点对应优先级最靠近队头的一端空出，将待插入点索引赋给该空闲元素，即完成一般点的导入操作。
[0066] 从上述过程可以看出，每次导入操作只移动了每个优先级中的一个元素，大大提升了运算效率。
[0067] 步骤3.4，判断优先级队列L是否为空，若不为空，则返回步骤3.1；
[0068] 步骤3.5，遍历标记数组B，获取未处理的点S_，标记为True，并导入优先级队列L，返回步骤3.1循环处理；直至标记数组B中所有值均为True，则结束。
[0069] 其中，总是从优先级队列中最高优先级的点开始进行法矢方向调整，确保了整体上点云沿着最平坦的方向进行法矢方向调整。
[0070] 从上述实施步骤可以看出，较传统散乱点云法矢定向方法，本发明拥有两点显著优势。
[0071] 第一，对点云奇异的处理，传统方法需要特征提取等较为复杂的处理，导致定向不够鲁棒，而本发明方法采用了优先级和区域增长策略，算法简洁、易实现且通用性强，从而确保了奇异情况下定向的鲁棒性。
[0072] 第二，在运算效率方面，本发明提出的定向方法显著优于传统方法。传统方法处理点云耗时较长，无法应用于生产实践，但本发明基于新设计的优先级队列结构，将计算复杂度降至线性复杂度，极大地加速了法矢定向过程，可以直接用于生产实践。具体实施时，以上流程可采用计算机
软件方式实现自动运行。
[0073] 本文中所描述的具体实施例仅仅是对本发明精神作举例说明。本发明所属技术领域的技术人员可以对所描述的具体实施例做各种各样的
修改或补充或采用类似的方式替代，但并不会偏离本发明的精神或者超越所附
权利要求书所定义的范围。
[0074] 参考文献
[0075] [1]Hoppe H,Derose T,Duchamp T,et al.Surface reconstruction from unorganized points[J].ACM SIGGRAPH Computer Graphics,1992,26(2):71-78.[0076] [2]孙金虎,周来
水,安鲁陵.点云模型法矢调整
优化算法[J].中国图象图形学报,2013(07):118-125.
[0077] [3]刘大峰,戴宁,孙全平,et al.面向曲面重构的切平面法矢方向调整算法[J].机械科学与技术,2008(02):58-63.
[0078] [4]何华,李宗春,闫荣鑫,et al.引入曲面变分实现点云法矢一致性调整[J].
测绘学报,2018.
