一种复杂异形曲面机器人三维测量的点云分割方法
专利汇可以提供一种复杂异形曲面机器人三维测量的点云分割方法专利检索，专利查询，专利分析的服务。并且本 发明 公开了一种复杂异形曲面 机器人 三维测量的点 云 分割方法，包括以下步骤：S100、输入以地面、桌面为背景的 叶片 点云X，利用 体素 滤波滤除背景点，得到目标叶片点云Y；S200、利用PCA 算法 计算出Y中点的法向量、平面轮廓度，并剔除离群点，将关联点集合记为一致集CS；S300、利用法向量、平面轮廓度偏差建立成对连接，确定聚类中心后进行搜索，并搜索所有与它相连的点，生成聚类C；S400、利用Delaunay三 角 剖分方法对聚类C进行曲面拟合；S500、对于每一个拟合的曲面切片，计算其 曲率 ，并设定曲率偏差 阈值 ，若相邻两个曲面切片之间的曲率偏差小于阈值，则合并；否则不合并，从而得到与背景点云分割开的完整叶片点云Y。具有分割准确、输入参数少、鲁棒性强的优点。，下面是一种复杂异形曲面机器人三维测量的点云分割方法专利的具体信息内容。
1.一种复杂异形曲面机器人三维测量的点云分割方法，其特征在于，包括以下步骤：
S100、输入以地面、桌面为背景的叶片点云X，利用体素滤波滤除背景点，得到目标叶片点云Y；
S200、利用PCA算法计算出Y中点的法向量、平面轮廓度，并剔除离群点，将关联点集合记为一致集CS；
S300、利用法向量、平面轮廓度偏差建立成对连接，确定聚类中心后进行搜索，并搜索所有与它相连的点，生成聚类C；
S400、利用Delaunay三角剖分方法对步骤S300产生的聚类C进行曲面拟合；
S500、对于每一个拟合的曲面切片，计算其曲率，并设定曲率偏差阈值，若相邻两个曲面切片之间的曲率偏差小于阈值，则合并；否则不合并，从而得到与背景点云分割开的完整叶片点云Y。
2.根据权利要求1所述的复杂异形曲面机器人三维测量的点云分割方法，其特征在于，所述步骤S100具体包括如下步骤:
S101、将整个点云场景在XY平面上垂直划分为一系列局部点云块Bi，i＝1,2,...,n，n为划分后生成的局部点云块的总数；
S102、根据Octree索引，对于每个局部点云块Bi进行划分，按一定的宽度r将其划分为空间上一系列连续的体素Vj，j＝1,2,...,m，m为划分后生成的体素的总数；
S103、将与体素Vj相邻接并在空间上位于Vj上方的9个邻域体素定义为向上邻域(L1,L2,...,L9)，并随机规定一个的向上邻域为向上生长起点,并按同样的方式，分别沿着Vj的向上邻域继续向上生长，直到所有已执行向上生长操作的体素无向上邻域可生长，向上生长过程结束；
S104、对于已执行向上生长操作的体素，计算出其整体高度值、局部高度值，并选出具有最大局部高度值的体素Vh，并将其定为该生长区域的最高点；
S105、计算地面高度，定义Hg为地面高度的临界值：如果Vh与Hg的高度差小于第一阈值hv1，则Vh被标记为地面体素，同时滤除包含Vh的局部点云块中的所有点；如果Vh与Hg的高度差大于第一阈值hv1，则Vh被标记为非地面体素，同时保留包含Vh的局部点云块中的所有点，为非地面点；
S106、计算桌面高度，定义Hd为桌面高度的临界值：如果Vh与Hd的高度差小于第二阈值hv2，则Vh被标记为桌面体素，同时滤除包含Vh的局部点云块中的所有点；如果Vh与Hd的高度差大于第二阈值hv1，则Vh被标记为非桌面体素，同时保留包含Vh的局部点云块中的所有点，为非桌面点；
S107、非桌面点和非地面点的交集则为目标叶片点云Y。
3.根据权利要求2所述的复杂异形曲面机器人三维测量的点云分割方法，其特征在于，所述步骤S200具体包括如下步骤：
S201、在目标叶片点云Y中随机选取一个点，记为Pi，构建k-d树，搜索出K个与Pi距离最近的临近点，记为KNN，将KNN归为同一个邻域内，此邻域记为Ii；
S202、将Ii中的点按与Pi之间的距离升序排列，选出前 个点，利用式(1)计算出协方差矩阵Σ：
其中， 为平均向量，T表示向量的转置；
S203、利用奇异值分解(SVD)产生标准特征值方程：
λV＝ΣV (2)
式中，λ为特征值矩阵，V为特征向量矩阵；
S204、取前三个最大的特征值λ0、λ1、λ2及其对应的特征向量v0、v1、v2，且λ2>λ1>λ0,令λ0表示Pi的平面轮廓度，v0表示Pi所在平面的法向量；
S205、利用如下公式查找Pi的关联点、离群点：
式中，Rz表示判断一个点是否为点Pi关联点的权值得分， 是Pi的KNN与估计平面的正交距离,NOD是 的集合，median(NOD)为NOD的中位数，其中：
式中，a为设定常数，取值为1.4826；
当Rz<2.5时，认为该点为Pi的关联点，将其归到一致集CS中；反之为离群点，将其剔除。
4.根据权利要求3所述的复杂异形曲面机器人三维测量的点云分割方法，其特征在于，所述步骤S300具体包括如下步骤：
S301、在Pi的CS中搜索，找出CS中λ比λ(Pi)小的邻域点，并从这些邻域中选择n与n(Pi)偏差最小的邻域点，作为CNP(Pi)，则CNP(Pi)为与点Pi法向量、平面轮廓度偏差最小的点，并建立Pi与CNP(Pi)的成对连接；
S302、若CS中已经不存在λ比λ(Pi)小的邻域点了，则如下公式计算阈值：
式中，thλ表示阈值， 是所有N个数据点平面轮廓度的平均值，其中：
其中，N表示数据点的数量， 是所有N个数据点平面轮廓度的平均值；
S303、如果λ(Pi)
5.根据权利要求4所述的复杂异形曲面机器人三维测量的点云分割方法，其特征在于，所述步骤S400具体包括如下步骤：
S401、针对聚类C中的点，按x坐标从小到大进行排序，根据离散点的最大分布确定包含了点集中所有点的超级三角形；
S402、初始化边缓存数组edge buffer，并遍历temp triangles中的每一个三角形，计算该三角形的外接圆的圆心和半径；
S403、遍历超级三角形中的每一个数据点，若该点在外接圆的右侧，则该三角形为Delaunay三角形，保存至triangles中，并在temp triangles中去掉；若该点在外接圆的内侧，则该三角形不为Delaunay三角形，保存至edge buffer中，并在temp triangles中去掉；
若该点在外接圆的左侧，则该三角形为不确定；
S404、对edge buffer数组进行去重，将此时edge buffer中保留的边与当前的点相结合，形成若干三角形，保存至temp triangles中，并将triangles和temp triangles中的三角形合并，组成最终的超级三角形；
S405、除去与超级三角形三个点有关的所有三角形，对于聚类C进行的曲面拟合完成，将拟合好的曲面记为曲面切片Sp。
6.根据权利要5所述的复杂异形曲面机器人三维测量的点云分割方法，其特征在于，步骤S400中Delaunay三角剖分方法中三角网格模型通过如下线性表表示：
M＝(V,F) (7)
式中，V＝{vi；1≤i≤nv}表示顶点集，F＝{fk；1≤k≤nk}表示三角片集。
7.根据权利要6所述的复杂异形曲面机器人三维测量的点云分割方法，其特征在于，所述步骤S500中曲面切片Sp的曲率值通过如下步骤计算：
(1)通过如下公式计算曲面切片Sp中每个三角面片fk的法向量Nfk：
式中，vi和vj+1分别表示曲面切片Sp上任意选取的两点， 表示曲面切片Sp点vi到vj+1的向量， 表示曲面切片Sp点vj+1到vj的向量。
(2)通过如下公式计算任意点vi的法向量
式中，|Ni|表示除顶点vi外其它顶点组成集合的顶点个数，Fi为包含点vi三角面片fk的集合；
(3)根据如下公式计算点vi的法曲率Kij：
式中， 表示曲面切片Sp点vj到vi的向量；
(4)根据如下公式：
式中，K(SP)为高斯曲率，用于反映曲面总的弯曲程度，H(SP)为平均曲率，用于反映空间曲面上某一点任意两个相互垂直的正交曲率的平均值，K1为最大法曲率的极大值，K2为垂直于极大曲率面曲率的极小值。
8.根据权利要求7所述的复杂异形曲面机器人三维测量的点云分割方法，其特征在于，所述最大法曲率通过如下方式选取：遍历三角拟合经过点vi的所有条曲线，计算并选出具有最大法曲率的曲线，此时的法曲率即为最大法曲率。
9.根据权利要求8所述的复杂异形曲面机器人三维测量的点云分割方法，其特征在于，所述步骤S500中相邻两个曲面切片之间的曲率偏差包括高斯曲率偏差和平均曲率偏差，通过如下公式表达：
式中，Sp1、Sp2为两个相邻曲面切片，K(SP1)、K(SP2)分别为曲面切片Sp1、Sp2的高斯曲率，H(SP1)、H(SP2)分别为曲面切片Sp1、Sp2的平均曲率，ΔK(Sp)为高斯曲率偏差，ΔH(Sp)为平均曲率偏差。
10.根据权利要求1至9中任一项所述的复杂异形曲面机器人三维测量的点云分割方法，其特征在于，所述步骤S100中叶片点云X通过3D位移传感器扫描获取。
一种复杂异形曲面机器人三维测量的点云分割方法
技术领域
背景技术
发明内容
具体实施方式
| 标题 | 发布/更新时间 | 阅读量 |
|---|---|---|
| 一种基于GPU的高效2D矢量图形渲染方法 | 2020-05-08 | 231 |
| 弹幕生成方法、装置、电子设备及存储介质 | 2020-05-15 | 222 |
| 确定订单地址所属站点的方法和装置 | 2020-05-15 | 399 |
| 数据库操作方法及装置 | 2020-05-17 | 773 |
| 一种渲染优化方法和装置 | 2020-05-13 | 602 |
| 线性四元树多层模型驱动的DEM即时可视化方法 | 2020-05-13 | 926 |
| 基于OpenGL的音乐喷泉模拟系统 | 2020-05-12 | 893 |
| 一种提高Janusgraph路径探索性能的方法 | 2020-05-15 | 514 |
| 人脸互换方法、装置、计算机设备及存储介质 | 2020-05-16 | 290 |
| 一种渲染任务的调度方法、装置及计算机存储介质 | 2020-05-08 | 727 |
高效检索全球专利专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台，是提供专利分析，专利查询，专利检索等数据服务功能的知识产权数据服务商。
我们的产品包含105个国家的1.26亿组数据，免费查、免费专利分析。
专利汇分析报告产品可以对行业情报数据进行梳理分析，涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度，系统通过AI智能系统对图表进行解读，只需1分钟，一键生成行业专利分析报告。
