散亂點云模型孔洞邊界提取算法的研究與實現(xiàn).pdf

1、隨著三維掃描技術的快速發(fā)展，人們通過三維掃描儀器能夠方便的獲得精度和密度越來越高的三維數(shù)據(jù)，對點云模型的關注與研究也越來越多。目前一般的激光測量設備可以從產(chǎn)品表面輕易獲取數(shù)十萬，甚至百萬的測量數(shù)據(jù)點。由于實際物體表面的形狀復雜性或者設備的精確度不夠，在測量結果的點云數(shù)據(jù)中時常會出現(xiàn)孔洞。本文通過對點云模型屬性以及孔洞邊界提取存在的一些問題的研究，得到了一種魯棒的孔洞邊界自動檢測的算法，主要內(nèi)容包括最大角度度量、半圓盤度量以及形狀度量這三

2、種不同標準的孔洞邊界點檢測算法。全文總共分為5章。主要的工作內(nèi)容包含以下幾個方面：
　　1.對點云模型數(shù)據(jù)點k鄰點的查找與法向量的估算。采用構建Kd-樹的方法進行k鄰點的查找，并在k鄰點的基礎上得到一個協(xié)方差矩陣利用主元分析法來估算數(shù)據(jù)點的法向量。
　　2.針對點云模型自身的屬性，本文決定依據(jù)點云模型數(shù)據(jù)點的拓撲關系對孔洞邊界特征點進行檢測，從而選擇出三個檢測的度量標準：最大角度度量標準、半圓盤度量標準、形狀度量標準。最大角

3、度度量標準是按照角度的大小來對孔洞邊界特征點和內(nèi)部點進行劃分，最重要的一步就是將k鄰點投影到切平面上并對投影點進行排序，如此便可依次求出各個投影點的夾角。半圓盤度量標準則是按照k鄰點在切平面上的投影點同胚成半圓盤還是圓盤來區(qū)分邊界特征點和內(nèi)部點，在這里我們引入高斯函數(shù)作為權重函數(shù)來計算投影點的重心，提高了精確度。形狀度量按照k鄰點逼近的橢球的形狀來區(qū)分邊界特征點和內(nèi)部點。橢球的形狀可以通過由k鄰點得到的協(xié)方差矩陣的三個特征值來進行描述，

4、當最大的特征值遠遠大于次大的特征值并且最小的特征值幾乎等于0的時候，我們認為當前的數(shù)據(jù)點位邊界特征點。
　　3.為了能夠?qū)⑷N檢測標準進行結合，本文使用的邊界概率這個概念，三種不同的檢測標準為每個數(shù)據(jù)點計算出三個不同的邊界概率，這樣可以為每個邊界概率賦予權重并求和得到一個最終得邊界概率。最終得到的邊界概率作為判斷邊界特征點的依據(jù)。
　　4.檢測出邊界特征點以后采用貪心算法對所有的邊界特征點進行了排序，并提出了一種對不同孔洞邊