三维-特征云提取的方法.docVIP

一种提高三维点云特征点提取精度的方法探讨 刘信伟 靖常峰 杜明义 蔡国印 （北京建筑工程学院 北京 100044） 提取点云特征点的方法，大多集中在如何在扫描获取的点云数据中直接提取特征点，提取特征点的准确性受限于扫描精度。本文提出了一种精确提取点云数据特征点的方法：根据离散三维点云数据拟合曲面，精确求解拟合曲面的特征点。首先根据最小二乘法求解空间一点邻域内的曲面模型，然后计算曲面极值点作为特征点。这种方法不需要逐点判断曲率，提高了效率，同时采用最小二乘法拟合曲面，提高了精度。本文提出的方法对逆向工程中测量数据的曲面分割和多视角拼接具有借鉴意义。 特征点提取；极值点；曲面拟合；最小二乘 Research on an Accuracy Improving Method on Feature Point Extracting of 3-D Point Cloud LIU Xinwei, JING Changfeng, DU Mingyi, CAI Guoyin （Beijing，Beijing university of civil engineering and architecture 100044） Abstract:Methods of extraction feature point from point cloud, most focus on how to directly extract feature point from the scanning point cloud data,however, extraction accuracy of feature point is limited by the scanning precision. This paper puts forward an accuracy improving method on feature point extracting of 3-D point cloud: According to the discrete 3–D point cloud data ,fitting surface, extract fitting solution of surface feature point.According to the least square method,extract surface model within a neighborhood of spatial point,and then calculate surface extreme value point as the characteristic point. This method does not need to point by point judgment curvature, improving efficiency, meanwhile using the least square fitting surface, improving the accuracy. In reverse engineering, the method in this paper has an important significance used for surface segmentation and multi view registration of measurement data. Key words: feature point extraction; extreme point; surface fitting ; the least square method 1 引言 特征点是几何形状的特征基元，它不因坐标系的改变而变化。传统特征点提取方法，如目视判读或相似度匹配等，由于人为因素和相似度函数的误差，所提取特征点精度受限。Woo[1]认为测量点的法矢或曲率的突变是区域的边界，提出将法矢或曲率的突变点作为特征点。马骊溟[2]采用高斯曲率的方法，在散乱点云数据中提取特征点。Huang[3]在完成数据点三角网格化的基础上，估算各测点的法矢和曲率，把曲率极值点作为边界特征点。这些方法均是直接提取方法，直接采用扫描测量点作为特征点，精度受限于测量误差，因此提取的特征点未必是曲面真正的特征点。本文从这个问题出发，首先对点云数据进行预处理，去除噪声数据和非感兴趣数据;然后确定适当大小的邻域，通过计算两个相邻点之间的高斯曲率K和平均曲率H，判断出工作区内特征点的大致位置，最后拟合目标物体的局部曲面，解算出该曲面的极值特征点。 2 点云的预处理 三维激光扫描仪获取的点云数据，通常包含测量过程中产生的噪声数据，影响表面重建[4-5]。此外，在三维点云数据