《电子技术应用》
您所在的位置：首页 > 其他 > 设计应用 > 运动恢复结构生成点云的密度调控方法
运动恢复结构生成点云的密度调控方法
2020年电子技术应用第9期
蒙 浩1，2，李自胜1，2
1.西南科技大学 制造科学与工程学院，四川 绵阳621010； 2.西南科技大学 制造过程测试技术省部共建教育部重点实验室，四川 绵阳621010
摘要： 针对序列图像生成点云与激光扫描点云密度不一致问题，提出了一种基于运动恢复结构生成点云的密度调控方法。该方法首先比较序列图像生成的点云与目标点云的密度以确定密度增大减小方向；其次提取图像特征点，根据图像特征点与对应生成点云的空间映射关系设定单元格大小，对图像特征点区域均匀网格划分，以距各单元格中心距离最近的特征点来表示其所属单元格中的所有点，实现密度减小，最小二乘拟合插值各单元格中的特征点实现密度增大；然后采用KLT特征点跟踪算法得到匹配点；最后根据匹配点对生成图像点云。实验结果表明，该方法通过调整单元格大小或插值步长来控制图像生成点云密度，并取得了较好的调控效果。
中图分类号： TN249；TP391.7
文献标识码： A
DOI：10.16157/j.issn.0258-7998.191282
中文引用格式： 蒙浩，李自胜. 运动恢复结构生成点云的密度调控方法[J].电子技术应用，2020，46(9)：88-93，97.
英文引用格式： Meng Hao，Li Zisheng. Density control method of point cloud generated by structure from motion[J]. Application of Electronic Technique，2020，46(9)：88-93，97.
Density control method of point cloud generated by structure from motion
Meng Hao1，2，Li Zisheng1，2
1.School of Manufacturing Science and Engineering，Southwest University of Science and Technology，Mianyang 621010，China； 2.Key Laboratory of Testing Technology for Manufacturing Process，Southwest University of Science and Technology， Mianyang 621010，China
Abstract： Aiming at the inconsistency between the density of point cloud generated by sequence images and that generated by laser scanning,a density control method based on structure from motion is proposed.The method firstly compares the density of the point cloud generated by the sequence image with the density of the target point cloud to determine whether to increase or decrease the density of the point cloud generated by the sequence image. Secondly,the image feature points are extracted,and the cell size is set according to the spatial mapping relationship between the image feature points and the corresponding generated point cloud. The feature points closest to the center of each cell are used to represent all points in the cell to which they belong,so that the density is reduced,and the feature points in each cell are interpolated by least squares fitting to increase the density. Then，KLT feature point tracking algorithm is used to get matching points. Finally,the image point cloud is generated based on the matching point pairs.The experimental results show that this method can control the density of point cloud generated by the image by adjusting the cell size or interpolation step size，achieving a good control effect.
Key words : 3D reconstruction of sequence images；density regulation；structure from motion method；feature point area meshing

0 引言

    点云密度匹配是不同点云源数据融合的基础，在点云数据配准及孔洞修复等方面有着重要作用。现有点云密度调控方法主要是通过精简方法来达到减小点云密度的目的。李仁忠[1]等通过输入点云数据创建一个三维体素栅格，用每个体素栅格的重心来近似显示整个体素栅格中的所有点，从而达到点云精简的目的，该方法在充分保留点云几何特征的前提下，精简结果比较均匀。吴禄慎[2]等提出了一种改进的重采样算法，将点云数据划分为特征区域和平坦区域，对特征区域进行曲率采样，对平坦区域进行均匀采样，该方法既保持了曲率采样保留模型细节的特点，又保留了均匀采样避免出现空白区域的优点。袁小翠[3]等提出一种特征保持的点云数据精简方法，首先对点云K均值聚类，然后估计点云法矢和候选特征点，将包含特征点的聚类细分为多个子类，最后基于自适应均值漂移法对数据进行分类，各聚类中心的集合即为精简结果，该方法能够较好地保留原始曲面的几何特征。SHI B Q[4]等提出了自适应K均值精简法，对点云K均值聚类后根据类内法矢偏差是否大于给定阈值，将聚类分为两类，迭代判断各类内法矢偏差直至小于给定阈值，最后保留平坦区域的聚类中心以及非平坦区域法矢偏差最大的点，该方法对于噪声过于敏感。LI H[5]等提出一种基于法向量标准差的点云精简算法，对点云数据采样后进行正态分布计算，通过相邻点之间的法向角计算特征点之间的分离阈值，在特征点之间逐步向下采样，实现点云的自适应精简，该方法可以较好地保留原模型的特点和形状。CHEN Y[6]等通过将点云数据划分为特征区域与非特征区域，针对不同区域采用不同的精简方法可以较好地保留细节特征。在点云密度调控方法中，鲜有增大点云密度方面的研究。

    本文基于运动恢复结构法[7](Structure From Motion，SFM)，从二维特征点的密度调控出发，对两幅序列图像生成点云的密度进行调控。密度调控既可以减小点云密度，精简点云数据，又可以增大点云密度，使细节信息得到加强。在本文中，二维特征点的密度用平面特征点的平均间距来度量，点云密度用空间点云的平均间距来度量。




本文详细内容请下载:http://www.chinaaet.com/resource/share/2000002989




作者信息:

蒙  浩1，2，李自胜1，2

(1.西南科技大学 制造科学与工程学院，四川 绵阳621010；

2.西南科技大学 制造过程测试技术省部共建教育部重点实验室，四川 绵阳621010)

此内容为AET网站原创，未经授权禁止转载。

相关内容