《電子技術應用》
您所在的位置：首頁 > 其他 > 設計應用 > 運動恢復結構生成點云的密度調控方法
運動恢復結構生成點云的密度調控方法
2020年電子技術應用第9期
蒙 浩1,，2,，李自勝1,，2
1.西南科技大學 制造科學與工程學院,，四川 綿陽621010,； 2.西南科技大學 制造過程測試技術省部共建教育部重點實驗室,，四川 綿陽621010
摘要： 針對序列圖像生成點云與激光掃描點云密度不一致問題,，提出了一種基于運動恢復結構生成點云的密度調控方法,。該方法首先比較序列圖像生成的點云與目標點云的密度以確定密度增大減小方向,；其次提取圖像特征點,，根據圖像特征點與對應生成點云的空間映射關系設定單元格大小，對圖像特征點區(qū)域均勻網格劃分,，以距各單元格中心距離最近的特征點來表示其所屬單元格中的所有點,，實現密度減小，最小二乘擬合插值各單元格中的特征點實現密度增大,；然后采用KLT特征點跟蹤算法得到匹配點,；最后根據匹配點對生成圖像點云。實驗結果表明,，該方法通過調整單元格大小或插值步長來控制圖像生成點云密度,，并取得了較好的調控效果。
中圖分類號： TN249,；TP391.7
文獻標識碼： A
DOI：10.16157/j.issn.0258-7998.191282
中文引用格式： 蒙浩,，李自勝. 運動恢復結構生成點云的密度調控方法[J].電子技術應用，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

    點云密度匹配是不同點云源數據融合的基礎，在點云數據配準及孔洞修復等方面有著重要作用?，F有點云密度調控方法主要是通過精簡方法來達到減小點云密度的目的,。李仁忠[1]等通過輸入點云數據創(chuàng)建一個三維體素柵格，用每個體素柵格的重心來近似顯示整個體素柵格中的所有點,，從而達到點云精簡的目的,，該方法在充分保留點云幾何特征的前提下，精簡結果比較均勻,。吳祿慎[2]等提出了一種改進的重采樣算法,，將點云數據劃分為特征區(qū)域和平坦區(qū)域，對特征區(qū)域進行曲率采樣,，對平坦區(qū)域進行均勻采樣,，該方法既保持了曲率采樣保留模型細節(jié)的特點，又保留了均勻采樣避免出現空白區(qū)域的優(yōu)點,。袁小翠[3]等提出一種特征保持的點云數據精簡方法,，首先對點云K均值聚類，然后估計點云法矢和候選特征點,，將包含特征點的聚類細分為多個子類,，最后基于自適應均值漂移法對數據進行分類，各聚類中心的集合即為精簡結果,，該方法能夠較好地保留原始曲面的幾何特征,。SHI B Q[4]等提出了自適應K均值精簡法，對點云K均值聚類后根據類內法矢偏差是否大于給定閾值,，將聚類分為兩類,，迭代判斷各類內法矢偏差直至小于給定閾值，最后保留平坦區(qū)域的聚類中心以及非平坦區(qū)域法矢偏差最大的點,，該方法對于噪聲過于敏感,。LI H[5]等提出一種基于法向量標準差的點云精簡算法,，對點云數據采樣后進行正態(tài)分布計算，通過相鄰點之間的法向角計算特征點之間的分離閾值,，在特征點之間逐步向下采樣,，實現點云的自適應精簡，該方法可以較好地保留原模型的特點和形狀,。CHEN Y[6]等通過將點云數據劃分為特征區(qū)域與非特征區(qū)域,，針對不同區(qū)域采用不同的精簡方法可以較好地保留細節(jié)特征。在點云密度調控方法中,，鮮有增大點云密度方面的研究,。

    本文基于運動恢復結構法[7](Structure From Motion，SFM),，從二維特征點的密度調控出發(fā),，對兩幅序列圖像生成點云的密度進行調控,。密度調控既可以減小點云密度,，精簡點云數據，又可以增大點云密度,，使細節(jié)信息得到加強,。在本文中，二維特征點的密度用平面特征點的平均間距來度量,，點云密度用空間點云的平均間距來度量,。




本文詳細內容請下載:http://forexkbc.com/resource/share/2000002989




作者信息:

蒙  浩1，2,，李自勝1,，2

(1.西南科技大學 制造科學與工程學院，四川 綿陽621010,；

2.西南科技大學 制造過程測試技術省部共建教育部重點實驗室,，四川 綿陽621010)

此內容為AET網站原創(chuàng)，未經授權禁止轉載,。