基于最短路的差异性累积的法向估计算法
发布时间：2021-06-06 19:12
随着三维扫描仪的发展,人们可以方便地获取各种原始点云数据。逆向工程、工业制造等多种领域对这些原始点云数据的使用越来越广泛。法向量是点云的重要几何性质,快速、准确的得到法向是点云数据分析和处理的基础。点云的重建、渲染、各向异性的光滑、分割、特征检测和提取等诸多应用,都依赖于高质量的法向信息。然而,对于尖锐特征点,其邻域是由两个甚至多个光滑曲面拼接而成,这使得准确的法向估计变得十分困难。若估计不准确,在点云数据处理时容易丢失曲面的细节特征,重建后的曲面难以恢复原始模型的几何特征。以分割为基础的法向估计算法主要是通过初始法向的差异来构造点之间的相似性。由于距离属性的缺失,这一类算法对于紧邻面及一些光滑曲面的估计结果并不理想。本文提出一种基于最短路的差异性累积的法向估计算法,利用最短路将初始法向的差异性和点的位置信息相融合,通过叠加最短路中点的初始法向差异,计算两点之间的相似性。如此计算获得的相似性不仅仅考虑了点之间法向的差异,还有效地利用了最短路本身所包含的结构信息,考虑了路径中点法向的变化情况,能有效地对紧邻面和光滑曲面的近邻结构进行刻画。本文算法的具体步骤为:首先,对于部分点的邻域,找到...
【文章来源】：辽宁师范大学辽宁省
【文章页数】：39 页
【学位级别】：硕士
【部分图文】：
(a)为法向对数据缺失的原始点云表面重建的影响
基于最短路的差异性累积的法向估计算法2样不均匀和缺失区域等各种缺陷。这些缺陷对点云法向估计算法的鲁棒性提出了巨大挑战。二、邻域信息的获龋在法向估计中邻域信息非常重要，因为基于拟合的这类方法的主要思想是利用局部邻域信息拟合得到平面以此来估计点的法向。而三维扫描仪得到的点云数据已丢失点与点之间的连接关系，邻域的获取只能依赖于点之间的欧式距离，这使得在估计法向时寻找点的正确邻域变成了一个很有挑战性的问题。对于尖锐特征，其邻域是由两个甚至多个光滑曲面拼接而成，欧式距离并不能很好的刻画该点的结构特征，邻域的构造往往会出错，准确的法向估计变得十分困难，如图1.2(a)所示。而对于类似于紧邻面这类更为复杂的结构，准确邻域信息的获得就变得更为困难，如图1.2(b)所示，仅仅根据欧氏距离获得的邻域容易跨平面。(a)(b)图1.2根据欧氏距离选取当前点(红色点)的邻域。(a)为尖锐特征的邻域选择，(b)为紧邻面的邻域选择。Fig.1.2Selecttheneighborhoodofthecurrentpoint(redpoint)accordingtoEuclideandistance.(a)neighborhoodselectionofsharpfeatures,and(b)neighborhoodselectionofadjacentsurfaces.
辽宁师范大学硕士研究生学位论文5))((||)(||)()(1iipjiiiNppiippgppfppkpjiijiji(2.1)式中，)(ippji是基于点jip位置信息和其法向jn对点ip进行线性预测，即jjijiiipnnppppji)()(。函数f)(和g)(为加权函数，分别称为位置权函数和影响权函数，都是正的、单调的、递减的函数。f)(函数控制如何使用点的邻域大小来估计ip。g)(函数剔除了异常值，并给出了3D双边滤波器的保特征行为。k为归一化因子，其取值为权重之和，即：))((||)(||)(iipjiNpiippgppfpkjiiji公式2.1得到点ip更新后的位置ip，记)(iippF，其更新后的法向in可以由)(ipF的雅可比矩阵)(ipJ得到，即：iiiiiippFJnnpJp)()(,)(T对于平坦区域，点ip处的法向in被滤波器所修改的结果如图2.1(a)所示。由于滤波器对点的位置去除噪声，将空间垂直压缩到由点定义的平面，所以点会更靠近平面，法线彼此对齐。对于尖锐特征，如图2.1(b)所示的角点区域，被滤波器所修改后点的法向与哪一侧平面法向所对齐，这取决于它们的原始位置。这类方法虽然可以通过移动点的位置恢复出几乎正确的法向信息，但是如果尖锐特征处的初始法向存在严重的光滑和污染,则无法准确地恢复模型的尖锐特征。同时，在实际应用中这类方法需要用户手动的调节参数，反复尝试不同的数值以获得满意的结果，这一过程非常耗时。特别是在用户不清楚点云中所包含的噪声大小和采样密度时，参数的调节将更加困难、更加耗时。(a)(b)图2.1(a)为平坦区域的法向滤波，(b)为角点区域的法向滤波Fig.2.1(a)isthenormalfilteringoftheflatregion,and(b)isthenormalfilteringofthecornerregion.
本文编号：3214978
【文章来源】：辽宁师范大学辽宁省
【文章页数】：39 页
【学位级别】：硕士
【部分图文】：
(a)为法向对数据缺失的原始点云表面重建的影响
基于最短路的差异性累积的法向估计算法2样不均匀和缺失区域等各种缺陷。这些缺陷对点云法向估计算法的鲁棒性提出了巨大挑战。二、邻域信息的获龋在法向估计中邻域信息非常重要，因为基于拟合的这类方法的主要思想是利用局部邻域信息拟合得到平面以此来估计点的法向。而三维扫描仪得到的点云数据已丢失点与点之间的连接关系，邻域的获取只能依赖于点之间的欧式距离，这使得在估计法向时寻找点的正确邻域变成了一个很有挑战性的问题。对于尖锐特征，其邻域是由两个甚至多个光滑曲面拼接而成，欧式距离并不能很好的刻画该点的结构特征，邻域的构造往往会出错，准确的法向估计变得十分困难，如图1.2(a)所示。而对于类似于紧邻面这类更为复杂的结构，准确邻域信息的获得就变得更为困难，如图1.2(b)所示，仅仅根据欧氏距离获得的邻域容易跨平面。(a)(b)图1.2根据欧氏距离选取当前点(红色点)的邻域。(a)为尖锐特征的邻域选择，(b)为紧邻面的邻域选择。Fig.1.2Selecttheneighborhoodofthecurrentpoint(redpoint)accordingtoEuclideandistance.(a)neighborhoodselectionofsharpfeatures,and(b)neighborhoodselectionofadjacentsurfaces.
辽宁师范大学硕士研究生学位论文5))((||)(||)()(1iipjiiiNppiippgppfppkpjiijiji(2.1)式中，)(ippji是基于点jip位置信息和其法向jn对点ip进行线性预测，即jjijiiipnnppppji)()(。函数f)(和g)(为加权函数，分别称为位置权函数和影响权函数，都是正的、单调的、递减的函数。f)(函数控制如何使用点的邻域大小来估计ip。g)(函数剔除了异常值，并给出了3D双边滤波器的保特征行为。k为归一化因子，其取值为权重之和，即：))((||)(||)(iipjiNpiippgppfpkjiiji公式2.1得到点ip更新后的位置ip，记)(iippF，其更新后的法向in可以由)(ipF的雅可比矩阵)(ipJ得到，即：iiiiiippFJnnpJp)()(,)(T对于平坦区域，点ip处的法向in被滤波器所修改的结果如图2.1(a)所示。由于滤波器对点的位置去除噪声，将空间垂直压缩到由点定义的平面，所以点会更靠近平面，法线彼此对齐。对于尖锐特征，如图2.1(b)所示的角点区域，被滤波器所修改后点的法向与哪一侧平面法向所对齐，这取决于它们的原始位置。这类方法虽然可以通过移动点的位置恢复出几乎正确的法向信息，但是如果尖锐特征处的初始法向存在严重的光滑和污染,则无法准确地恢复模型的尖锐特征。同时，在实际应用中这类方法需要用户手动的调节参数，反复尝试不同的数值以获得满意的结果，这一过程非常耗时。特别是在用户不清楚点云中所包含的噪声大小和采样密度时，参数的调节将更加困难、更加耗时。(a)(b)图2.1(a)为平坦区域的法向滤波，(b)为角点区域的法向滤波Fig.2.1(a)isthenormalfilteringoftheflatregion,and(b)isthenormalfilteringofthecornerregion.
本文编号：3214978
本文链接：https://www.wllwen.com/kejilunwen/ruanjiangongchenglunwen/3214978.html
