点云数据重采样方法、装置、终端设备和计算机可读存储介质与流程

摘要: 本技术涉及三维视觉,具体而言,涉及一种点云数据重采样方法、装置、终端设备和计算机可读存储介质。背景技术:1、三维点云是指由三维扫描设备、摄影测量系统或深度传感装...
点云数据重采样方法、装置、终端设备和计算机可读存储介质与流程

本技术涉及三维视觉,具体而言,涉及一种点云数据重采样方法、装置、终端设备和计算机可读存储介质。

背景技术:

1、三维点云是指由三维扫描设备、摄影测量系统或深度传感装置采集得到的一组离散空间点的集合,广泛用于口腔扫描、工业检测、自动驾驶和数字孪生等实际场景。

2、由于原始点云直接来源于物理传感器的测量过程,因此不可避免地会混入测量噪声、设备抖动引起的异常采样点、遮挡导致的稀疏分布,以及因表面材质或角度造成的法线翻转等问题。这些问题会显著降低后续曲面重建、网格生成、cad逆向建模等处理步骤的精度与稳定性,因此必须在进入下游处理前,对点云进行重采样——也就是在保持原始几何形状整体不变的前提下,重新组织点的位置、密度和分布,使其更均匀、更鲁棒、更适配不同曲率区域的表达需求。

3、相关技术中在进行点云重采样时,通常会先执行离群点剔除作为预处理步骤,例如通过sor(statistical outlier removal,统计离群点剔除)方法进行预处理。但该方法仅依赖点与点之间的欧氏距离统计特征,完全不考虑点所处局部表面的几何结构特性,因此容易将一些特殊位置处的合法稀疏点误删,从而造成几何细节丢失、边缘断裂甚至局部孔洞,严重影响后续重建结果的可用性与可靠性。

技术实现思路

1、有鉴于此,本技术的目的在于提供一种点云数据重采样方法、装置、终端设备和计算机可读存储介质。

2、为了实现上述目的,本技术实施例采用的技术方案如下:

3、第一方面,本技术提供一种点云数据重采样方法,所述方法包括:

4、获取待处理点云;所述待处理点云包括多个探测点,且各所述探测点携带有法线信息;

5、计算所述待处理点云对应的平均点间距,并基于各所述探测点的法线信息对所述待处理点云进行法线一致性筛选,获得筛选后的点集;

6、基于所述平均点间距分别为所述点集中的各个候选探测点构建邻域,并基于所述候选探测点对应的邻域和法线信息,对所述候选探测点进行投影平滑,获得各所述候选探测点对应的投影点;

7、计算各个所述投影点的曲率敏感量,基于所述曲率敏感量、预设的保留倍率和预设点数量,对所述投影点进行重采样,获得重采样点云。

8、在可选的实施方式中,所述计算所述待处理点云对应的平均点间距,包括:

9、根据各所述探测点构建所述待处理点云对应的kd树,并基于所述kd树确定各所述探测点对应的最小邻近距离;所述最小邻近距离为所述探测点与所述探测点对应的邻近探测点之间的最小距离;

10、根据各所述探测点对应的最小邻近距离计算所述平均点间距。

11、在可选的实施方式中,所述基于各所述探测点的法线信息对所述待处理点云进行法线一致性筛选,获得筛选后的点集,包括:

12、分别针对各所述探测点,确定所述探测点在预设空间范围内对应的第一邻域探测点;

13、若所述第一邻域探测点的数量小于预设数量,则删除所述探测点;

14、若所述第一邻域探测点的数量不小于所述预设数量,则基于所述探测点对应的所有第一邻域探测点对应的法线信息和所述探测点对应的法线信息,计算所述探测点对应的法线一致性得分,在所述法线一致性得分小于等于预设得分的情况下,删除所述探测点;

15、将未删除的各所述探测点确定为候选探测点,根据所述候选探测点确定筛选后的点集。

16、在可选的实施方式中,所述基于所述平均点间距分别为所述点集中的各个候选探测点构建邻域,并基于所述候选探测点对应的邻域和法线信息,对所述候选探测点进行投影平滑,获得各所述候选探测点对应的投影点,包括:

17、根据所述平均点间距确定邻域半径,基于所述邻域半径分别为各所述候选探测点构建邻域,并确定各所述候选探测点对应的互邻域数量;所述互邻域数量表征所述候选探测点的邻域中,与所述候选探测点互为邻域探测点的第二邻域探测点数量;

18、根据所述互邻域数量确定各所述候选探测点的离群信息;

19、针对各所述候选探测点对应的邻域,根据所述邻域中所述候选探测点对应的各个第二邻域探测点的离群信息、所述候选探测点的法线信息和所述第二邻域探测点的法线信息,从多个所述第二邻域探测点中确定出所述候选探测点对应的目标探测点;

20、若所述第二邻域探测点中不存在所述目标探测点,则将所述候选探测点确定为所述投影点;

21、若所述第二邻域探测点中存在至少一个所述目标探测点,则基于所述目标探测点对所述候选探测点进行投影平滑,确定所述候选探测点对应的投影点。

22、在可选的实施方式中,所述根据所述邻域中所述候选探测点对应的各个第二邻域探测点的离群信息、所述候选探测点的法线信息和所述第二邻域探测点的法线信息,从多个所述第二邻域探测点中确定出所述候选探测点对应的目标探测点,包括:

23、分别针对各个所述第二邻域探测点,根据所述离群信息确定所述第二邻域探测点是否为离群点,并根据所述候选探测点的法线信息和所述第二邻域探测点的法线信息,计算所述候选探测点与所述第二邻域探测点之间的法线夹角;

24、若所述第二邻域探测点不为离群点或者所述法线夹角不超过预设门控角,则将所述第二邻域探测点确定为所述目标探测点。

25、在可选的实施方式中,所述基于所述目标探测点对所述候选探测点进行投影平滑,确定所述候选探测点对应的投影点,包括:

26、计算各所述目标探测点对应的高斯权重,根据各所述目标探测点的高斯权重,通过如下公式计算所述候选探测点对应的加权质心和加权法线;

27、

28、其中,为加权质心,为加权法线,为第i个候选探测点对应的第j个目标探测点的高斯权重,为第j个目标探测点,为第j个目标探测点对应的经法线符号对齐处理后的法线信息;

29、根据所述加权质心和所述加权法线对所述候选探测点进行迭代投影,直到投影残差小于预设残差或者迭代次数达到预设次数,获得所述候选探测点对应的投影点。

30、在可选的实施方式中,所述计算各个所述投影点的曲率敏感量,基于所述曲率敏感量、预设的保留倍率和预设点数量,对所述投影点进行重采样,获得重采样点云,包括:

31、计算各所述投影点对应的最大邻域法线夹角,将所述最大邻域法线夹角确定为所述投影点的曲率敏感量;

32、基于所述曲率敏感量对所述空间盒内的各所述投影点进行等级划分,获得多级投影点云;其中,各级投影点云对应的曲率敏感等级不同;

33、对各所述投影点进行空间盒划分,获得多个空间盒,并根据各曲率敏感等级对应的保留倍率和所述预设点云数量计算各曲率敏感等级对应的归一化保留倍率,根据所述归一化保留倍率计算各个所述空间盒内各级投影点云对应的保留数量;其中,曲率敏感等级越高,所述投影点云对应的保留倍率越高;

34、基于各级投影点云对应的保留数量分别对各级投影点云中的投影点进行裁剪,获得多个采样点;

35、分别针对各所述采样点,确定所述采样点对应的探测点,基于所述探测点的属性信息对所述采样点进行属性回传,获得所述重采样点云。

36、第二方面,本技术提供一种点云数据重采样装置,所述装置包括:

37、获取模块,用于获取待处理点云;所述待处理点云包括多个探测点,且各所述探测点携带有法线信息;

38、处理模块,用于计算所述待处理点云对应的平均点间距,并基于各所述探测点的法线信息对所述待处理点云进行法线一致性筛选,获得筛选后的点集;

39、所述处理模块,还用于基于所述平均点间距分别为所述点集中的各个候选探测点构建邻域,并基于所述候选探测点对应的邻域和法线信息,对所述候选探测点进行投影平滑,获得各所述候选探测点对应的投影点;

40、所述处理模块,还用于计算各个所述投影点的曲率敏感量,基于所述曲率敏感量、预设的保留倍率和预设点数量,对所述投影点进行重采样,获得重采样点云。

41、第三方面,本技术提供一种终端设备,包括处理器和存储器,所述存储器存储有能够被所述处理器执行的计算机程序,所述处理器可执行所述计算机程序以实现前述实施方式任一项所述的方法。

42、第四方面,本技术提供一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现前述实施方式任一项所述的方法。

43、本技术实施例提供的点云数据重采样方法、装置、终端设备和计算机可读存储介质,终端设备可获取待处理点云,计算待处理点云中各探测点的平均点间距,并基于各探测点的法线信息对待处理点云进行筛选,获得包含多个候选探测点的点集,之后可基于平均点间距为各个候选探测点构建邻域,基于邻域和法线信息对候选探测点进行投影平滑,获得投影点,之后基于各个投影点到对应的曲率敏感量、预设的保留倍率混合预设点数量,对投影点进行重采样,最终获得重采样点云。该方法可基于法线信息,通过法线一致性筛选对点云进行预处理删除噪声点,而非依赖距离统计,因此可准确区分出真正因测量问题导致的法线异常点与一些特殊位置处本就稀疏但法线合理的合法点,防止误删,从而避免了几何细节丢失等问题,保障了后续重建结果的可用性和可靠性。

44、为使本技术的上述目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附附图,作详细说明如下。