一种用于无组织点云的多实例圆柱提取方法

摘要: 本发明涉及三维点云处理,尤其涉及一种用于无组织点云的多实例圆柱提取方法。背景技术:1、近年来,高精度三维数字化技术(如地面激光扫描和近景摄影测量)被广泛应用于大...
一种用于无组织点云的多实例圆柱提取方法

本发明涉及三维点云处理,尤其涉及一种用于无组织点云的多实例圆柱提取方法。

背景技术:

1、近年来,高精度三维数字化技术(如地面激光扫描和近景摄影测量)被广泛应用于大型工业设施的制造与测量中。利用非接触式的全面数据采集能力,这些技术大幅减少了现场测量的手动工作量。然而,获取高密度点云仅仅是初始阶段,根本瓶颈在于如何将这些海量、无结构、无组织的离散数据集转化为具有语义信息的有意义的几何模型。

2、在工业逆向工程中,圆柱形结构(如管道和储罐)是最普遍的几何基元,鲁棒的圆柱提取是完工测量和设施管理的基础。直接从原始三维点云中提取独立的圆柱体面临巨大挑战:圆柱体半径、长度的变化使得检测过程复杂化;数据经常受到严重噪声、非均匀采样密度、大面积遮挡和缺乏拓扑上下文的困扰。特别是在高度拥挤的工程场景中,相交的管状组件形成了复杂的拓扑网络,表面的相互穿透导致局部几何特征严重退化。解耦这些高度连通的区域以准确分割和拟合独立的圆柱基元,对检测算法的鲁棒性提出了极其严格的要求。

3、现有圆柱提取方法主要面临以下局限:

4、基于hough变换的方法:依赖于将空间点映射到参数空间进行投票。圆柱表示所需的五维参数空间会导致令人望而却步的计算开销和内存消耗,难以处理海量工业点云。

5、基于区域生长的方法:严重依赖于准确的法线估计和最佳种子点的选择,在面对噪声环境和复杂拓扑时,极易出现过分割或欠分割。

6、基于传统ransac的方法:当应用于包含多个相交实例的高度污染和复杂场景时,常面临计算效率急剧下降和生成伪圆柱体(错误模型)的问题。

7、深度学习方法:严重缺乏针对相交圆柱基元的复杂工业环境的大规模高质量标注数据集,泛化能力受限,且需要昂贵的计算硬件支持。

技术实现思路

1、针对现有技术存在的问题,本发明提出一种用于无组织点云的多实例圆柱提取方法,解决现有技术在处理含有严重噪声、大量离群点及复杂拓扑结构的无组织点云时,多圆柱体提取精度低、效率差、极易生成伪模型的问题。

2、为实现上述目的,本发明提供一种用于无组织点云的多实例圆柱提取方法,包括:

3、基于几何先验生成投影方向集,并结合点云法向正交约束过滤无关点云,保留内点候选集;

4、在当前投影方向的正交平面上,利用极角对内点候选集进行间隔分组采样,构建用于圆柱拟合的最小点集;

5、利用最小点集,通过迭代最小二乘法进行圆柱模型参数拟合,得到候选圆柱模型;

6、结合截断二次代价与圆柱角度覆盖率对候选圆柱模型进行评分,输出最佳的多实例圆柱体。

7、可选地,所述基于几何先验生成投影方向集,并结合点云法向正交约束过滤无关点云,保留内点候选集,包括:

8、设定点云的主方向,以该主方向为起始,按设定的角度容差向四周发散,生成完整的半球分布投影方向集;

9、对点云中的每个点计算其法向量与主方向向量的内积,滤除法向量与主方向向量不正交的无关点。

10、可选地,所述在当前投影方向的正交平面上,利用极角对内点候选集进行间隔分组采样,构建用于圆柱拟合的最小点集,包括:

11、构建与当前投影方向垂直的正交基;

12、计算过滤后点云的法线在正交基构成的投影面上的极角,并将其划分至对应的角扇区进行分组;

13、提取各角扇区内的中位点,检测中位点能否拟合成符合物理约束的二维圆,并记录通过检测的角扇区;

14、从通过检测的角扇区中随机抽取点云,构建用于圆柱拟合的最小点集。

15、可选地,所述符合物理约束的具体条件包括:(1)所有角扇区内部的总点数大于或等于拟合圆柱所需的最小点数;(2)拟合二维圆的半径在点云包围盒的预设范围内;(3)符合条件(1)和(2)的中位点到拟合二维圆的距离小于设定距离阈值

m的比例大于或等于设定比例阈值

n。

16、可选地,所述利用最小点集,通过迭代最小二乘法进行圆柱模型参数拟合,得到候选圆柱模型,包括:

17、设圆柱中心轴方向向量

a=(

a

x,

a

y,

a

z),圆柱中心轴上的点

c=(

c

x,

c

y,

c

z),圆柱半径

r;

18、针对最小点集中第

i个点[

x

i,

y

i,

z

i]t,其距离圆柱面的残差

e

i及关于七个参数的偏导数构成了雅可比行向量

j

i:

19、,

20、通过高斯-牛顿法或levenberg-marquardt算法迭代更新雅可比矩阵

j

i,得到高精度的局部圆柱参数。

21、可选地,所述结合截断二次代价与圆柱角度覆盖率对候选圆柱模型进行评分,包括:

22、计算最小点集中所有内点到候选圆柱面的平方残差,将小于预设残差阈值τ2的内点组成内点集合i,计算截断二次代价,公式如下:

23、,

24、计算内点集合投影至正交二维平面的极角θ并按升序排列;

25、计算相邻极角差及首尾极角的环绕闭合差,提取最大角度间隔δ

max,并推算圆柱面上的有效覆盖弧度,将有效覆盖弧度归一化作为圆柱角度覆盖率权重γ,公式如下:

26、,

27、将截断二次代价与圆柱角度覆盖率权重γ相乘,得到候选圆柱模型最终评分。

28、采用上述技术方案后,本发明至少具有如下有益效果:

29、1、极高的鲁棒性:通过投影方向约束与连通性极角间隔采样,有效避免了传统ransac在密集点云中极易陷入局部次优解的问题,能在严重噪声与海量离群点中精确提取基元。

30、2、显著提升的识别效率:序列化的方向提取策略规避了高维参数空间的庞大计算量;严格的二维圆预检机制大幅度过滤了无效的随机样本,加速了收敛。

31、3、强大的多实例与抗干扰能力:专门定制的角度覆盖率评分函数严厉惩罚了空间分布残缺的模型,彻底解决了在管线交叉与相互贯穿区域高频生成的“伪圆柱体”难题。