一种多维点云结构相似性定量化评价方法及系统

1.本发明涉及散射成像及图像处理领域，特别涉及一种多维点云结构相似性定量化评价方法及系统。


背景技术：

2.由于激光扫描仪等测量设备的快速发展，三维几何模型能更好地表达物体的形状。通过测量三维模型得到的点云数据日益精确、庞大，目前，一般的激光测量设备可以从物体表面获取数十万、甚至数百万个点云数据，通常需要对三维几何模型进行适当的处理，如有损压缩等。通常，点云处理还会有点云配准，该技术作为点云数据处理中的核心技术，会因为点云质量而影响配准效果，因此评价点云数据质量就具有很强的客观价值，如提高配准精度、提高空间模型完整度、提高slam系统的性能等；且点云数据来源多样，预处理方法多样，点云噪声类型的多样都增加了点云质量评价界定的困难。目前，针对三维几何模型处理的评价方法主要有主观评价方法和客观评价方法。
3.尽管目前有很多点云预处理的方法，但是目前大多都是依靠主观评价来对点云质量进行判断，还没有一种较好的用于评价经过预处理后点云质量的客观评价方法。提出了一种用于评价多维点云质量的结构相似性评价方法—多维点云结构相似性定量化评价方法，并且该方法定义明确、准确性好，较hvs更系统，更贴近人眼效果。


技术实现要素：

4.本发明的目的在于评价多维点云质量的结构相似性，提出了一种多维点云结构相似性定量化评价方法及系统。
5.为了实现上述目的，本发明提出了一种多维点云结构相似性定量化评价方法，所述方法包括：
6.步骤1)获取目标物体的一幅三维点云图，得到三维点云数据；
7.步骤2)对三维点云数据进行滤波处理；
8.步骤3)将滤波后的点云数据以及滤波前的点云数据分别与采用置信度方法预先确定的标准三维点云集进行对比，分别得到滤波处理后的三维结构相似性以及滤波前的三维结构相似性；
9.步骤4)比较步骤3)得到的两种三维结构相似性，评价三维点云数据的滤波效果。
10.作为上述方法的一种改进，所述方法还包括采用置信度方法预先确定标准三维点云集的步骤；具体包括：
11.将m幅点云图进行对应位置叠加，并将m幅点云图中全包含的点云作为100％置信度的点云集，从而得到标准三维点云集，其中，m大于10。
12.作为上述方法的一种改进，所述步骤1)具体包括：采用具有空间分辨能力的飞行时间相机获取目标物体的三维点云数据。
13.作为上述方法的一种改进，所述步骤3)具体包括：
14.步骤301)以相机为原点，分别得到滤波处理后的三维点云图、滤波前的三维点云图以及标准三维点云集中不同点的三维坐标信息；
15.步骤302)分别计算步骤301)得到的三组三维坐标信息分别对应x轴、y轴、z轴的均值、标准差和协方差；
16.步骤303)根据步骤302)得到的均值、标准差和协方差，分别计算滤波处理后和滤波前的深度相似度指标、深度对比度指标和结构相似度指标；
17.步骤304)根据步骤303)得到的深度相似度指标、深度对比度指标和结构相似度指标，分别计算滤波处理后的三维结构相似性以及滤波前的三维结构相似性。
18.作为上述方法的一种改进，所述步骤302)具体包括：
19.根据下式分别得到x轴均值μ
ipx,k
，y轴均值μ
ipy,k
，z轴均值μ
ipz,k
为：
[0020][0021][0022][0023]
其中，下标k∈[0,2]，为整数，其中k＝0表示标准三维点云集，k＝1表示滤波处理后，k＝2表示滤波前，n表示该幅三维点云图的点云数，ip
ix,a
表示在k状态下的第i个x轴像素；ip
iy,k
表示在k状态下的第i个y轴像素，ip
iz,k
表示在k状态下的第i个z轴像素；
[0024]
根据下式分别得到k状态下的x轴标准差σ
ipix,k
，y轴标准差σ
ipiy,k
，z轴标准差σ
ipiz,k
为：
[0025][0026][0027][0028]
根据下式分别得到滤波处理后的三维点云图与标准三维点云集在x轴的协方差σ
ipx,1,ipx,0
，在y轴的协方差σ
ipy,1,ipy,0
，在z轴的协方差σ
ipz,1,ipz,0
为：
[0029][0030][0031][0032]
作为上述方法的一种改进，所述步骤303)具体包括：
[0033]
步骤303-1)根据下式分别得到滤波处理后的三维点云图与标准三维点云集在x轴的深度相似度指标l(p
x,1
,p
x,0
)，深度对比度相似度指标c(p
x,1
,p
x,0
)，结构相似度指标s(p
x,1
,p
x,0
)为：
[0034][0035][0036][0037]
其中，c1,c2,c3均为对应的指标调整系数，c1＝(k1n)2，c2＝(k2n)2，k1＝0.01，k2＝0.03，n表示该幅三维点云图的点云数；
[0038]
根据下式得到滤波处理后的三维点云图与标准三维点云集在x轴的结构相似性ssim
x,1,0
为：
[0039]
ssim
x,1,0
＝[l(p
x,1
,p
x,0
)]
α
[c(p
x,1
,p
x,0
)]
β
[s(p
x,1
,p
x,0
)]
γ
[0040]
其中，α,β,γ分别为对应的深度相似度指标、深度对比度相似度指标和结构相似度指标的权重；
[0041]
步骤303-2)采用步骤303-1)的方法，分别得到滤波处理后的三维点云图与标准三维点云集在y轴的深度相似度指标l(p
y,1
,p
y,0
)，深度对比度相似度指标c(p
y,1
,p
y,0
)，结构相似度指标s(p
y,1
,p
y,0
)，以及滤波处理后的三维点云图与标准三维点云集在y轴的结构相似性ssim
y,1,0
；
[0042]
步骤303-3)采用步骤303-1)的方法，分别得到滤波处理后的三维点云图与标准三维点云集在z轴的深度相似度指标l(p
z,1
,p
z,0
)，深度对比度相似度指标c(p
z,1
,p
z,0
)，结构相似度指标s(p
z,1
,p
z,0
)，以及滤波处理后的三维点云图与标准三维点云集在z轴的结构相似性ssim
z,1,0
；
[0043]
步骤303-4)根据下式得到滤波处理后的三维结构相似性3d-ssim
1,0
为：
[0044][0045]
其中，ρ,σ,ω分别为对应z轴，x轴和y轴的权重；
[0046]
步骤303-5)采用步骤303-1)-步骤303-4)的方法，得到滤波前的三维结构相似性3d-ssim
2,0
。
[0047]
作为上述方法的一种改进，所述步骤304)具体包括：对滤波处理后的三维结构相似性3d-ssim
1,0
与滤波前的三维结构相似性3d-ssim
2,0
进行比较，评价三维点云的滤波效果。
[0048]
一种多维点云结构相似性定量化评价系统，所述系统包括：点云数据获取模块、滤波处理模块、三维结构相似性计算模块和定量评价模块；其中，
[0049]
所述点云数据获取模块，用于获取目标物体的一幅三维点云图，得到三维点云数据；
[0050]
所述滤波处理模块，用于对三维点云数据进行滤波处理；
[0051]
所述三维结构相似性计算模块，用于将滤波后的点云数据以及滤波前的点云数据分别与采用置信度方法预先确定的标准三维点云集进行对比，分别得到滤波处理的三维结构相似性以及滤波前的三维结构相似性；
[0052]
所述定量评价模块，用于对三维结构相似性计算模块得到的两种三维结构相似性进行比较，评价三维点云数据的滤波效果。
[0053]
与现有技术相比，本方法的优势在于：
[0054]
1、本发明的方法利用结构相似性方法对点云数据的滤波、稀疏效果进行客观、定量化的评价，解决了三维点云滤波没有较好的客观评价的现状；
[0055]
2、本发明的方法解决了点云质量评价界定的困难；
[0056]
3、本发明的方法解决了以前评价滤波方法只能依靠主观评价没有客观评价的问题，为点云预处理的客观评价方法作出贡献，提供了参考；
[0057]
4、本发明的方法为多幅点云的配准中点云质量直观分析提供了参考；
[0058]
5、本发明的方法为多幅点云和slam系统精确定位，起到了一定的作用。
附图说明
[0059]
图1为本发明提供的多维点云结构相似性定量化评价方法的流程图。
具体实施方式
[0060]
本发明公开了一种多维点云结构相似性定量化评价方法及系统，方法包括：获取物体三维点云数据；将点云数据作为距离信息；分别得出点云数据中不同轴向的均值、标准差和协方差；利用置信度方法得出物体标准三维点云数据集；滤波前、滤波后的点云数据和利用置信度获得的物体标准三维点云数据进行对比，分别比较三维坐标轴上所有点坐标的均值、标准差和协方差；对三个坐标轴上的结构相似性值进行权重分配最终得出三维结构相似关联度，从而评价点云滤波效果。
[0061]
下面结合附图和实施例对本发明的技术方案进行详细的说明。
[0062]
实施例1
[0063]
如图1所示，本发明的实施例1公开了一种多维点云结构相似性定量化评价方法，包括以下步骤：
[0064]
s1、利用tof相机，获取目标物体的三维点云数据；
[0065]
s2、分析点云数据，得出点云中不同点以相机为原点的三维坐标信息；
[0066]
s3、分别得出点云数据中不同轴向的均值、标准差和协方差；
[0067]
s4、计算出深度相似度、深度对比度相似度和结构相似度指标；
[0068]
s5、利用置信度方法得出物体标准三维点云数据集；
[0069]
s6、滤波前、滤波后的点云数据和利用置信度获得的物体标准三维点云数据进行对比，分别比较三维坐标轴上所有点坐标的均值、标准差和协方差；
[0070]
s7、对三个坐标轴上的结构相似性值进行权重分配最终得出三维结构相似关联度，从而评价点云滤波效果
[0071]
本发明实施例中，采用hlt003s-001飞行时间相机获取点云数据，点云数据作为距离信息和三维坐标信息。而后，对飞行时间相机获得的点云数据进行三维坐标信息获取，再
分别计算出点云数据不同轴向的均值、标准差和协方差。利用置信度方法
[0072]
下面对上述步骤做进一步的描述。
[0073]
s1、利用tof相机，获取目标物体的三维点云数据；
[0074]
s2、分析点云数据，得出点云中不同点以相机为原点的三维坐标信息；
[0075]
s21、所述点云中不同点为点云数据中的每一个点；
[0076]
s22、所述以相机为原点的三维坐标信息，是将相机坐标信息设为(0,0,0)，从而测得的点云每个点的三维坐标。
[0077]
s3、分别得出点云数据中不同轴向的均值、标准差和协方差；
[0078]
s31、不同轴向的均值、标准差、协方差即x轴、y轴、z轴三个轴上的均值、标准差、协方差；
[0079]
s32、均值公式为:
[0080][0081]
s33、标准差公式为：
[0082][0083]
s34、协方差公式为：
[0084][0085]
其中，上述三个公式为一个坐标轴上的均值、标准差和协方差值。
[0086]
其中在所述公式中，假设一幅点云数据中的点云数为n，其中的像素记为ipi，ip
1i
、ip
2i
、代表点云数据1和点云数据2中的像素，μ
ip1
、μ
ip2
代表点云数据1和点云数据2的均值。
[0087]
由此得到x轴均值μ
ipx,k
，y轴均值μ
ipy,k
，z轴均值μ
ipz,k
，其中，下标k∈[0,2]的整数，其中k＝0表示标准三维点云集，k＝1表示滤波处理后，k＝2表示滤波前，n表示该幅三维点云图的点云数，ip
ix,a
表示在k状态下的第i个x轴像素；ip
iy,a
表示在k状态下的第i个y轴像素，ip
iz,a
表示在k状态下的第i个z轴像素。
[0088]
得到x轴标准差σ
ipix,k
，y轴标准差σ
ipiy,k
，z轴标准差σ
ipiz,k
。
[0089]
进而得到滤波后的三维点云图与标准三维点云集在x轴的协方差σ
ipx,1,ipx,0
，在y轴的协方差σ
ipy,1,ipy,0
，在z轴的协方差σ
ipz,1,ipz,0
；
[0090]
s4、计算出深度相似度、深度对比度相似度和结构相似度指标；
[0091]
s41、深度相似度指标为：
[0092][0093]
s42、深度对比度相似度指标：
[0094][0095]
s43、结构相似度值为：
[0096][0097]
其中，c1,c2,c3均为对应的指标调整系数，c1＝(k1n)2，c2＝(k2n)2，通常将k1＝0.01，k2＝0.03，n表示该幅三维点云图的点云数；
[0098]
s44、相似度中为余弦相似度，是由两幅图像分别减去他们的均值后计算求得的：
[0099][0100]
由此得到滤波后的三维点云图与标准三维点云集在x轴的深度相似度指标l(p
x,1
,p
x,0
)，深度对比度相似度指标c(p
x,1
,p
x,0
)，结构相似度指标s(p
x,1
,p
x,0
)；
[0101]
在y轴的深度相似度指标l(p
y,1
,p
y,0
)，深度对比度相似度指标c(p
y,1
,p
y,0
)，结构相似度指标s(p
y,1
,p
y,0
)，
[0102]
在z轴的深度相似度指标l(p
z,1
,p
z,0
)，深度对比度相似度指标c(p
z,1
,p
z,0
)，结构相似度指标s(p
z,1
,p
z,0
)。
[0103]
同理，得到滤波前的三维点云图与标准三维点云集在不同坐标轴的相应指标。
[0104]
s5、利用置信度方法得出物体标准三维点云数据集；
[0105]
所述置信度方法为，将十幅(包括十幅以上)点云图进行对应位置叠加。以十为例，将十幅点云图中全包含的点云作为100％置信度的点云集，九幅点云图中都包含的点云作为90％置信度的点云集，随着相同点云集的图像数减少，置信度逐渐减少，直到置信度降至10％。该方法可以获得绝对正确的点云数据点，从而滤除点云错误点。
[0106]
s6、滤波前、滤波后的点云数据和利用置信度获得的物体标准三维点云数据进行对比，分别比较三维坐标轴上所有点坐标的均值、标准差和协方差；
[0107]
s61、对比的内容包括滤波前、滤波后点云数据中点坐标的均值、标准差和协方差。利用置信度获得的物体标准三维点云数据中所有点坐标的均值、标准差和协方差
[0108]
s62、
[0109]
ssim＝[l(p1,p2)]
α
[c(p1,p2)]
β
[s(p1,p2)]
γ
[0110]
由此得到滤波后的三维点云图与标准三维点云集在x轴的结构相似性ssim
x,1,0
为：
[0111]
ssim
x,1,0
＝[l(p
x,1
,p
x,0
)]
α
[c(p
x,1
,p
x,0
)]
β
[s(p
x,1
,p
x,0
)]
γ
[0112]
其中，α,β,γ分别为对应的深度相似度指标、深度对比度相似度指标和结构相似
度指标的权重；
[0113]
同理，得到滤波后的三维点云图与标准三维点云集在y轴的结构相似性ssim
y,1,0
，在z轴的结构相似性ssim
z,1,0
。
[0114]
同理，得到滤波前的三维点云图与标准三维点云集在不同坐标轴的构相似性ssim
x,2,0
，ssim
y,2,0
，ssim
z,2,0
。
[0115]
s7、对三个坐标轴上的结构相似性值进行权重分配最终得出三维结构相似关联度，从而评价点云滤波效果
[0116]
将三维坐标中三个单独轴向的结构相似性算法，根据权重累乘一起，三维结构相似性公式为：
[0117]
3d-ssim＝[ssimz]
ρ
[ssim
x
]
σ
[ssimy]
ω
[0118]
其中，ρ,σ,ω分别为对应z轴，x轴和y轴的权重；
[0119]
由此得到滤波处理后的三维结构相似性3d-ssim
1,0
为：
[0120][0121]
同理，得到滤波前的三维结构相似性3d-ssim
2,0
，根据3d-ssim
1,0
和3d-ssim
2,0
的比较，评价滤波的效果。
[0122]
实施例2
[0123]
本发明的实施例2提出了一种多维点云结构相似性定量化评价系统，基于实施例1的方法实现，所述系统包括：点云数据获取模块、滤波处理模块、三维结构相似性计算模块和定量评价模块；其中，
[0124]
所述点云数据获取模块，用于获取目标物体的一幅三维点云图，得到三维点云数据；
[0125]
所述滤波处理模块，用于对三维点云数据进行滤波处理；
[0126]
所述三维结构相似性计算模块，用于将滤波后的点云数据以及滤波前的点云数据分别与采用置信度方法预先确定的标准三维点云集进行对比，分别得到滤波处理的三维结构相似性以及滤波前的三维结构相似性；
[0127]
所述定量评价模块，用于对三维结构相似性计算模块得到的两种三维结构相似性进行比较，评价三维点云数据的滤波效果。
[0128]
最后所应说明的是，以上实施例仅用以说明本发明的技术方案而非限制。尽管参照实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，对本发明的技术方案进行修改或者等同替换，都不脱离本发明技术方案的精神和范围，其均应涵盖在本发明的权利要求范围当中。