一种基于三维激光点云数据的排序、插值处理方法

1.本发明涉及三维点云数据处理领域，具体是一种基于三维激光点云数据的排序、插值处理方法。


背景技术：

2.近几年，三维激光扫描技术作为一种高新技术，因其高精度性和高分辨率等特点成为当前研究的热点，但运用三维激光设备所获得的点云数据是离散的、密度不均匀的，并且在扫描过程中，由于设备的内部因素或其他外部环境条件会引起系列系统误差或随机误差，从而对最终实验结果产生巨大影响。因此，为方便后期数据使用和减少实验误差，需要对采集到的点云数据进行排序、插值等处理。
3.对点云数据的排序和插值处理有很多方法，目前已有的对三维激光点云数据的排序、插值处理方法存在以下局限性：
4.(1)对点云数据的排序主要按照某一坐标值坐标信息进行排序，具有单一性，无法保证数据排序的准确性；
5.(2)对点云数据的线性插值主要依据某一方向或者将几个方向结合求取平均值，这种计算方法对大面积无值点云数据区域存在误差的积累。


技术实现要素：

6.本技术旨在至少解决现有技术中存在的技术问题之一。为此，本发明的目的之一在于提供一种新的三维激光点云数据的排序、插值处理方法，从网络整体和连接关系的角度实现对三维激光点云数据的排序、插值处理。
7.为了实现上述目的，本发明采用如下技术方案：
8.一种基于三维激光点云数据的排序、插值处理方法，包括如下步骤：
9.s1、数据采集：利用三维激光扫描仪采集点云数据；
10.s2、裁剪：将采集到的非目标点裁剪删除；
11.s3、修补：对三维图像进行初步修补，填补孔洞；
12.s4、切割：将经步骤s3处理的点云图像输入处理软件中切割成标准矩形，以便于后期处理计算；
13.s5、标号：依据矩形顶点坐标信息，划分网格对点进行排序；
14.s6、插值：先利用空间三角面中点的坐标和连接关系进行插值，再利用每个点周边八个点的信息进行插值。
15.作为进一步的优选方案，在所述s2中，对非扫描点的裁剪是运用三维激光扫描仪匹配软件中的数据处理功能。
16.作为进一步的优选方案，在所述s3中是基于geomagic软件的形态学处理工具，修复图形中的非流形边、自相交、高度折射边、钉状物、小组件、小孔，所有离散三维点云图像均需进行相同参数设置的修补处理。
17.作为进一步的优选方案，在所述s4中，运用的处理软件是matlab软件，存储形式为stl格式，利用点云的二维坐标信息进行切割，并同时存储和输出矩阵顶点坐标信息。
18.作为进一步的优选方案，在所述s5中，运用matlab软件，依据步骤s4的顶点坐标信息，按步长为0.01mm划分网格，将点云数据与网格进行匹配，依此排序标号。
19.作为进一步的优选方案，在所述s6中利用空间三角面的坐标和连接信息，基于向量关系进行插值。
20.作为进一步的优选方案，在所述s6中利用缺失点周围八个点的坐标进行插值过程中，需要对所有要插值点周边的非零个数进行排序，优先插值周边非零个数多的点，并依此覆盖。
21.与现有技术相比，本发明具有的优势在于：
22.1、从整体点云数据的网络出发，综合考虑初始点云数据的特征，对三维数据进行标号排序，标号顺序可运用到后期所有处理过程中，更加简洁明了。
23.2、在第一次插值过程中，应用向量关系判断插值点是否在点云数据的三角形关系的内部或者边上，具有直观性和简便性。
24.3、在第二次插值过程中，先对所有零值点进行排序，从周边非零点数最多的空值点处进行覆盖插值的方法，大大减少了插值误差，同时降低了计算的复杂性，提高了计算速度。
附图说明
25.图1为本技术的一种基于三维激光点云数据的排序、插值处理方法的三角面插值原理示意图；
26.图2为本技术的一种基于三维激光点云数据的排序、插值处理方法的九宫格插值原理示意图。
具体实施方式
27.下面将结合本发明中的附图进行实例操作，对本发明的技术方案进行清楚、完整地描述。需要说明的是，所描述的实例仅仅是本发明的一部分实施例，而不是全部的实施例。
28.本技术以沥青混凝土路面为研究对象，结合数字图像处理技术，建立了一种基于三维激光点云数据的排序、插值处理方法，参照图1和图2，包括以下所述步骤：
29.第一步、数据采集
30.三维数据信息的采集是采用三维激光扫描仪获取。实验设备型号具体为zgscan型手持式激光3d扫描仪，该仪器的光源为14条激光线以及额外1束扫描深孔，可以较好的扫描物体细节，仪器尺寸为310
×
147
×
80mm，最高精度为0.03毫米，最高分辨率为0.05毫米。在实际实验过程中，采集数据时的天气为多云转晴，适合仪器正常工作，根据扫描面积的大小将设备分辨率设定为0.5毫米。根据浅色物体使用数值低的快门、深色物体使用数值高的快门原则，将快门参数设置为0.6ms，其他参数设置均为默认。实验中扫描了与图像采集路面对应的区域，将路面扫描结果保存为stl格式文件，具体数据处理应用的是该文件格式下的ascii格式，即系列三角连通关系表和相应三角面三个顶点的坐标。
31.第二步、裁剪
32.运用三维激光扫描仪匹配软件对采集到的数据进行裁剪，将其他无关扫描信息点删除。
33.第三步、修补
34.在实际的点云数据获取过程中，由于物体本身的遮挡等原因，三维激光扫描设备对复杂形状物体的某些区域容易扫描为视觉盲点，造成扫描“盲区”，表现为孔洞，需要对三维点云数据进行填补处理。利用geomagic软件对三维扫描图进行修补，自动修复图形中的非流形边、自相交、高度折射边、钉状物、小组件、小孔。
35.第四步、切割
36.利用matlab软件自带函数将三维点云数据读取储存在tr中，其中，点云信息中点的三维坐标属性存储在tr.points中，三角连接关系属性存储在tr.connectivitylist中。因标准点设定和扫描角度问题，采集到的三维信息存在些许偏斜，需对三维图像进行切割，并同时获得每幅图像的边界坐标信息。
37.第五步、标号
38.按照三维点云图像边界坐标信息建立步长为0.01mm的网格，将点云数据与网格进行匹配，依此排序标号：设点p(x
p
,y
p
)的标号为：
[0039][0040]
式中：xb—点p在整个网格中的横坐标序号；
[0041]
yb—点p在整个网格中的纵坐标序号；
[0042]
xstart—整个网络横坐标的最小值；
[0043]
ystart—整个网络纵坐标的最小值。
[0044]
在实际应用过程中，取xb、yb的整数部分作为最终点的序号。
[0045]
第六步、插值
[0046]
在对三维图像进行处理的过程中，进行了两次线性插值，通过细化两点之间的连接关系并进一步修补第二步过程处理后遗留的孔洞，从而提高三维曲面的整体平滑性。
[0047]
其一，利用空间三角面点的坐标信息和连接关系，命名为三角面插值，其中三角面是tr.connectivitylist中点的连接关系及相对应在tr.points中的坐标组成的平面。把空间三角形投影至xoy平面，将该三角形区域的x、y以步长0.01mm递进划分网格，判断该区域网格点是否在三角形内部：
[0048]
若为内部点，则保留该点x值和y值并进行标号，然后将该点反投射回空间三角面，根据空间三角面方程得到该点相应的z值，即完成三角面填充插值。
[0049]
设三角面三个点的坐标分别为：
[0050]
a(x1,y1,z1)、b(x2,y2,z2)、c(x3,y3,z3)，任意点p(x
p
,y
p
,z
p
)，判断点p是否在三角面内部或边界上
[0051][0052]
当a1、a2、a3同号时，则根据三点坐标构成的平面信息将p点纵坐标计算存储到网格对应位置，其中平面方程计算如下：
[0053][0054]
式中，a、b、c均为平面方程的系数。
[0055]
最终点的高度信息均在以图像长宽长度(mm)为行列、内部以0.01mm为间距的网格上，该过程实现了对三维点云数据的初步插值，将每个x,y对应的标号作为输出高度矩阵对应高度信息存储的行和列，从而实现将每个点的高度值按顺序排列输出为二维矩阵。
[0056]
其二，利用缺失点周围的八个点的高度值信息进行插值，命名为九宫格插值，其原理示意图如图2所示。先对所有零点遍历，对所有零点对应九宫格中非零数值的个数进行排序，优先处理覆盖九宫格数据周边非零个数多的空值点，若零点即p点的周边九宫格数据组中有一个及一个以上非零点，则将该九宫格所有数据的平均值作为该点的填充高度值。
[0057]
边与角上的零点填充处理与上述步骤相同，不同点在于按照非零点位置截取的九宫格样式不同。按照该流程依次覆盖插值，可消除高度矩阵的缺失值，得到平滑的三维曲面。该过程可以消除缺失值对构造深度结果的影响，从而得到可用于后期计算的高度矩阵。
[0058]
上述实施例仅仅是清楚地说明本发明所作的举例，而非对实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动。