一种场景理解的网格曲面重建方法

1.一种场景理解的网格曲面重建方法，其特征在于，步骤如下：步骤一、采用光学或非光学设备获取点云模型，并输入来源自不同场景的点云模型；步骤二、对输入的数据进行异常数据识别、法矢量计算和一致性调整；步骤三、对点云进行视觉感知特性的广义几何图元区域分割；所述的步骤三具体为：3.1，将复杂的场景根据局部区域的特征划分为由多个基本的“块”或“片”对应的广义几何图元组合体，把点云整体模型的重建问题统一转化为对广义几何图元的重建；3.2，基于“先提取分支区域，再切片剩余区域”的点云分割思路，提取模型的以2D曲面或1D曲线呈现的低维度内在特征信息，作为视觉感知分割的基础依据；3.3，基于视觉投影映射的可视区域采集方法，将对三维点云的分析降维到对二维深度图的分析，基于顶点与法矢量内在一致统一的分割算法，实现对形态复杂区域具有局部视觉感知的“片”状分割，从而最终实现点云具有视觉感知特性的区域分割；3.4，根据骨架点在其对应法向n所在直线上的特性，设计面向开放、噪声曲面点云的近似骨架点求解算法： 为点云 对应的骨架；(p,q)对应的最大内切球 球心c p ＝q＝p-ρ p n p ， 为B p 与 的切点，θ p 为球心到两切点的张角，半径 骨架点的求解可转化为迭代计算 是否为1的问题；蕴含顶点位置、半径信息等的相似度度量函数可表示为k(B pi ,B pj )＝f 1 (||p i -p j ||)f 2 (|ρ i -ρ j |)，采用异常数据识别的最优化目标函数，依据局部形态的几何信息重新计算准确的数据信息；骨架点可表示为 从中提取出对应的1D结构骨架中心曲线表示为 骨架中心曲线的提取转化为求解类似AX＝BQ方程，A为严格对角占优矩阵；3.5，对求解得出的结果采用基于MLS的移动最小二乘曲线拟合和基于主成分分析投影的方法得到最终的骨架中心曲线，对应曲线的分支为 采用骨架中心曲线并结合扫掠判断准则，提取得到视觉感知明显的“最小”化分支区域，扫掠依据的判断准则可设计为：g(θ i |Θ)越大，θ i 越优，当g(θ i |Θ)小于给定阈值时延分支的扫掠停止；骨架曲线分支的垂直平面表示为π ⊥ ，θ作为垂直平面π ⊥ 的临近区域， 为前后相邻的K个临近区域提取结果，核函数f(x)计算θ i 临近之间的相似度；骨架点对应内切球B p 的并集 能准确的对模型Ω进行基于体方式的描述，因此点p的可见性即转化成其是否落在球 的可见范围内，从而采用深度图映射的方式实现对视场可见区域点云的提取；3.6，构建单位球在与视平面平行的H×H的正方形栅格化板上的深度值映射函数T(u,v)，T(u,v)为单位球在 位置对应的深度值；对所有 进行栅格化映射后即可得到模型对应视场方向上的深度图矩阵D，点p的可见性由其深度值可以直接计算；从视场L * 方向上提取的可见点云为P V ，根据D与P V 之间的对应关系，对D中对应像素点进行平面网格化即可得到P V 对应的空间网格M V ；对整个点云模型从多个不同视场方向进行基于深度图映射的分割，最终得到对整个点云模型的具有视觉感知的分割结果；步骤四、对分割后的点云广义几何图元进行基于场景的自学习理解和缺失区域自动修复；步骤五、对进行场景理解和自动修复后的分割点云进行视觉超球面二元映射的拟计算几何点云曲面重建；步骤六、对应为重建后的点云网格模型，重建结果遵循ρ-ε重建准则。 2.根据权利要求1所述的一种场景理解的网格曲面重建方法，其特征在于，所述的步骤二具体为：2.1，设定 表示真实场景的物体， 表示物体边界， 为对 进行采集到的散乱数据点集合， 为点p在点集P中的K临近集合，构建点云的无向图G(V,E)，V＝P，E为由P顶点对构成的边集；数据p i ,p j 的相似度度量函数可表示为k(p i ,p j )，p i ,p j 隶属同一子空间时度量函数应取较大值，反之较小，q pi ,q pj 为p i ,p j 对应的映射属性值；2.2，对点云异常数据的分析可转化为对以下目标函数求解结果的分析：将异常数据的识别问题转化为LX＝λX的特征值、特征向量计算问题；2.3，对存在噪声的点云法向矢量，用通过提取局部邻域所蕴含的最大内在曲面数据，并将其投影曲面空间从而估算出点云的准确法向矢量，并设计点云数据保持特征的法向矢量调整算法；2.4，基于数据局部最优的聚类子空间，构建相似函数来衡量法向之间的相似度，据此设计数据点云法矢的一致性调整算法。 3.根据权利要求1所述的一种场景理解的网格曲面重建方法，其特征在于，所述的步骤四具体为对点云模型P进行分割结果表示为： χ i 为分割出的具有基本“块”、“片”状的简单形态点云区域，设计自学习函数，根据其拓扑、几何形态特征，物理空间中的临近关系，将这些简单的“块”、“片”进行归类、组合，实现对场景的理解。 4.根据权利要求3所述的一种场景理解的网格曲面重建方法，其特征在于，所述的步骤四具体如下：4.1，分类函数采用以下的设计方式： 为分类标志向量，Y i 是χ i 对应的分类标志； K表示共有K个分类标准， 表示χ i 是否属于第k个分类的概率，f W (X,Y)反映了所有分割结果之间的最大相似度；4.2，构建分块X的无向图G(V,E)， χ i 对应的用以作为分类依据的特征向量映射为φ n (χ i )， 为分类权重；φ r (χ i ,χ j )为度量两个分块之间相似度关系的特征向量，表明其是否隶属于同一个或同一类物体，对应权重 度量两分类之间的依赖关系；X的分类结果 通过具有带有权重向量W的判别函数f W (X,Y)求解：Γ O 为由基本“块”、“片”经分类后组成的某一物体，Γ为对应物体的集合。 5.根据权利要求1所述的一种场景理解的网格曲面重建方法，其特征在于，所述的步骤五具体为：5.1，基于视觉超球面点云映射的基本原理，以R表示映射半径，C为观察点，超球面映射函数f P (R,C)可设计为：经计算后，点云模型可见区域映射为接近于球面的超薄球壳内、非可见点云映射为球面内；因可见区域的源点云与映射后的超球面点云拓扑同胚，因此由映射后点云所构建的凸包表面网格即可得到可见区域源点云对应的三角网格表达，可将超球面映射的用以实现对空间点云的分割和网格重建上；5.2，以正反二元分割为基础实现对模型点云数据的二元分割；利用超球面点云映射凸包与局部视角可见点云重建之间的一致性关系和映射准确性约束条件，对正、反二元视角的凸包重建网格进行反映射、融合后即可实现对应图元点云的整体网格重建模型；在对点云进行数据处理、分割、自学习归类的基础上，对分割结果中 的每一个简单广义几何图元χ i 采用基于二元视角映射的重建，并对图元之间进行融合，即能实现对整个物体的细粒度几何重建。