0 引言

    點(diǎn)云密度匹配是不同點(diǎn)云源數(shù)據(jù)融合的基礎(chǔ)，在點(diǎn)云數(shù)據(jù)配準(zhǔn)及孔洞修復(fù)等方面有著重要作用。現(xiàn)有點(diǎn)云密度調(diào)控方法主要是通過精簡方法來達(dá)到減小點(diǎn)云密度的目的。李仁忠^[1]等通過輸入點(diǎn)云數(shù)據(jù)創(chuàng)建一個三維體素柵格，用每個體素柵格的重心來近似顯示整個體素柵格中的所有點(diǎn)，從而達(dá)到點(diǎn)云精簡的目的，該方法在充分保留點(diǎn)云幾何特征的前提下，精簡結(jié)果比較均勻。吳祿慎^[2]等提出了一種改進(jìn)的重采樣算法，將點(diǎn)云數(shù)據(jù)劃分為特征區(qū)域和平坦區(qū)域，對特征區(qū)域進(jìn)行曲率采樣，對平坦區(qū)域進(jìn)行均勻采樣，該方法既保持了曲率采樣保留模型細(xì)節(jié)的特點(diǎn)，又保留了均勻采樣避免出現(xiàn)空白區(qū)域的優(yōu)點(diǎn)。袁小翠^[3]等提出一種特征保持的點(diǎn)云數(shù)據(jù)精簡方法，首先對點(diǎn)云K均值聚類，然后估計(jì)點(diǎn)云法矢和候選特征點(diǎn)，將包含特征點(diǎn)的聚類細(xì)分為多個子類，最后基于自適應(yīng)均值漂移法對數(shù)據(jù)進(jìn)行分類，各聚類中心的集合即為精簡結(jié)果，該方法能夠較好地保留原始曲面的幾何特征。SHI B Q^[4]等提出了自適應(yīng)K均值精簡法，對點(diǎn)云K均值聚類后根據(jù)類內(nèi)法矢偏差是否大于給定閾值，將聚類分為兩類，迭代判斷各類內(nèi)法矢偏差直至小于給定閾值，最后保留平坦區(qū)域的聚類中心以及非平坦區(qū)域法矢偏差最大的點(diǎn)，該方法對于噪聲過于敏感。LI H^[5]等提出一種基于法向量標(biāo)準(zhǔn)差的點(diǎn)云精簡算法，對點(diǎn)云數(shù)據(jù)采樣后進(jìn)行正態(tài)分布計(jì)算，通過相鄰點(diǎn)之間的法向角計(jì)算特征點(diǎn)之間的分離閾值，在特征點(diǎn)之間逐步向下采樣，實(shí)現(xiàn)點(diǎn)云的自適應(yīng)精簡，該方法可以較好地保留原模型的特點(diǎn)和形狀。CHEN Y^[6]等通過將點(diǎn)云數(shù)據(jù)劃分為特征區(qū)域與非特征區(qū)域，針對不同區(qū)域采用不同的精簡方法可以較好地保留細(xì)節(jié)特征。在點(diǎn)云密度調(diào)控方法中，鮮有增大點(diǎn)云密度方面的研究。

    本文基于運(yùn)動恢復(fù)結(jié)構(gòu)法^[7](Structure From Motion，SFM)，從二維特征點(diǎn)的密度調(diào)控出發(fā)，對兩幅序列圖像生成點(diǎn)云的密度進(jìn)行調(diào)控。密度調(diào)控既可以減小點(diǎn)云密度，精簡點(diǎn)云數(shù)據(jù)，又可以增大點(diǎn)云密度，使細(xì)節(jié)信息得到加強(qiáng)。在本文中，二維特征點(diǎn)的密度用平面特征點(diǎn)的平均間距來度量，點(diǎn)云密度用空間點(diǎn)云的平均間距來度量。

本文詳細(xì)內(nèi)容請下載:http://m.jysgc.com/resource/share/2000002989

作者信息:

蒙  浩1，2，李自勝1，2

(1.西南科技大學(xué) 制造科學(xué)與工程學(xué)院，四川 綿陽621010；

2.西南科技大學(xué) 制造過程測試技術(shù)省部共建教育部重點(diǎn)實(shí)驗(yàn)室，四川 綿陽621010)