隨著三維掃描儀的發(fā)展,人們可以方便地獲取各種原始點(diǎn)云數(shù)據(jù)。逆向工程、工業(yè)制造等多種領(lǐng)域?qū)@些原始點(diǎn)云數(shù)據(jù)的使用越來(lái)越廣泛。法向量是點(diǎn)云的重要幾何性質(zhì),快速、準(zhǔn)確的得到法向是點(diǎn)云數(shù)據(jù)分析和處理的基礎(chǔ)。點(diǎn)云的重建、渲染、各向異性的光滑、分割、特征檢測(cè)和提取等諸多應(yīng)用,都依賴于高質(zhì)量的法向信息。然而,對(duì)于尖銳特征點(diǎn),其鄰域是由兩個(gè)甚至多個(gè)光滑曲面拼接而成,這使得準(zhǔn)確的法向估計(jì)變得十分困難。若估計(jì)不準(zhǔn)確,在點(diǎn)云數(shù)據(jù)處理時(shí)容易丟失曲面的細(xì)節(jié)特征,重建后的曲面難以恢復(fù)原始模型的幾何特征。以分割為基礎(chǔ)的法向估計(jì)算法主要是通過(guò)初始法向的差異來(lái)構(gòu)造點(diǎn)之間的相似性。由于距離屬性的缺失,這一類算法對(duì)于緊鄰面及一些光滑曲面的估計(jì)結(jié)果并不理想。本文提出一種基于最短路的差異性累積的法向估計(jì)算法,利用最短路將初始法向的差異性和點(diǎn)的位置信息相融合,通過(guò)疊加最短路中點(diǎn)的初始法向差異,計(jì)算兩點(diǎn)之間的相似性。如此計(jì)算獲得的相似性不僅僅考慮了點(diǎn)之間法向的差異,還有效地利用了最短路本身所包含的結(jié)構(gòu)信息,考慮了路徑中點(diǎn)法向的變化情況,能有效地對(duì)緊鄰面和光滑曲面的近鄰結(jié)構(gòu)進(jìn)行刻畫。本文算法的具體步驟為:首先,對(duì)于部分點(diǎn)的鄰域,找到... 

【文章來(lái)源】：遼寧師范大學(xué)遼寧省

【文章頁(yè)數(shù)】：39 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

(a)為法向?qū)?shù)據(jù)缺失的原始點(diǎn)云表面重建的影響

基于最短路的差異性累積的法向估計(jì)算法2樣不均勻和缺失區(qū)域等各種缺陷。這些缺陷對(duì)點(diǎn)云法向估計(jì)算法的魯棒性提出了巨大挑戰(zhàn)。二、鄰域信息的獲齲在法向估計(jì)中鄰域信息非常重要，因?yàn)榛跀M合的這類方法的主要思想是利用局部鄰域信息擬合得到平面以此來(lái)估計(jì)點(diǎn)的法向。而三維掃描儀得到的點(diǎn)云數(shù)據(jù)已丟失點(diǎn)與點(diǎn)之間的連接關(guān)系，鄰域的獲取只能依賴于點(diǎn)之間的歐式距離，這使得在估計(jì)法向時(shí)尋找點(diǎn)的正確鄰域變成了一個(gè)很有挑戰(zhàn)性的問(wèn)題。對(duì)于尖銳特征，其鄰域是由兩個(gè)甚至多個(gè)光滑曲面拼接而成，歐式距離并不能很好的刻畫該點(diǎn)的結(jié)構(gòu)特征，鄰域的構(gòu)造往往會(huì)出錯(cuò)，準(zhǔn)確的法向估計(jì)變得十分困難，如圖1.2(a)所示。而對(duì)于類似于緊鄰面這類更為復(fù)雜的結(jié)構(gòu)，準(zhǔn)確鄰域信息的獲得就變得更為困難，如圖1.2(b)所示，僅僅根據(jù)歐氏距離獲得的鄰域容易跨平面。(a)(b)圖1.2根據(jù)歐氏距離選取當(dāng)前點(diǎn)(紅色點(diǎn))的鄰域。(a)為尖銳特征的鄰域選擇，(b)為緊鄰面的鄰域選擇。Fig.1.2Selecttheneighborhoodofthecurrentpoint(redpoint)accordingtoEuclideandistance.(a)neighborhoodselectionofsharpfeatures,and(b)neighborhoodselectionofadjacentsurfaces.

遼寧師范大學(xué)碩士研究生學(xué)位論文5))((||)(||)()(1iipjiiiNppiippgppfppkpjiijiji(2.1)式中，)(ippji是基于點(diǎn)jip位置信息和其法向jn對(duì)點(diǎn)ip進(jìn)行線性預(yù)測(cè)，即jjijiiipnnppppji)()(。函數(shù)f)(和g)(為加權(quán)函數(shù)，分別稱為位置權(quán)函數(shù)和影響權(quán)函數(shù)，都是正的、單調(diào)的、遞減的函數(shù)。f)(函數(shù)控制如何使用點(diǎn)的鄰域大小來(lái)估計(jì)ip。g)(函數(shù)剔除了異常值，并給出了3D雙邊濾波器的保特征行為。k為歸一化因子，其取值為權(quán)重之和，即：))((||)(||)(iipjiNpiippgppfpkjiiji公式2.1得到點(diǎn)ip更新后的位置ip，記)(iippF，其更新后的法向in可以由)(ipF的雅可比矩陣)(ipJ得到，即：iiiiiippFJnnpJp)()(,)(T對(duì)于平坦區(qū)域，點(diǎn)ip處的法向in被濾波器所修改的結(jié)果如圖2.1(a)所示。由于濾波器對(duì)點(diǎn)的位置去除噪聲，將空間垂直壓縮到由點(diǎn)定義的平面，所以點(diǎn)會(huì)更靠近平面，法線彼此對(duì)齊。對(duì)于尖銳特征，如圖2.1(b)所示的角點(diǎn)區(qū)域，被濾波器所修改后點(diǎn)的法向與哪一側(cè)平面法向所對(duì)齊，這取決于它們的原始位置。這類方法雖然可以通過(guò)移動(dòng)點(diǎn)的位置恢復(fù)出幾乎正確的法向信息，但是如果尖銳特征處的初始法向存在嚴(yán)重的光滑和污染,則無(wú)法準(zhǔn)確地恢復(fù)模型的尖銳特征。同時(shí)，在實(shí)際應(yīng)用中這類方法需要用戶手動(dòng)的調(diào)節(jié)參數(shù)，反復(fù)嘗試不同的數(shù)值以獲得滿意的結(jié)果，這一過(guò)程非常耗時(shí)。特別是在用戶不清楚點(diǎn)云中所包含的噪聲大小和采樣密度時(shí)，參數(shù)的調(diào)節(jié)將更加困難、更加耗時(shí)。(a)(b)圖2.1(a)為平坦區(qū)域的法向?yàn)V波，(b)為角點(diǎn)區(qū)域的法向?yàn)V波Fig.2.1(a)isthenormalfilteringoftheflatregion,and(b)isthenormalfilteringofthecornerregion.


本文編號(hào)：3214978