买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：安徽开源路桥有限责任公司;东华理工大学;武汉理工大学

摘要：本发明涉及点云数据处理技术领域，尤其涉及一种自适应点云多曲线轮廓点线性增长光顺规则化方法，包括如下步骤：步骤1、构建整体LSM的空间直线拟合参数方程、基于几何特征分析的二次曲线拟合参数方程及空间圆曲线拟合参数方程，从而建立轮廓点到多曲线的最短距离约束条件，即多曲线参数方程；步骤2、基于上述约束条件，构建轮廓点线性增长算法，得到轮廓点的线性增长集合。本发明对线形轮廓点进行分析依据轮廓点到多曲线最短距离的约束条件，构建轮廓点线性增长算法，实现轮廓点的线性增长集合，对每个线性增长集合点云进行多曲线拟合得到轮廓特征点的规则化，提高规整度。

主权项：1.一种自适应点云多曲线轮廓点线性增长光顺规则化方法，其特征在于，包括如下步骤：步骤1、构建整体LSM的空间直线拟合参数方程、基于几何特征分析的二次曲线拟合参数方程及空间圆曲线拟合参数方程，从而建立轮廓点到多曲线的最短距离约束条件，即多曲线参数方程；步骤2、基于上述约束条件，构建轮廓点线性增长算法，得到轮廓点的线性增长集合；步骤3、利用多曲线参数方程对每个轮廓点的线性增长集合点云进行多曲线拟合，然后判断线性增长集合中各个线状点云的种类，以相应的对轮廓特征点线性增长集合进行规则化处理；所述步骤2按照如下步骤进行：步骤X、将轮廓特征点云利用线性区域增长算法进行线性增长，得到轮廓特征点线性增长集合，对于轮廓特征点云，所有点云标记为0，利用最邻近点搜索算法确定每个轮廓特征点的k个邻近点，将第一个邻近点作为种子点，判断其它邻近点是否属于增长的点；步骤Y、根据点到多曲线的距离求解方法，计算待增长的点PR＝xR,yR,zR到增长前多曲线的距离dR，该距离dR作为轮廓线性特征点增长的约束条件一；步骤Z、将待增长的点PR＝xR,yR,zR与增长前聚类点云组合在一起，构成增长后的线状点云根据增长后的线状点云的多曲线参数；计算增长后的点云到线状点云多曲线的距离该距离平均值为： 该距离平均值作为轮廓线性特征点增长的约束条件二；步骤W、根据步骤Y与步骤Z得到的约束条件一和约束条件二，构建轮廓特征点线性区域增长的约束条件模型，如式37所示； 对满足式37的情况下的轮廓特征点进行增长，并对增长过的轮廓特征点标记为1，否则，将停止增长，并返回步骤X；重复步骤X到Z直到所有点都被标记为1，从而完成轮廓特征点云的线性增长；最终得到轮廓特征点线性增长集合Φ＝{P0,P1,P2,…,Pm}；所述步骤3中的对轮廓特征点线性集合规则化处理，具体如下：对于轮廓特征点线性增长集合Φ＝{P0,P1,P2,…,Pm}，对于线性集合中的每个线状点云Pm＝xm,ym,zm，利用每个线状点云到多曲线的平均距离代表直线平均距离，代表二次曲线平均距离，代表圆曲线平均距离；根据三者之间关系，判断线状点云pm属于哪一种线状点云，具体参照式39所示： 从而根据不同类线状点云数据，采用对应方法对其进行规则化处理；且设置规则化处理后的点云距离分辨率为对于直线型点云数据：利用最邻近点搜索算法确定最远的两个点为与已知空间直线拟合一定通过中心点对于其中任意一个最远点计算该点与该中心点组成的向量V1； 已知点云Pm的整体LSM空间直线向量V3＝[j,k,l]，计算向量V1在空间直线向量VC上的投影向量V1C； 根据投影向量V1C＝[j1Ck1Cl1C]，便可得到任意一个最远点PLxL,yL,zL在整体LSM空间直线上的投影坐标为： 确定最远点距离df，则直线型点云的点数为： 根据式44最远点在直线上的投影坐标P1p和P2p，确定直线上规则化后的点坐标； 式44中，P1p和P2p分布表示最远的两个点在直线上的投影坐标；对于二次曲线型点云数据：根据规则化前的点云距离分辨率及点的数量mc，得到规则化后的点数为： 根据式45，得到二次曲线的参数为： 将式46代入到二次曲线拟合参数方程中，确定二次曲线上规则化后的点坐标；根据空间圆曲线拟合参数方程，空间圆曲线的点坐标由角度Φ确定；进而可确定角度Φ与及r之间的关系为： 将式47代入到空间圆曲线拟合参数方程中，最终确定圆曲线上规则化后的点坐标。

全文数据：

权利要求：

百度查询： 安徽开源路桥有限责任公司 东华理工大学 武汉理工大学 一种自适应点云多曲线轮廓点线性增长光顺规则化方法