劉 浩,李 冬,于振國,姜 旭

(河海大學 地球科學與工程學院,江蘇南京210098)

0 引 言

三維激光掃描作為一種先進的全自動高精度立體掃描技術,又被稱為“實景復制”技術,在逆向工程、測繪、虛擬仿真等領域正逐漸深入的應用。利用三維激光掃描儀采集的點云數(shù)據(jù)可以快速重建出原實體的三維模型,其中點云邊界點的提取是數(shù)據(jù)壓縮、目標識別、曲面重建的關鍵步驟之一。邊界點可構成模型最基本的幾何框架,因此邊界點的正確提取對于準確表達模型外觀具有關鍵作用。通常在邊界點提取的過程中會首先進行模型特征點的提取,然后再依據(jù)一定的規(guī)則從候選特征點中篩選出邊界點。Milroy M J[1]和Yang[2]在局部坐標系內進行二次參數(shù)曲面計算,通過判斷曲率極值來提取邊界點。賀美芳等[3-4]利用Yang的方法處理點云得到二次參數(shù)曲面方程,并利用朱心雄[5]提到的方法求高斯曲率、平均曲率來進行邊界點提取。胡鑫等[6]利用梯度求解法,計算各采樣點的法矢和曲率并進行閾值判斷得到候選邊界點。孫殿柱等[7]先建立散亂點云數(shù)據(jù)的拓撲關系,利用采樣點及其k鄰域點擬合微切平面,并將采樣點和其k鄰域點投影到微切平面,根據(jù)采樣點及其k鄰域點所對應投影點連線的最大夾角進行點云邊界點的提取。法矢夾角法需要建立散亂點云數(shù)據(jù)之間的拓撲關系,計算采樣點和其k鄰域點法矢的夾角,運算量較大,增加了算法的時間復雜度。近些年國內外對深度圖像的研究形成了熱潮,除了直接利用點云坐標數(shù)據(jù)進行邊界點提取外,還可以先將點云數(shù)據(jù)轉化成深度圖像,利用深度圖像進行點云邊界點提取。

1 利用深度圖像提取點云邊界點

1.1 深度圖像

近幾年國內外對深度圖像的研究形成了熱潮,深度圖像不同于常見的灰度圖像,灰度圖像中的像素點代表了該點所接收光的強度或灰度,而深度圖像中的像素點包含的是對應掃描點的深度信息。由于圖像中的深度數(shù)據(jù)獨立于光照及物體表面的光反射特性,與灰度圖像相比深度圖像分析中沒有光照的陰影及物體光滑表面上紋理(圖案)所產生的困擾,因而深度圖像數(shù)據(jù)可以比較容易求得有關物體的更可靠的幾何信息[8]。

1.2 深度圖像的獲取

目前產生深度圖像主要有兩種方式,一種是利用設備直接采集待掃描場景的深度數(shù)據(jù)并以圖像的形式進行保存;另一種是先獲取場景中每個采樣點的三維坐標,再利用測站點或視點坐標轉換成深度圖像。

1.3 深度圖像的邊界提取

孫曉蘭等[9]將三維點云坐標數(shù)據(jù)轉化成2.5維深度圖像,分析并評估了掃描線迭代法、雙方向曲率法、二階微分算子法等三種算法在深度圖像邊緣檢測中的性能,實驗表明:雙方向曲率法對噪聲較為敏感,有些主要邊緣未能提取出來,在非邊緣處還出現(xiàn)了很多孤立的邊緣點;微分算子法能將一些主要區(qū)域分割出來,并且在三種方法中運算速度最快,但欠分割較嚴重,漏掉了很多小塊區(qū)域,可以應用于分割大塊區(qū)域的場合中;掃描線迭代法能檢測出所有的邊緣,可以較好地平衡邊緣定位精度和抗噪聲性能的矛盾。

2 邊界點分類提取算法

2.1 算法介紹

在深度圖像中,特征點通常呈現(xiàn)出距離數(shù)據(jù)從物體到背景的非連續(xù)變化。在論文中我們主要關注三種類型的特征點:物體邊界點,陰影邊界點和遮掩點。物體邊界點是物體外圍仍屬于該物體的點,陰影邊界點是背景中連接遮掩物的點,遮掩點是物體邊緣和陰影邊緣之間的內插點。遮掩點是三維激光測量中的典型現(xiàn)象,較好地處理遮掩點可以提高匹配和分類的結果。該算法由Steder等[10]提出,論文將對該算法的原理作詳細解釋并利用三維激光掃描儀獲取的實際工程數(shù)據(jù)對該算法實用性進行檢驗并作分析評價。

2.2 算法步驟

論文中以下提到的2D位置指的是像素點在深度圖像中位置,3D位置指的是采樣點在測量坐標系中的坐標,同樣,2D距離指的是圖像中像素之間的距離,3D距離指的是點與點之間的歐式距離。

圖1 采樣點及其鄰域點圖

(2)搜索并計算深度圖像中采樣點與鄰域點之間的3D距離{d0,d1,…,ds2-1}。

(3)對(2)中計算出的距離值進行升序排列{d′0,d′1,…,d′s2-1}。

(4)計算采樣點與頂部鄰域點間的平均距離dtop=‖px,y-ptop‖,其中px,y是深度圖像中位置為(x,y)處的點,平均距離,mp參數(shù)可以在實驗中進行調節(jié),論文中設定mp=3。

(6)在所有候選物體邊界點中選擇2D距離最大(本文中選擇3個像素)分值最高的點作為陰影點。

(7)比較 s′top=max(0.9,1-(1-sshadow)3)·stop和0.8的大小,如果 s′top大于0.8并且比 px,y-1和px,y+1處的分值高,則px,y處的點作為物體邊界點,px,y-1和px,y+1作為陰影點,之間的點作為遮掩點。

(8)同理計算另外三個分值 sbottom、sleft、sright,其分別描述了在采樣點底部、左側和右側存在邊界的可能性。

2.3 實驗

為了檢驗該算法的效果,作者選取了三維激光掃描儀獲取的兩處場景數(shù)據(jù)進行實驗。場景1是一個橋梁,點云文件中共有692 812個點,場景2是一個放有實驗儀器的房間,點云文件中共有359 363個點。

圖2是利用轉換后的點云坐標數(shù)據(jù)產生的場景1和場景2的深度圖像。

圖2 場景深度圖像

圖3是利用論文的算法對圖2的深度圖像進行處理,提取各對應場景的邊界點。

圖3 場景邊界點提取圖

從實驗效果來看,該算法基本能正確區(qū)分物體邊界點、陰影邊界點和遮掩點,對于噪聲也有一定的抗干擾能力。因為算法主要依據(jù)深度圖像的距離變化進行邊界點的檢測,因此要求邊界點數(shù)據(jù)有一定梯度變化。

3 總 結

點云邊界點提取是點云數(shù)據(jù)處理的一項關鍵技術,傳統(tǒng)的邊界點提取算法都是在直接利用點云坐標數(shù)據(jù)進行邊界點的提取,存在運算量過大等弊端。論文利用邊界點分類提取算法進行點云邊界點的提取,并利用實際三維激光掃描儀獲取的兩處場景數(shù)據(jù)對算法進行驗證,實驗表明該算法基本能正確提取點云邊界點,同時具有抗噪聲干擾能力,具有一定的實用性。

[1] Milroy M J,Bradley C,Vickers G W.Segmentation of a wrap-around model using an active contour[J].Computer-Aided Design,1997,29(4):299-320.

[2] Yang M,Lee E.Segmentationof measured point data using a parametric quadric surface approximation[J].Computer-Aided Design,1999,31(7):449-457.

[3] 賀美芳,周來水,朱延娟,等.基于局部基面參數(shù)化的點云數(shù)據(jù)邊界自動提取[J].機械科學與技術,2004,23(8):912-915.

[4] 賀美芳,周來水,神會存,等.散亂點云數(shù)據(jù)的曲率估算及應用[J].南京航空航天大學學報,2005,37(4):515-519.

[5] 朱心雄.自由曲線曲面造型技術[M].北京:科學出版社,2000.

[6] 胡 鑫,習俊通,金 燁.基于圖像法的點云數(shù)據(jù)邊界自動提取[J].上海交通大學學報,2002,36(8):1118-1120.

[7] 孫殿柱,范志先,李延瑞,等.散亂數(shù)據(jù)點云邊界特征自動提取算法[J].華中科技大學學報(自然科學版),2008,36(8):82-84.

[8] 孫龍祥,程義民,王以孝,等.深度圖像分析[M].北京:電子工業(yè)出版社,1996.

[9] 孫曉蘭,趙惠潔,祝世平.基于深度圖像的邊緣檢測方法研究[C]//2004全國光學與光電子學學術研討會、2005全國光學與光電子學學術研討會、廣西光學學會成立20周年年會論文集.

[10] Steder B,Rusu R B,Konolige K,et al.Point feature extraction on 3D range scans taking into account object boundaries[C]//2011 IEEE International Conference on Robotics and Automation(ICRA),Shanghai,2011:2601-2608.