论文部分内容阅读
随着三维场景获取设备的日益成熟，以三维几何为基础的三维图形处理技术获得了快速的发展，近年来广泛地应用于逆向工程、数字文物保护、计算机图形学等领域。三维场景识别作为三维图形处理的核心内容和主要目的，已经受到国内外众多研究者的关注。针对三维场景的分割作为三维物体识别、三维重建过程中的关键性步骤，在三维数据处理中占据了重要的位置。尽管目前的三维点云分割方法对传统的算法作了不少改进，但在分割结果的抗噪性和准确性等方面依然存在很多值得进一步研究和解决的问题。为此，本文针对三维点云分割问题进行深入的探索和研究，从数据自身的几何特性出发，针对性地提出了一些新的理论和处理方法，通过实验证明了所提出方法的可靠性和有效性。 本文首先介绍了点云处理技术以及点云分割的研究现状，总结了现有分割方法的主要分类情况;对现有数据采集方法以及各自的特点进行了深入阐述，并给出基本几何特征法向量的估算方法;进一步又详细阐述了几种具有代表性的点云分割基础算法，分析探讨其主要优缺点，为本文新算法的提出指明方向。其次，针对已有的二维边缘检测算子实质是基于局部的算子，难以有效进行三维场景边缘提取的问题，本文研究了三维空间内平面几何曲线的全局边缘性质，提出一种基于滚动圆的点云数据边缘检测新算法(EDC，Edge Detection by Rolling-Circle)。该算法以点云数据的全局特性为基础，构建了基于滚动圆的边缘检测新模型。采用滚动圆的方法针对不同边缘类型进行相应建模，定义了多个特征系数并基于此建立边缘判定准则，实现快速边缘定位。利用公共数据库进行多组实验，分析结果表明，该方法能有效地检测出物体边缘，对噪声具有较低的敏感程度。接着，针对三维数据分割中如何准确的确定平面以及如何找到最佳接纳阈值这两个关键性问题，提出了一种基于动态平面提取的点云分割算法(DPE，Dynamic PlaneExtraction)。算法以动态生长为核心思想，针对固定阈值不能有效适应点云各平面由于噪声而起伏不一致的情况，将平面生长过程中的最小特征值作为平面波动度量的阈值，采用动态维护点云系统实时状态信息的方式，实现自适应阈值，解决最佳阈值与准确提取平面的问题;算法以区域生长为主要框架，采用实时判别、更新、监控的方式，监控几个主要动态信息量追踪生长状态的方式达到平面生长的稳定。算法有效地完成了点云数据的平面提取及分割工作，得到了丰富的场景几何信息，经实验证明分割结果具有较高的准确性和鲁棒性，并具有一定的抗噪性能。最后，搭建了三维点云分割的实验系统。通过对数据处理层、显示交互层和控制层的设计，实现了数据的显示交互以及算法的处理，展示了平面分割、边缘提取以及各种三维几何信息，验证了文中算法的有效性和可靠性。