一种点群数据特定目标数据提取的自动建模方法及系统
阅读说明：本技术 一种点群数据特定目标数据提取的自动建模方法及系统 (Automatic modeling method and system for extracting specific target data of point group data ) 是由 关键 邹洋 于 2021-06-24 设计创作，主要内容包括：本发明涉及点群数据处理技术领域,提供一种点群数据特定目标数据提取的自动建模方法及系统,所述方法包括：步骤100,从点群数据获取设备得到的点群数据,对点群数据中所有数据点进行RGB空间到HSL空间的转换；步骤200,依据数据点的色相角属性值进行色相区域分类,进行色相角区间分类；根据色相角区间分类的情况与目标物本身颜色特征,在色相角区间分类中选取目标物色相角区间范围,进而确定所有的目标点群；步骤300,在所有点群中划分目标点群总集、候选核心点群和后补点群,并生成近似目标核心点群；步骤400,对生成近似目标核心点群,进行自动建模,得到预期的目标物模型。本发明能够实现自动建模,增强建模过程的鲁棒性。(The invention relates to the technical field of point group data processing, and provides an automatic modeling method and system for extracting specific target data of point group data, wherein the method comprises the following steps: step 100, converting all data points in the point group data from an RGB space to an HSL space from the point group data obtained by the point group data acquisition equipment; step 200, classifying hue areas according to hue angle attribute values of data points, and classifying hue angle intervals; selecting a target object hue angle interval range in the hue angle interval classification according to the hue angle interval classification condition and the color characteristics of the target object, and further determining all target point groups; step 300, dividing a target point cluster total set, a candidate core point group and a post-complementing point group in all the point groups, and generating an approximate target core point group; and 400, automatically modeling the generated approximate target core point group to obtain an expected target object model. The invention can realize automatic modeling and enhance the robustness of the modeling process.)
技术领域
本发明涉及点群数据处理
技术领域
，尤其涉及一种点群数据特定目标数据提取的自动建模方法及系统。背景技术
三维点群测量设备能够得到数量庞大的点数据，点群数据往往具有数据量大，信息多样化的特点。基于获取的点群数据进行建模的研究是行业的主要研究方向。
目前普遍的建模方法采用的是操作人员的手动建模比较能够达到预期的要求，但是手动建模效率较低，人工干预较多，目前还不能实现自动建模。如何找到一种技术方案能够实现从点群数据目标数据提取到目标自动建模并得到预期效果是急需解决的问题及难点。
发明内容
本发明主要解决目前普遍的建模方法是操作人员的手动建模，手动建模效率较低，人工干预较多，目前还不能实现自动建模的技术问题，提出一种点群数据特定目标数据提取的自动建模方法及系统，以实现自动建模，并增强建模过程的鲁棒性。
本发明提供一种点群数据特定目标数据提取的自动建模方法，包括以下步骤：
步骤100，从点群数据获取设备得到的点群数据，对点群数据中所有数据点进行RGB空间到HSL空间的转换；
步骤200，依据数据点的色相角属性值进行色相区域分类，进行色相角区间分类；根据色相角区间分类的情况与目标物本身颜色特征，在色相角区间分类中选取目标物色相角区间范围，进而确定所有的目标点群；
步骤300，在所有点群中划分目标点群总集M1、候选核心点群MK和后补点群Mre，并生成近似目标核心点群Mapp_F，包括步骤301至步骤303：
步骤301，在所有点群中划分目标点群总集M1、候选核心点群MK和后补点群Mre；
步骤302，对候选核心点群MK进行扩展，得到空间核心点群Mapp：对候选核心点群MK内的所有点归为空间核心点群Mapp；对于候选核心点群MK中任意一个核心数据点ni，用三维欧拉距离判断核心数据点ni与目标点群总集M1中待判定数据点nj的距离，当距离小于核心数据点ni的邻域时，将待判定数据点nj归为空间核心点群Mapp；
步骤303，遍历后补点群Mre中的所有后补数据点ns，当后补数据点ns小于后补数据点ns到空间核心点群Mapp的邻域时，将该后补数据点ns补入空间核心点群Mapp，生成近似目标核心点群Mapp_F；
步骤400，对生成近似目标核心点群Mapp_F，进行自动建模，得到预期的目标物模型。
进一步的，在步骤100中，转换前数据点的属性值包括空间三维坐标与RGB颜色分量，数据点记为:ni(xi，yi，zi，ri，gi，bi)；ni表示第i个数据点；xi，yi，zi分别表示第i个数据点的空间坐标X轴，Y轴，Z轴分量；ri，gi，bi分别表示第i个数据点的RGB色域红、绿、蓝特征值。
转换后的数据点属性值包括空间三维坐标与HSL分量，数据点记为:ni(xi，yi，zi，hi，si，li)；其中，hi表示第i个数据点的色相角；si表示第i个数据点的饱和度；li表示第i个数据点的亮度。
进一步的，在步骤100中，依据如下公式进行RGB空间到HSL空间的转换；
其中：h表示色相角特征值，h∈[0,360)；s表示饱和度特征值，s∈[0,1]；l表示亮度特征值，l∈[0,1]；r表示红色特征值，r∈[0,255]；g表示绿色特征值，g∈[0,255]；b表示蓝色特征值，b∈[0,255]；max表示所有点数据颜色分量(r，g，b)最大值，max∈[0,255]；min表示所有点数据颜色分量(r，g，b)最小值，min∈[0,255]。
进一步的，在步骤200中，按照以下公式进行色相角区间分类：
D＝360/B；
其中，D表示色相角区间分类数，值为正自然数；B表示区间标准值，B的值为正自然数。
进一步的，在步骤300中，在所有点群中划分目标点群总集M1、候选核心点群MK和后补点群Mre的过程如下：
在所有的目标点群中，选取K个数据点作为候选核心点群MK；在所有的目标点群中去除候选核心点群MK，形成目标点群总集M1；去除候选核心点群MK和目标点群总集M1之外的点群形成后补点群Mre。
进一步的，在步骤400中，采用Delaunay三角剖分法进行自动建模。
对应的，本发明还提供一种点群数据特定目标数据提取的自动建模系统，包括：初始点云数据模块、目标点群确定模块、目标物数据提取模块以及自动建模模块；
所述初始点云数据模块，从点群数据获取设备得到的点群数据，对点群数据中所有数据点进行RGB空间到HSL空间的转换；
所述目标点群确定模块，依据数据点的色相角属性值进行色相区域分类，进行色相角区间分类；根据色相角区间分类的情况与目标物本身颜色特征，在色相角区间分类中选取目标物色相角区间范围，进而确定所有的目标点群；
所述目标物数据提取模块，在所有点群中划分目标点群总集M1、候选核心点群MK和后补点群Mre，并生成近似目标核心点群Mapp_F，包括：点群划分子模块、数据一次补全子模块和数据二次补全子模块：
所述点群划分子模块，在所有点群中划分目标点群总集M1、候选核心点群MK和后补点群Mre；
所述数据一次补全子模块，对候选核心点群MK进行扩展，得到空间核心点群Mapp：对候选核心点群MK内的所有点归为空间核心点群Mapp；对于候选核心点群MK中任意一个核心数据点ni，用三维欧拉距离判断核心数据点ni与目标点群总集M1中待判定数据点nj的距离，当距离小于核心数据点ni的邻域时，将待判定数据点nj归为空间核心点群Mapp；
所述数据二次补全子模块，遍历后补点群Mre中的所有后补数据点ns，当后补数据点ns小于后补数据点ns到空间核心点群Mapp的邻域时，将该后补数据点ns补入空间核心点群Mapp，生成近似目标核心点群Mapp_F；
所述自动建模模块，对生成近似目标核心点群Mapp_F，采用Delaunay三角剖分法进行自动建模，得到预期的目标物模型。
本发明提供的一种点群数据特定目标数据提取的自动建模方法及系统，具有目标明确，准确性强，效率高的优势。由于点群数据采样的是实际物体的点数据，实际物体可能会产生颜色缺失(如掉漆，有覆盖物等)的情况，因此本发明在建模过程中采用二次补全方法，利用此方法可以对点群数据中的颜色特征缺失数据进行再提取，增强了建模过程的鲁棒性。
附图说明
图1是本发明提供的群数据特定目标数据提取的自动建模方法的实现流程图；
图2是色相角区间分类的示意图；
图3是目标点群总集的示意图；
图4是目标点群总集、候选核心点群和后补点群的示意图；
图5是空间核心点群的示意图；
图6是近似目标核心点群的示意图；
图7是结果模型的示意图；
图8是本发明提供的群数据特定目标数据提取的自动建模系统的模块连接示意图。
具体实施方式
为使本发明解决的技术问题、采用的技术方案和达到的技术效果更加清楚，下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部内容。
实施例一
如图1所示，本发明实施例提供的点群数据特定目标数据提取的自动建模方法，包括以下步骤：
步骤100，从点群数据获取设备得到的点群数据，对点群数据中所有数据点进行RGB空间到HSL空间的转换。
本步骤从点群数据获取设备得到的点群数据，点群数据中点个数为N。转换前数据点的属性值包括空间三维坐标与RGB颜色分量，数据点记为:ni(xi，yi，zi，ri，gi，bi)；ni表示第i个数据点；xi，yi，zi分别表示第i个数据点的空间坐标X轴，Y轴，Z轴分量；ri，gi，bi分别表示第i个数据点的RGB色域红、绿、蓝特征值。
转换后的数据点属性值包括空间三维坐标与HSL分量，数据点记为:ni(xi，yi，zi，hi，si，li)；其中，hi表示第i个数据点的色相角；si表示第i个数据点的饱和度；li表示第i个数据点的亮度。
在步骤100中，依据如下公式进行RGB空间到HSL空间的转换；
其中：h表示色相角特征值，h∈[0,360)；s表示饱和度特征值，s∈[0,1]；l表示亮度特征值，l∈[0,1]；r表示红色特征值，r∈[0,255]；g表示绿色特征值，g∈[0,255]；b表示蓝色特征值，b∈[0,255]；max表示所有点数据颜色分量(r，g，b)最大值，max∈[0,255]；min表示所有点数据颜色分量(r，g，b)最小值，min∈[0,255]。
因此s和l不影响颜色的分类，依据点数据的色相角属性值h的值进行色相区域分类。
步骤200，依据数据点的色相角属性值进行色相区域分类，进行色相角区间分类；根据色相角区间分类的情况与目标物本身颜色特征，在色相角区间分类中选取目标物色相角区间范围，进而确定所有的目标点群。
在步骤200中，按照以下公式进行色相角区间分类，如图2：
D＝360/B；
其中，D表示色相角区间分类数，值为正自然数；B表示区间标准值，B的值为正自然数。区间标准值B可以依据点群精度质量以及经验判断给定。
用户根据色相角区间分类D的情况与目标物本身颜色特征，在色相角区间分类D中选取目标物色相角区间范围，如图3。在此过程中用户可以通过图像显示系统实时观察所选择的点群总集的三维图像，被选点进行高亮显示。此过程具有灵活可变性。
步骤300，在所有点群中划分目标点群总集M1、候选核心点群MK和后补点群Mre，并生成近似目标核心点群Mapp_F，包括步骤301至步骤303：
步骤301，在所有点群中划分目标点群总集M1、候选核心点群MK和后补点群Mre，具体过程如下：
在所有的目标点群中，选取K个数据点作为候选核心点群MK；在所有的目标点群中去除候选核心点群MK，形成目标点群总集M1；去除候选核心点群MK和目标点群总集M1之外的点群形成后补点群Mre。
本步骤可以根据经验选取K个数据点作为选候选核心点群MK。至此如图4所示，所有点群被分成三部分，即目标点群总集M1、候选核心点群MK和后补点群Mre。
步骤302，对候选核心点群MK进行扩展，得到空间核心点群Mapp：对候选核心点群MK内的所有点归为空间核心点群Mapp；对于候选核心点群MK中任意一个核心数据点ni，用三维欧拉距离判断核心数据点ni与目标点群总集M1中待判定数据点nj的距离，当距离小于核心数据点ni的邻域时，将待判定数据点nj归为空间核心点群Mapp。
核心数据点ni与待判定数据点nj的距离offsetij，用epsilon表示以选取点为中心的邻域。
if offsetij<epsilon判定nj为ni点邻域内的点；经验给定邻域的值epsilon，计算ni点的邻域epsilon，选取目标点群总集M1中满足offsetij<epsilon条件的点，归为空间核心点群Mapp，并标记此点为“已访问”。在目标点群总集M1中每一个待判定数据点nj判定完毕后，得到空间核心点群Mapp，进行步骤303。如图5。本步骤对候选核心点群MK进行扩展，并限定了数据的范围，最大程度的降低了算法的运算时间，提高了建模效率。
步骤303，遍历后补点群Mre中的所有后补数据点ns，当后补数据点ns小于后补数据点ns到空间核心点群Mapp的邻域时，将该后补数据点ns补入空间核心点群Mapp，生成近似目标核心点群Mapp_F，如图6；
本步骤，对于后补点群Mre中的所有后补数据点ns中offsetij<E的点，作为图形完整化补修数据纳入到点群中，即：
E表示后补数据点到空间核心点群Mapp的邻域，通过经验和实际需要给定；本步骤弥补了点群数据本身产生的缺陷(如被扫描物体掉漆，有覆盖物等)导致的空间核心点群Mapp中的数据缺失，能够防止因缺陷过大时提取的数据点不足导致建模不完整，提高建模的准确性。
经过步骤300的各步处理，能够从大量的点群数据中提取出符合标准的点群数据。
步骤400，对生成近似目标核心点群Mapp_F，进行自动建模，得到预期的目标物模型。
本步骤采用Delaunay三角剖分法进行自动建模：首先在近似目标核心点群Mapp_F的外周构造一个极大三角形，使得Mapp_F中所有点都落在该三角形里面，其次，逐一地在建模系统插入近似目标核心点群Mapp_F中的点，每插入一个点，必须搜索已有三角形的外接圆，如果插入点位于某些三角形的外接圆内部，则将这些三角形从三角形队列中删除，从而形成多边形空腔；最后，将插入点和多边形空腔连接起来，构成若干个以插入点为共同顶点的新三角形。根据Delaunay三角剖分空外接圆准则(过每个三角形的外接圆均不包含点集的其余任何点)进行三角网格优化，直到标核心点群Mapp_F中的点都被插入为止，得到预期的目标物包络模型，如图7。
本步骤对于提取的点群数据进行从点到面的模型转换，从而生成达到预期效果的目标物包络模型。
实施例二
如图8所示，本实施例提供一种点群数据特定目标数据提取的自动建模系统，包括：初始点云数据模块、目标点群确定模块、目标物数据提取模块以及自动建模模块；
所述初始点云数据模块，从点群数据获取设备得到的点群数据，对点群数据中所有数据点进行RGB空间到HSL空间的转换；
所述目标点群确定模块，依据数据点的色相角属性值进行色相区域分类，进行色相角区间分类；根据色相角区间分类的情况与目标物本身颜色特征，在色相角区间分类中选取目标物色相角区间范围，进而确定所有的目标点群；
所述目标物数据提取模块，在所有点群中划分目标点群总集M1、候选核心点群MK和后补点群Mre，并生成近似目标核心点群Mapp_F，包括：点群划分子模块、数据一次补全子模块和数据二次补全子模块：
所述点群划分子模块，在所有点群中划分目标点群总集M1、候选核心点群MK和后补点群Mre；
所述数据一次补全子模块，对候选核心点群MK进行扩展，得到空间核心点群Mapp：对候选核心点群MK内的所有点归为空间核心点群Mapp；对于候选核心点群MK中任意一个核心数据点ni，用三维欧拉距离判断核心数据点ni与目标点群总集M1中待判定数据点nj的距离，当距离小于核心数据点ni的邻域时，将待判定数据点nj归为空间核心点群Mapp；
所述数据二次补全子模块，遍历后补点群Mre中的所有后补数据点ns，当后补数据点ns小于后补数据点ns到空间核心点群Mapp的邻域时，将该后补数据点ns补入空间核心点群Mapp，生成近似目标核心点群Mapp_F；
所述自动建模模块，对生成近似目标核心点群Mapp_F，采用Delaunay三角剖分法进行自动建模，得到预期的目标物模型。
最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
- 上一篇：一种医用注射器针头装配设备
- 下一篇：一种水库冲刷淤积计算方法