专利名称：：一种支持套索的大规模点云选择方法
技术领域：
：本发明涉及逆向工程
技术领域：
，特别涉及一种支持套索的大规模点云选择方法。
背景技术：
：当前，逆向工程中最普遍的应用模式是利用基于光学原理的扫描设备快速测量零件或模具外表面形成点云数据，从中提取几何特征进而重建多边形或NURBS曲面。随着扫描硬件精度的提升，原始扫描数据较好地逼近了物理模型的曲面形态，通常无需进行点云去噪滤波。但是，删减处理始终是不可或缺的关键预处理步骤。首先，根据被测物体的摆放方式，扫描点云中通常会不可避免地包含如墙面、支撑物等非目标背景数据；或者用户只希望保留目标模型中的一部分数据进行分析，解决这一问题需设计能够高效并灵活指定大规模点云中待删除区域的选择算法。目前,在逆向工程应用领域中多使用Geomagic(参见Geomagicstudio.GeomagicStudiouser’sgde[M].Geomagicstudio,2008)、Rapidform(参见InusTechnology.RapidForm2004usergdeandtutorial[M].KoreaInusTechnologyInc,2004)等商业软件进行上述删减处理，相关算法并没有公开。在图像处理中选择目标区域最为常用的方式是套索，从点云中选择数据相较于图像区域选择，其难度在于空间分布复杂、数据规模巨大。由于常用计算机输入方式是二维指针设备，二维套索仍然是点云区域选择最直观的方式。除商业软件外，研究领域通常使用简单空间形体完成点云选择(参见WeyrichT7PaulyM，HeinzleS，KeiserR，ScandellaS，GrossM.Post-processingofscanned3Dsurfacedata[C]//ProceedingsofEurographicsSymposiumonPoint-BasedGraphics.NewYorkACMPress,2004:85-94)。点云选择算法涉及如何判断采样点在视平面上的投影与套索多边形之间的包含关系，Eric(参见HainesEric.Pointinpolygonstrategies,graphicsgemsIV[M].AcademicPress,1994)总结了若干经典的点在多边形内测试方法,包括射线求交、角度和、三角形扇等算法。在地理信息与图形学领域，目标应用通常需实时测试大规模数据，经典方法无法满足速度指标，后续研究采用基于区域分解的分治策略进行优化。Li(参见LiJ,Wangff,WuE.Point-in-polygontestsbyconvexdecomposition[J].Computers&Graphics，2007，31⑷636-648)分解多边形为凸子域，将点在任意多边形内测试转换为更为简单的点在凸多边形内测试。Zali(ZalikB,KolingerovaI.Acell-basedpoint-in-polygonalgorithmstableforlargesetsofpoints[J].Computers&Geosciences,2001,27(10):1135-1145)等人将多边形所在区域分解为均匀单元格并赋予内、外、边界属性，首先进行简单的点在单元格内测试，最后仅对包含于边界单元格的点进行完整测试。Yang(参见YangS,YongJH,SunJ,GuH,PaulJC.Apoint-in-polygonmethodbasedonaquasi-closestpoint[J].Computers&Geosciences,2010,36(2)205-213)等人利用近似最近点概念提高了均匀单元格方法的精度。这些方法大都仅注重分解或降低多边形复杂性，然后进行逐个单点测试，计算量大
发明内容本发明提供了一种支持套索的大规模点云选择方法，以解决逐个单点进行点在多边形内的测试计算量大的间题，通过草绘套索多边形，剔除大部分点在多边形内的判断，提升扫描点云区域选择的效率。—种支持套索的大规模点云选择方法，包括步骤(I)用户旋转点云模型至合适圈选目标点云的方位后草绘套索多边形，圈选目标点云；(2)对草绘的套索多边形，构建矩形覆盖，并对组成矩形覆盖的每个矩形单元分别赋以内部、外部、边界属性，将组成套索多边形的所有线段嵌入矩形单元中；(3)建立点云模型的八叉树层次结构，将八叉树投影到与视线方向垂直的平面上；(4)利用矩形覆盖与八叉树节点投影凸包之间的包含关系，剔除投影不在具有边界属性的矩形单元内的点；(5)对投影落入具有边界属性的矩形单元内的点进行点在套索多边形内的测试，确定属于套索多边形内的点。进一步地，假设套索多边形为P，所述步骤(2)包括(2.I)对圈定的套索多边形P，构建矩形覆盖；(2.2)对组成矩形覆盖的矩形单元分别赋以内部、外部、边界属性；(2.3)将组成套索多边形P的所有线段嵌入矩形单元中。进一步地，所述矩形覆盖由递归分裂四叉树节点构建而成，根节点是覆盖P的正方形，定义形状误差err(Ci)和分裂阈值Tej,节点分裂由err(Ci)和分裂阈值Tej决定,其中权利要求1.一种支持套索的大规模点云选择方法，其特征在于，包括步骤(1)用户旋转点云模型至合适圈选目标点云的方位后草绘套索多边形，圈选目标点云;(2)对草绘的套索多边形，构建矩形覆盖，并对组成矩形覆盖的每个矩形单元分别赋以内部、外部、边界属性，将组成套索多边形的所有线段嵌入矩形单元中；(3)建立点云模型的八叉树层次结构，将八叉树投影到与视线方向垂直的平面上；(4)利用矩形覆盖与八叉树节点投影凸包之间的包含关系，剔除投影不在具有边界属性的矩形单元内的点；(5)对投影落入具有边界属性的矩形单元内的点进行点在套索多边形内的测试，确定属于套索多边形内的点。2.如权利要求I所述的支持套索的大规模点云选取方法，其特征在于，假设套索多边形为P，所述步骤(2)包括(2.I)对圈定的套索多边形P，构建矩形覆盖；(2.2)对组成矩形覆盖的矩形单元分别赋以内部、外部、边界属性；(2.3)将组成套索多边形P的所有线段嵌入矩形单元中。3.如权利要求2所述的支持套索的大规模点云选取方法，其特征在于，所述矩形覆盖由递归分裂四叉树节点构建而成，根节点是覆盖P的正方形，定义形状误差err(Ci)和分裂阈值Te，节点分裂由err(Ci)和分裂阈值Te决定，其中4.如权利要求2所述的支持套索的大规模点云选取方法，其特征在于，所述对组成矩形覆盖的矩形单元分别赋以内部、外部、边界属性是采用结合单元边交点侦测的射线求交算法判断单元的属性，对于Ci的每个顶点分别发射水平与竖直方向且与Ci的边部分重合的射线，统计射线与P的交点数目并侦测交点是否落在Ci的边上，如果交点落在Ci的边上，赋予Ci边界属性，否则统计交点数目，奇数赋予内部属性，偶数赋予外部属性。5.如权利要求2所述的支持套索的大规模点云选取方法，其特征在于，所述的将组成套索多边形P的所有线段嵌入矩形单元中，包括步骤(2.3.I)首先确定包含起始顶点(Xpyi)的末端节点Cs,移除包含在Cs中的Ei的部分，其中Ei连接顶点(Xi,Ji)和(xi+1,yi+1),同时将Ei记录在Cs中；(2.3.2)对于Cs的父节点Cp计算其四条边所在直线与Ei方向射线r的交点参数并判定Ei是否穿透cp，若穿透则考察所有子节点并从中切除Ei的剩余部分；(2.3.3)重复进行以上两步直至到达终止顶点(xi+1，yi+1)。6.如权利要求I所述的支持套索的大规模点云选取算法，其特征在于，步骤(3)中，所述的建立点云模型的八叉树层次结构，方法如下将含有整个点云模型的空间立方体按三个方向中剖面分割成八个子立方体网格，组织成一颗八叉树G，若某一子立方体网格中所含的采样点个数大于64，则对该子立方体网格做进一步分割。7.如权利要求6所述的支持套索的大规模点云选取算法，其特征在于，步骤(4)中包含步骤(4.I)从根节点开始，将节点立方体81eG沿视线方向投影为侧影轮廓多边形g'i，其边界由同时邻接可见面与不可见面的立方体边投影而成，可见性由面法向与视线向量内积确定；(4.2)判断^1与矩形覆盖的矩形单元之间的几何包含关系，若g'含在单个不具有边界属性的矩形单元内的，将gi内所有采样点标识赋予该矩形单元同样的属性；若g'i的所有顶点皆落在属性为内部属性或者外部属性的矩形单元内，侦测g'i的边与P的交点，如果没有交点将gi内所有采样点标识赋予已经判断出的内部或外部属性；若^i与具有边界属性的矩形有交集，递归处理g'i的子节点；如果仍有末端节点g'i未能确定属性，说明该末端节点与具有边界属性的矩形有交集，将gi内的采样点投影在视平面上，如果落于具有内、外属性的矩形单元内，则赋予同样的属性，否则赋予边界属性。8.如权利要求I所述的支持套索的大规模点云选取算法，其特征在于，所述点在套索多边形内的测试是指基于奇偶规则的点在多边形内测试，对于每个点，发射一条水平射线，统计射线与套索多边形的交点数目，若为奇数，则点在套索多边形内，若为偶数，则点在套索多边形外。全文摘要本发明公开了一种支持套索的大规模点云选择方法，包括步骤用户旋转点云模型至合适方位后草绘套索多边形，圈选目标区域；对输入套索形状，构建矩形覆盖并分别赋以内部、外部、边界属性，并将组成套索多边形的所有线段嵌入矩形单元中；建立输入点云模型的八叉树层次结构；利用矩阵覆盖与八叉树节点投影凸包之间的包含关系，进行点在多边形内的测试。本发明利用投影八叉树节点单元与多边形矩形覆盖之间的包含关系剔除大部分点在多边形内的测试，因而能够提升扫描点云区域选择的效率。文档编号G06T17/00GK102800125SQ201210205568公开日2012年11月28日申请日期2012年6月18日优先权日2012年6月18日发明者范然,邱妮娜,金小刚申请人:浙江大学