本发明涉及一种点云数据处理方法，特别涉及一种激光雷达点云数据的快速重建方法。
背景技术：
三维物体重建是指通过传感器获得空间物体的二维图像，进而将其恢复成物体的三维结构的过程。获取二维图像的传感器可以选择激光雷达，其具有扫描精确度高、速度快的优势。但是通过激光雷达扫描获得的被测对象的点云数量庞大，且分布密度不均匀，这给三维重建带来了很多的挑战。
现有技术通过对点云数据进行三角化来重建物体的面，但是大部分已知的三角化方式都存在局限性。专利201710216985.5使用贪婪投影三角化算法对三维点云数据进行三角化网格处理，首先选取一个样本三角形作为初始曲面，然后不断选择新点，根据新点来构造新的三角形，扩张曲面边界，形成一个完整的三角网格曲面，最后根据投影点云的连接关系确定原始点云间的拓扑关系。此方法可以有效的找出散乱的数据点云之间蕴含的拓扑学关系，但是由于每个三角形面都要单独生成，所以需要不断计算比对，消耗大量时间，速度较慢。专利201610101813.9以扫描线对点云数据按照点云矩阵的方式保存，对点云矩阵的m×n数据进行划分,得到(m-1)×(n-1)个小的点云矩阵，划分后的每个点云矩阵包含四个点云数据,采用连接对角线方式对其划分,完成三角网格构建。此方法有效的利用了点云矩阵之间的联系，操作简单，重建速度快，但是无法识别点云矩阵中出现的激光空洞点进行正确的三角化，此外此方法对于点云数据的质量要求很高。
技术实现要素：
本发明的目的在于提供一种激光雷达点云数据的快速重建方法，克服现有方法进行二维振镜激光雷达点云数据重建时遇到的效率低、重建效果差、无法解决空洞等问题。
实现本发明目的的技术解决方案为：一种激光雷达点云数据的快速重建方法，包括如下步骤：
步骤1、点云数据格式化：获取激光雷达发送的距离数据和二维振镜发送的角度数据，将其转换为三维点云坐标，并对点云数据进行格式化操作；
步骤2、数据聚类处理：根据数据所在的扫描线位置，进行点云数据的聚类标记；
步骤3、离群点剔除与滤波：拟合聚类标记后的点云数据，根据拟合曲线进行离群点剔除和平滑处理；
步骤4、非空洞点并行基准线规划：遍历相邻扫描线寻找相邻两行同时存在非空洞点的列，将两点连线作为基准线；
步骤5、基准线紧邻点网格化：以两基准线为一组，计算基准线上点与周围散乱点之间的距离，根据紧邻原则，选择距离最短的点云数据进行三角网格化；
步骤6、网格曲面渲染：结合三角网格和设定的物体模型光照参数进行上色渲染，完成物体重建。
本发明与现有技术相比，其显著优点为：1)本发明通过遍历相邻扫描线寻找出上下相邻两行同时存在非空洞点的列，并将两点连线作为基准线，以两基准线为一组实现点云数据分组，这种分组构建方式有效避免了传统方法面临的空洞点问题，使重建后的物体表面更加平滑、整齐，物体边缘更加清晰；2)本发明基于二维振镜激光雷达蛇形扫描以及电机驱动振镜角度的特性，按照扫描线位置聚类的方式，确定了同一条扫描线上的点云数据处于同一平面，并依此对点云数据进行聚类标记，在聚类标记的基础上可对同一分组的数据进行剔除离群点与平滑数据等相关处理，改善了网格化重建后整个曲面的平整性；3)本发明选取并行的基准线进行规划，遍历相邻扫描线寻找出上下相邻两行同时存在非空洞点的列，存储列号的数组重复使用，且在对各个分组进行三角化的时候根据紧邻原则，选择距离最短的点云数据进行三角网格化，简化了三角网格数据判别算法，大幅度提高了重建效率，且能保证点云网格面的平滑。
附图说明
图1为本发明的方法步骤示意图；
图2为本发明基于的二维振镜激光雷达工作原理示意图；
图3为本发明的基于并行基准线的分组示意图；
图4为本发明的分组三角化处理空洞点示意图；
图5为本发明的可能出现于首尾的散乱数据点网格化示意图。
具体实施方式
下面结合附图和具体实施例，进一步说明本发明方案。
如图1所示，激光雷达点云数据的快速重建方法，包括如下步骤：
步骤1、点云数据格式化：获取激光雷达发送的距离数据和二维振镜发送的角度数据，将其转换为三维点云坐标，并对点云数据进行格式化操作。
本发明实施例中，使用串口连接或网口连接的方式接收激光雷达和二维振镜发送的数据，利用如下矩阵关系将其转换为三维点云坐标：
式中，
格式化后的数据结构中的点云数据类建成如下情况：
转化成三维点云坐标后，按照扫描线行列关系存储点云数据参数，包括点云数据的三维坐标、探测点横向纵向的偏转角和探测点位于原扫描线的行列。
步骤2、数据聚类处理：根据数据所在的扫描线位置进行点云数据的聚类标记。基于二维振镜激光雷达的蛇形扫描特性，可知同一条扫描线上的点云处于同一平面上，根据扫描线位置可以将同一条扫描线上点云数据的三维坐标转化成扫描线平面上的二维坐标。
步骤3、离群点剔除与滤波：拟合聚类标记后的点云数据，根据拟合曲线进行离群点剔除和平滑处理。
本发明实施例采用四阶最小二乘法对点云数据进行拟合，采用空间均值滤波对聚类的数据进行平滑处理。四阶最小二乘法具体如下：假设所在扫描平面上扫描线的四阶拟合多项式为：
y＝a0+a1x+a2x2+a3x3+a4x4
每点到这条曲线的距离平方之和，即偏差平方和为：
对等式右边求ai偏导，得到：
求解方程组得到各系数，可以确定扫描线，进而计算每个点相对于曲线的偏离值，结合动态阈值确定是否为离群点，其中阈值并非固定值，阈值大小为该点所在扫描线上距此点最近的八个点的偏离值的平均值。
步骤4、非空洞点并行基准线规划：遍历相邻扫描线寻找相邻两行同时存在非空洞点的列，并将两点连线作为基准线。
本发明实施例中相邻扫描线的遍历过程为：如图3所示，从第一行扫描线开始，依次遍历相邻两条扫描线，记录下所有有效数据点的列号，同时用一个数组记录上下相邻两行同时存在非空洞点的列，像这样上下两条扫描线同一列都存在的两个点称作基准点，此两点连成的线称为基准线，以两基准线为一组实现点云数据分组。
步骤5、基准线紧邻点网格化：以两基准线为一组，计算基准线上点与周围散乱点之间的距离，根据紧邻原则，选择距离最短的点云数据进行三角网格化。
本发明实施例中对各个并行基准线组进行三角化的具体过程为：如图4所示，构造每组第一个三角形时先选取第一条基准线上两点，第三个点选取第i条或第i+1条扫描线上下一个紧邻的有效数据点，然后去除和紧邻点同一条扫描线上靠前的那个点，以剩下两个点为基础继续寻找下一个紧邻的有效数据点，直到第二条基准线上的两点也被构造进三角形为止。
如图5所示，若第一条基准线之前或者位于最后一条基准线之后存在散乱点，对散乱点单独进行网格化的方法与之前相同，区别为终止条件改为全部点都参与构造成三角形即停止。
步骤6、网格曲面渲染：结合三角网格和设定的物体模型光照参数进行上色渲染，完成物体重建，具体先计算每个三角网格面的法向量，然后据此计算物体表面法向量与观察视角向量的夹角，接着结合此夹角与设定的物体模型环境光、镜面反射光、漫反射光计算当前的光照条件，最后进行上色渲染，完成物体重建。