建筑装饰三维模型的对比方法

1.本发明涉及图像数据处理领域，具体涉及建筑装饰三维模型的对比方法。


背景技术：

2.建筑装饰可用于美化建筑物和提升建筑物的使用功能，是人们生活必不可少的一部分。建筑装饰主要是指建筑主体完成以后，在主体内外进行的美化工程，不但包括室外装饰部分，还包括室内装饰部分，其中，室外装饰主要涉及采用石材、铝塑板和玻璃等的外墙体装饰；室内装饰主要涉及对墙体和地面的装饰，以及对灯具洁具的安装。
3.三维模型技术已经在建筑装饰中有所运用，其中，可基于三维模型配准技术实现三维模型的对比；三维模型配准是指通过在源模型和目标模型之间构造一个三维空间变换，使源模型在此变换作用下能够最大限度地和目标模型重合。现有的配准方法往往使用icp算法进行配准，但icp算法对于初始值的敏感性极高，且运行效率低，使得对建筑装饰三维模型的对比过程效率较低。


技术实现要素：

4.为了解决现有对建筑装饰三维模型的对比过程效率较低的问题，本发明的目的在于提供一种建筑装饰三维模型的对比方法。
5.本发明的一种建筑装饰三维模型的对比方法，包括以下步骤：
6.通过三维激光扫描技术获取目标物的点云数据，所述点云数据包括三维坐标数据和rgb颜色数据；
7.利用k近邻搜索方法找出目标物的点云数据中各点的邻近点，根据目标物的点云数据中各点的邻近点计算目标物的点云数据中各点的法向量；根据目标物的点云数据中各点的三维坐标数据和rgb颜色数据计算目标物的点云数据中各点对应的邻域平面的特征值；根据目标物的点云数据中各点的目标数据与标准模型的点云数据中各点的目标数据计算目标物的点云数据中各点与标准模型的点云数据中各点的相似性指标，根据所述相似性指标判断目标物的点云数据和标准模型的点云数据中的匹配点对，并根据所述匹配点对目标物的点云数据与标准模型的点云数据进行粗配准；所述目标数据为法向量和对应的邻域平面的特征值；所述邻域平面为邻域点拟合得到的平面；
8.根据粗配准结果对目标物的点云数据和标准模型的点云数据进行精配准，得到精配准结果；
9.根据精配准结果计算目标物的点云包围盒和标准模型的点云包围盒的重叠系数。
10.进一步的，所述根据目标物的点云数据中各点的邻近点计算目标物的点云数据中各点的法向量，包括：
11.对于目标物的点云数据中任一点p，利用如下公式构建协方差矩阵cv：
12.13.其中，p0为点p对应的邻域平面的质心，点p的法向量协方差矩阵cv最小特征值对应的特征向量，n为点p对应的邻近点的数量，pi为点p对应的第i个邻近点，t为转置。
14.进一步的，所述根据目标物的点云数据中各点的三维坐标数据和rgb颜色数据计算目标物的点云数据中各点对应的邻域平面的特征值，包括：
15.计算点p与对应的邻近点之间的距离：
[0016][0017]
其中，di为点p与对应的第i个邻近点之间的距离，(x
p
，y
p
，z
p
)为点p的坐标，(x
pi
，y
pi
，z
pi
)为点p的第i个邻近点的坐标；
[0018]
得到了点p与对应的各邻近点之间的距离后，对得到的距离di进行归一化处理，将归一化处理后的距离记为di；
[0019]
利用如下公式计算点p对应的邻域平面的特征值：
[0020][0021]
其中，s'
p
为点p对应的邻域平面的特征值，s
p
为点p的饱和度，di表示点p与对应的第i个邻近点之间的归一化后的距离，si表示点p对应的第i个邻近点的饱和度，n为点p对应的邻近点的数量。
[0022]
进一步的，所述根据目标物的点云数据中各点的目标数据与标准模型的点云数据中各点的目标数据计算目标物的点云数据中各点与标准模型的点云数据中各点的相似性指标，包括：
[0023]
对于目标物的点云数据中的任一点p，以及标准模型的点云数据中的任一点u，根据如下公式计算点p与点u的相似性指标：
[0024][0025]
其中，xs为点p和点u的相似性指标，s'u为点u对应的邻域平面的特征值，θ为点p和点u对应的特征向量之间的夹角，s'
p
为点p对应的邻域平面的特征值；
[0026]
点p对应的特张向量的获取方法包括：
[0027]
计算点p与对应的邻近点的饱和度差值，以点p为起点，以饱和度差值的最大值对应的邻近点为终点，构建色彩梯度向量那么点p的特征向量那么点p的特征向量为点p对应的法向量，为点p对应的特征向量。
[0028]
进一步的，所述根据所述相似性指标判断目标物的点云数据和标准模型的点云数据中的匹配点对，包括：
[0029]
设置阈值t，若xs大于阈值t，则判定点p和点u较为相似，将点p和点u作为匹配点对；若出现标准模型的点云数据中多点与目标物的点云数据中一点的相似性指标均大于t的情况，则将相似性指标最大的标准模型的点云数据中的点作为与目标物的点云数据中点相匹配的点。
[0030]
进一步的，所述根据精配准结果判断目标物的点云包围盒和标准模型的点云包围盒的重叠系数，包括：
[0031]
分别获取目标物点云的最小有向包围盒和标准模型点云的最小有向包围盒，并计算两包围盒的重合系数：
[0032][0033]
其中，δ为目标物点云包围盒和标准模型点云包围盒的重叠系数，vs为标准模型点云包围盒体积，v
t
为目标物点云包围盒体积，vi为标准模型点云和目标物点云包围盒相交得到的包围盒的体积。
[0034]
有益效果：本发明利用了改进后的icp算法实现了对建筑装饰三维模型的对比，相较于利用传统的icp算法实现对建筑装饰三维模型的对比，提高了对比速度和精确度，提高了对建筑装饰三维模型的对比过程的效率。
附图说明
[0035]
图1是本发明的一种建筑装饰三维模型的对比方法的流程图。
具体实施方式
[0036]
为使本发明实施例的目的、技术方案和优点更清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行介绍。
[0037]
为了提高对建筑装饰三维模型的对比过程的效率，如图1所示，本实施例的建筑装饰三维模型的对比方法包括以下步骤：
[0038]
(1)通过三维激光扫描技术获取目标物的点云数据，所述点云数据包括三维坐标数据和rgb颜色数据；
[0039]
为了实现对目标物与对应的标准模型的对比，本实施例使用激光扫描仪，通过三维激光扫描技术，获取目标物的点云数据集，记为点云数据p，该点云数据包括了三维坐标(x、y和z)数据，以及rgb颜色数据；本实施例的目标物为建筑装饰过程中使用的物体，比如灯具洁具等。本实施例将标准模型对应的点云数据记为点云数据u，该点云数据也包括三维坐标(x、y和z)数据，以及rgb颜色数据。
[0040]
(2)利用k近邻搜索方法找出目标物的点云数据中各点的邻近点，根据目标物的点云数据中各点的邻近点计算目标物的点云数据中各点的法向量；根据目标物的点云数据中各点的三维坐标数据和rgb颜色数据计算目标物的点云数据中各点对应的邻域平面的特征值；根据目标物的点云数据中各点的目标数据与标准模型的点云数据中各点的目标数据计算目标物的点云数据中各点与标准模型的点云数据中各点的相似性指标，根据所述相似性指标判断目标物的点云数据和标准模型的点云数据中的匹配点对，并根据所述匹配点对目标物的点云数据与标准模型的点云数据进行粗配准；所述目标数据为法向量和对应的邻域平面的特征值；所述邻域平面为邻域点拟合得到的平面；
[0041]
点云数据的配准往往采用icp算法，传统的icp算法存在计算效率低、对配准初始位置要求高，以及容易陷入局部最优等问题。为了解决该问题，本实施例使用一种改进的icp算法完成点云数据之间的配准，以提高配准效率与精度。接下来对本实施例的改进的icp算法进行说明：
[0042]
首先对点云数据进行处理，以减少精配准过程中的收敛时间，同时也使两组点云
数据尽可能的靠近，从而缩小两个模型之间的差异，提高配准精度。具体的处理过程可分为以下三部分，分别是：
①
获取每个点的法向量；
②
获取每个点对应的邻域平面的特征值；
③
根据每个点的法向量与对应的邻域平面的特征值进行点云数据匹配。接下来对每部分的内容进行说明：
[0043]
①
获取每个点的法向量；
[0044]
对点云数据p中的任一点p，使用k近邻搜索方法找出与其距离小于邻域阈值的点，记为邻近点pi(i＝1，2，3
…
n)，n为邻近点的数量，邻域阈值在应用时自行设定，则这n个点可拟合获得一个局部平面z，也称之为邻域平面，故可求出局部平面z的法向量作为点p的法向量。k近邻搜索方法的过程为现有技术，此处不再赘述。本实施例中通过邻域协方差分析法求得点云数据中各个点的法向量，原理如下：
[0045]
根据点云数据p中的任一点p与对应的邻近点pi构建协方差矩阵cv：
[0046][0047]
其中，p0为点p对应的邻域平面的质心，点p的法向量即为协方差矩阵cv最小特征值对应的特征向量，记为计算协方差矩阵最小特征值对应的特征向量的过程为现有技术，此处不再赘述。
[0048]
②
获取每个点对应的邻域平面的特征值；
[0049]
由于每个点云数据都含有相应的rgb信息，故可根据rgb信息获取点云数据的hsv信息。建筑装饰一般是纯色的(即本实施例针对的纯色目标物)，即各个点之间的色调值往往很接近，在s通道上其特征差异表现最为明显，在获取点p对应的邻域平面的s特征值时参考点p的邻近点的s进行获取，s为饱和度。
[0050]
本实施例获取点p对应的邻域平面的特征值的过程如下：
[0051]
首先计算点p与对应的邻近点之间的距离：
[0052][0053]
其中，di为点p与对应的第i个邻近点之间的距离，(x
p
，y
p
，z
p
)为点p的坐标，(x
pi
，y
pi
，z
pi
)为点p的第i个邻近点的坐标。
[0054]
得到了点p与对应的各邻近点之间的距离后，对得到的距离di进行归一化处理，将归一化处理后的距离记为di。
[0055]
利用如下公式计算点p对应的邻域平面的特征值：
[0056][0057]
其中，s'
p
为点p对应的邻域平面的特征值，s
p
为点p的饱和度，di表示点p与对应的第i个邻近点之间的归一化后的距离，si表示点p对应的第i个邻近点的饱和度，n为点p对应的邻近点的数量。
[0058]
③
根据每个点的法向量与对应的邻域平面的特征值进行点云数据粗配准。
[0059]
计算点p与对应的邻近点的饱和度差值，以点p为起点，以饱和度差值的最大值对
应的邻近点为终点，构建色彩梯度向量则可根据则可根据获取点p的特征向量
[0060]
本实施例中根据各个点的特征向量与对应的邻域平面的特征值确定两组点云数据中可以匹配的点对集合，对于点云数据p中的任一点p，在u中寻找与p满足下式的相似性度量规则的点u。本实施例的相似性度量规则如下：根据上述方法可以获得点云数据u中点u的特征向量与对应的邻域平面的特征值，计算点p和点u对应的特征向量之间的夹角θ，根据夹角θ与对应的邻域平面的特征值计算点p和点u的相似性，公式如下：
[0061][0062]
其中，xs为点p和点u的相似性指标，s'u为点u对应的邻域平面的特征值，θ的取值范围为(-π，π]，设置阈值t，本实施例中t＝0.9，若xs大于阈值t，则判定点p和点u较为相似，可将点p和点u作为匹配点对。若出现点云数据u中多点与点云数据p中一点的相似性指标均大于t的情况，则将相似性指标最大的点云数据u中的点作为与点云数据p中点相匹配的点。
[0063]
按照上述方法，可以实现点云数据p和点云数据u中可匹配点对的判断，得到点云数据p和点云数据u中可以匹配的点对集合。然后计算将每一个点对的法向量方向映射为一致的三维空间变换，采用几何哈希法找出使得最多数量的点对法向量一致的变换，再运用该变换将两组点云数据作初次配准实现两组点云数据的粗配准。本实施例得到可以匹配的点对集合之后实现粗配准的过程为现有技术，此处不再赘述。
[0064]
(3)根据粗配准结果对目标物的点云数据和标准模型的点云数据进行精配准，得到精配准结果；
[0065]
点云数据需进行精配准，n
p
为点云数据p包括的点的数量，nu为点云数据u包括的点的数量；通过上述过程，点云数据p和点云数据u已经完成了粗配准，其相对位置与真实位置已经比较接近，本实施例将粗配准的结果作为精配准的初值，通过改进的icp算法来实现最终的配准，具体过程如下：
[0066]
初值设置：令点集p0＝r0*p+t0，刚体变化矢量q＝[r0，t0]
t
，k＝0，动态调整因子m＝0；r0，t0为粗配准后的初始刚体变换值。
[0067]
计算相关点：对于点云数据p中的每个点pi，icp算法都要为其在u中寻找一个距离最近的点yi作为其相关点。令为点云数据p的相关点集。
[0068]
计算配准参数：(δqk，dk)＝q(pk，yk)，q是最小化操作，δqk为qk的相邻两次迭代的变化量，再将δqk应用到pk获取一个新的位置：p
k+1
＝δqk(pk)。传统的icp算法从p0到yk计算刚体变换参数，而本实施例中的改进的icp算法与传统的icp的区别在于：本实施例从pk到yk计算刚体变换参数，即在更新位置的时候通过p
k+1
＝δqkqk(pk)进行，而不是传统的p
k+1
＝qk(p0)。icp算法的基本流程为现有技术，此处不再赘述。
[0069]
判断点匹配均方误差dk；若d
k-d
k-1
》0，则m＝m+1，否则m＝0。再判断动态调整因子：若m》0，则通过执行p
k+1
＝δqk(p
k+1
)共m次来更新位置p
k+1
。终止条件，若d
k-d
k-1
＜t'则终止迭代，否则k＝k+1，重复上述步骤，其中q是点集p和y之间刚体变换矢量，d是均方点匹配误差。
[0070]
本实施例在不影响精度的情况下，提高了icp的收敛速度。至此，本实施例实现了对点云数据p和点云数据u的精配准。
[0071]
(4)根据精配准结果计算目标物的点云包围盒和标准模型的点云包围盒的重叠系数。
[0072]
通过上述过程，本实施例已经完成了对点云数据p和点云数据u的配准，接下来可根据配准后的结果检测目标物与标准模型之间的重合度，具体的，本实施例分别获取了目标物点云的最小有向包围盒和标准模型点云的最小有向包围盒，并计算两包围盒的重合系数：
[0073][0074]
其中，δ为目标物点云包围盒和标准模型点云包围盒的重叠系数，vs为标准模型点云包围盒体积，v
t
为目标物点云包围盒体积，vi为标准模型点云和目标物点云包围盒相交得到的包围盒的体积。δ越大，重合系数越大，意味着对比结果为目标物与标准模型之间越相似。
[0075]
本实施例获取三维点云的最小有向包围盒的过程为现有技术，此处不再赘述。
[0076]
本实施例利用了改进后的icp算法实现了对建筑装饰三维模型的对比，相较于利用传统的icp算法实现对建筑装饰三维模型的对比，提高了对比速度和精确度，提高了对建筑装饰三维模型的对比过程的效率。
[0077]
以上所述实施例仅用以说明本技术的技术方案，而非对其限制；尽管参照前述实施例对本技术进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本技术各实施例技术方案的精神和范围，均应包含在本技术的保护范围之内。