一种计算三维点云模型骨骼的方法
【技术领域】
[0001] 本发明属图形处理技术领域，尤其涉及一种三维点云模型骨骼提取方法。
【背景技术】
[0002] 随着三维扫描设备的普及，三维点云模型数量越来越多。但通过普通三维扫描设 备获得的三维点云，由于硬件自身的精度、拍摄角度、光照、三维物体自身相互遮挡和用户 使用设备不当，生成的点云模型包含大量的噪声点、奇异点和大面积的点云缺失。模型骨骼 有众多应用，例如在医学上，骨骼可以用于进行内窥镜检查，此外，在计算机图形学方面，骨 骼可用于控制人物网格模型运动，生成骨骼动画，也可用于驱动点云模型进行配准，完成点 云模型修复的目的。
[0003] 然而，三维模型骨骼获取仍有很大的问题，尤其对于直接扫描获得的，带有大量噪 声和大面积点云缺失的模型。首先，因为点云模型没有拓扑连接信息，很难通过模型拓扑关 系提取骨骼。其次，点云模型质量较差，往往有大面积点云缺失，大量噪声点和奇异点，增加 了骨骼提取的难度。最后骨骼提取是病态的问题，现存的骨骼提取方法为了计算出较好的 骨骼结果，需要调试大量参数，导致算法实用性降低。为了满足实际需求，当前迫切需要一 种适用范围广，效果显著的视频背景修复方法。
【发明内容】
[0004] 本发明为了解决上述的技术问题，提出了一种三维点云模型骨骼提取方法。本发 明的技术方案是：一种三维点云模型骨骼提取方法，包括下述步骤：
[0005] 步骤1，用户指定输入三维点云模型0 = /e/Cf，Q为三维空间R3中模型，q j 为模型上的顶点，J是三维点云模型顶点的索引，所述的三维点云模型包含噪声点、奇异点 和点Ζ5Γ缺失；从二维点75Γ模型顶点上随机选取米样点集X = {xj i e P I是米样点集X的索 弓丨，采样点乂1最终向三维点云模型内部移动，构成三维点云模型骨骼；
[0006] 步骤2,将三维点云模型均匀体素化；
[0007] 步骤3,计算出三维点云模型距离域DT，三维点云模型体素化之后，使用快速行军 算法，计算出模型内部体素点的距离域；
[0008] 步骤4,计算三维点云模型初始骨骼S = 〔炉，Sk为骨骼点，K为初始骨骼 点集的索引，计算出三维点云模型距离域后，使用三维点云模型距离域，计算三维点云模型 初始骨骼；
[0009] 步骤5,将初始骨骼点和1^第一范式中值骨骼提取算法进行融合，生成基于距离域 的L1第一范式中值骨骼提取算法，通过最小化以下能量方程，计算出三维点云模型的完整 骨骼；
[0010]
[0011] 其中，I是采样点集X的索引，J是模型Q顶点的索引，权重函数<r) =，/W2)2 是一个快速衰减的平滑函数，r为距离值，其支持半径为h，参数〇 1通过加权PCA主成 分分析算法计算，用于检测骨骼段的生成，{ γ i Ε :为X的平衡常数，K为初始骨骼点集 汶=C#的索引，权重函数：轉的=:郷P，X1，为非X i的点；对圆心为采样点X i，半径为 h的球体，球体包含所有点个数为n，球体包含的初始骨骼点个数为N ;
[0012] 步骤6,将骨骼按照规定结构，所述的规定结构为骨骼由骨骼点构成的结构，相邻 骨骼点通过直线连接，计算出三维点云模型的一维曲线骨骼，完成骨骼提取。
[0013] 优选的，所述的步骤2中还包括如下步骤：
[0014] 步骤2. 1，计算出三维点云模型的包围盒；
[0015] 步骤2. 2,用户指定初始分割精度和最终分割精度，将包围盒按照用户指定的初始 分割精度进行均匀分割；
[0016] 步骤2. 3,标识边界体素；如果大体素包含三维点云模型顶点，则大体素为边界体 素，然后使用泛洪算法，标识外部体素，选择一个外部体素作为种子点，判断该体素26邻域 中的体素是否为边界体素，如果邻居体素不是边界体素，则将邻居体素标记为外部体素，从 邻居体素开始继续扩展；如果是边界体素，则该邻居体素不再参加扩展；直至所有外部体 素被标记，最终剩下的体素为内部体素；
[0017] 步骤2. 4,将体素进行细分，直到分割至用户指定精度。
[0018] 优选的，所述的步骤2. 4中按如下方法将体素进行细分：在每一次细分前，首先对 所有体素进行3X3X3均匀分割，将每一个体素分割为27个小体素，重新判断边界体素的 类别，如果分割后的小边界体素包含三维点云模型顶点，该体素仍标识为边界体素；如果小 边界体素的26邻域中有外部体素，将该体素标识为外部体素；否则，该体素标识为内部体 素，重复执行步骤2. 4,不断生成新的外部体素、内部体素、边界体素，直到分割至用户指定 精度。
[0019] 优选的，所述的步骤4中还包括如下步骤：
[0020] 步骤4· 1，根据三维点云模型内部体素点P，判断狀AT,: =Z^r, /Μ,Λ/ΛΤ；卜:Dr 是否成立，其中DTp是体素点ρ的距离域，ΜΚζ是点ρ的26邻居的平均距离域，
巧是26邻居的厚度参数；
[0021] 步骤4. 2，根据三维点云模型内部体素点P，判断施《=[>1； /63,備<巧-JP2
是否成立，:是点P的63邻居的平均距离域 ％是63 邻居时的厚度参数；
[0022] 步骤4· 3，根据三维点云模型内部体素点p，判断ΜΛ.'/.'· = E>7:; . IH .IfV·/:,，/ J/., -KPi
Λ rr 是否成立，MV7；是点P的124邻居的平均距离域： 了匕是 124邻居时的骨骼厚度参数；
[0023] 步骤4. 4,如果三维点云模型内部体素点p满足步骤4. 1，、4. 2、4. 3中的条件，则p 为初始骨骼点；否则表明内部体素点P不为初始骨骼点。
[0024] 优选的，所述的步骤5中还包括如下步骤：
[0025] 步骤5. 1，使用高斯-牛顿算法最小化以下能量方程，计算出三维点云模型的一维 曲线骨骼； 「nn9fi1
[0027] 步骤5. 2,当采样点X1移动时，使用计算出的三维点云模型距离域信息；
[0028] 步骤5. 3,利用初始骨骼点和三维点云模型距离域的信息，对每一个采样点，计 算出其最合适的支持半径，即如果采样点位于模型中心，则支持半径长度为模型中心到
模型边界的距离域值。由圆心为采样点X丨，半径为 < 所构成的球体包含N个初始骨骼点 Sj，j e N,伸用加下公忒i+笪出初始晋骼点的中心：
[0029]
[0030] 其中，权重函数6^r) = e〃ViW是一个快速衰减的平滑函数，如果中心center与 4间的距离小于体素边长，表明4已经位于三维点云模型中心，则下一次迭代时，设置其 支持半径#41值为包含中心center的体素的距离域值，如果两点间距离大于体素边长， 表明采样点彳还需继续收敛，向三维点云模型内部移动，此时支持半径按规定比例增大， /?厂 1 =(1 +rcW/o)/?丨，其中radio为半径增长率；
[0031] 步骤5. 4,对采样点xf向模型内部收敛，逐渐生成的不同骨骼段进行连接，形成完 整骨骼，
[0032] 优选的，所述的步骤5. 4中，使用桥点将骨骼段进行连接，通过三维点云模型体素 类别，标记出三维点云模型内部体素和外部体素，如果骨骼段端点与桥点的连线穿过三维 点云模型外部，则重新选择。
[0033] 优选的，所述的使用桥点将骨骼段进行连接时，判断连线与外部体素是否相交，如 果没有相交，将两个骨骼段进行连接；如果相交，桥点选择错误，重新选择桥点。
[0034] 本发明的有益效果是：一种三维点云模型骨骼提取方法首先通过使用逐步细分的 策略将三维点云模型均匀体素化；此后，使用快速行军算法，计算出模型内部体素点的距离 域；然后，使用距离域计算出模型的初始骨骼；最后，将初始骨骼与L1中值骨骼提取算法融 合，生成基于距离域的L 1中值骨骼提取算法，快速准确计算出模型骨骼；与现有的三维点云 模型骨豁提取方法相比，本发明处理带有大量噪声点、奇异点和大面积点云缺失的点云模 型，而且不会产生错误的骨骼连接，同时不需要太多参数。
【附图说明】
[0035] 图1为本发明的流程图。
【具体实施方式】
[0036] 下面结合实施例及附图对本发明作进一步详细的描述，但本发明的实施方式不限 于此。
[0037] 参照图1，本发明的流程图，一种计算三维点云模型骨骼的方法，包括下述步骤：
[0038] 步骤1，用户指定输入三维点云模型ρ = d C Λ，Q为三维空间R3中模型，q j 为模型上的顶点，J是三维点云模型顶点的索引，所述的三维点云模型包含噪声点、奇异点 和点Ζ5Γ缺失；从二维点75Γ模型顶点上随机选取米样点集X = {xj i e p I是米样点集X的索 弓丨，采样点乂1最终向三维点云模型内部移动，构成三维点云模型骨骼；
[0039] 步骤2,将三维点云模型均匀体素化；所述的步骤2中还包括如下步骤：
[0040] 步骤2. 1，计算出三维点云模型的包围盒。
[0041] 步骤2. 2,点云模型包含大量点云缺失，所以采用逐渐细分的策略对模型进行体素 化，用户指定初始分割精度和最终分割精度，将包围盒按照用户指定的初始分割精度进行 均勾分割；
[0042] 步骤2. 3,标识边界体素；如果大体素包含三维点云模型顶点，则大体素为边界体 素，然后使用泛洪算法，标识外部体素，选择一个外部体素作为种子点，判断该体素26邻域 中的体素是否为边界体素，如果邻居体素不是边界体素，则将邻居体素标记为外部体素，从 邻居体素开始继续扩展；如果是边界体素，则该邻居体素不再参加扩展；直至所有外部体 素被标记，最终剩下的体素为内部体素；
[0043] 步骤2. 4,此时体素边长较大，直接使用这种尺度的体素，计算出的距离域不会很 精确。将体素进行细分，直到分割至用户指定精度；