一種基于頂點重定位的三角網(wǎng)格表面模型概率融合方法
【專利摘要】本發(fā)明公開了一種基于頂點重定位的三角網(wǎng)格表面模型概率融合方法。它以兩幀或多幀三角網(wǎng)格表面模型為輸入，根據(jù)三角網(wǎng)格表面模型頂點位置的概率分布，估計模型之間重疊區(qū)域的“隱表面”，以消除因誤差造成的幾何上的模型不一致；實現(xiàn)模型數(shù)據(jù)結(jié)構(gòu)上的連續(xù)一致，最終輸出一幅融合后的完整三角網(wǎng)格表面模型；對于兩幀三角網(wǎng)格表面模型的融合，采用兩幀之間三角網(wǎng)格表面模型概率融合方法；對于多幀三角網(wǎng)格表面模型，遞增式地采用兩幀之間三角網(wǎng)格表面模型概率融合方法。本發(fā)明方法既適用于基于密集點云的表面模型，也適用于半密集點云的表面模型；考慮了表面模型的不確定性，進(jìn)行了基于概率統(tǒng)計的融合，適用于大范圍場景的模型融合。
【專利說明】一種基于頂點重定位的三角網(wǎng)格表面模型概率融合方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及一種三維場景重構(gòu)和三維模型融合領(lǐng)域，尤其涉及一種基于頂點重定位的三角網(wǎng)格表面模型概率融合方法。
【背景技術(shù)】
[0002]當(dāng)前的三角網(wǎng)格模型融合方法都只是對重疊部分三角網(wǎng)格頂點的重新連接，對于電腦生成的CAD模型，因其幾乎不存在誤差，融合后不影響視覺效果。但若對于傳感器采集的真實環(huán)境數(shù)據(jù)，模型融合時重疊部分形狀往往不吻合，若直接重新連接頂點，模型平整度會大大降低。

【發(fā)明內(nèi)容】

[0003]本發(fā)明的目的是克服現(xiàn)有技術(shù)的不足，提供一種基于頂點重定位的三角網(wǎng)格表面模型概率融合方法。
[0004]基于頂點重定位的三角網(wǎng)格表面模型概率融合方法是:以兩幀或多幀三角網(wǎng)格表面模型為輸入，根據(jù)三角網(wǎng)格表面模型頂點位置的概率分布，估計兩幀或多幀三角網(wǎng)格表面模型之間重疊區(qū)域的“隱表面”，并將重疊區(qū)域的所有三角網(wǎng)格頂點重定位到局部“隱表面”上，以消除因誤差造成的幾何上的模型不一致；通過重新連接重定位后的頂點，實現(xiàn)模型數(shù)據(jù)結(jié)構(gòu)上的連續(xù)一致，最終輸出一幅融合后的完整三角網(wǎng)格表面模型；對于兩巾貞三角網(wǎng)格表面模型的融合，直接采用兩幀之間三角網(wǎng)格表面模型概率融合方法；對于多幀三角網(wǎng)格表面模型的融合，遞增式地采用兩幀之間三角網(wǎng)格表面模型概率融合方法，每次將一幀新的三角網(wǎng)格表面模型與已有模型進(jìn)行兩幀之間的融合，所述的兩幀之間三角網(wǎng)格表面模型概率融合方法的具體步驟為:
1)根據(jù)傳感器設(shè)備特性和數(shù)據(jù)采集方式估計三角網(wǎng)格表面模型數(shù)據(jù)中每個三角網(wǎng)格
頂點I3J的不確定性；
2)對于兩幀三角網(wǎng)格表面模型中的每個三角網(wǎng)格頂點，評估該頂點所在局部表面與另一幀的近鄰情況以確認(rèn)兩幀數(shù)據(jù)在該位置是否重疊，并標(biāo)記兩幀數(shù)據(jù)中所有處于重疊區(qū)域的三角網(wǎng)格頂點；
3)對處于重疊區(qū)域的每個三角網(wǎng)格頂點Ps,搜索其在本幀數(shù)據(jù)中的所有相鄰三角面以及在另一幀中的最近鄰的I個對應(yīng)三角面，根據(jù)這些三角面頂點的位置不確定性，估計三角網(wǎng)格頂點Ps在該局部區(qū)域的“隱表面”上投影并計算的不確定性；
4)重新連接重疊區(qū)域重定位后的頂點，形成連續(xù)一致的三角網(wǎng)格模型。
[0005]所述的步驟I)為:根據(jù)傳感器設(shè)備特性和誤差模型獲取表示三角網(wǎng)格頂點Ps的
協(xié)方差矩陣Corps,則三角網(wǎng)格頂點Ps的不確定性可表示為概率分布
【權(quán)利要求】
1.一種基于頂點重定位的三角網(wǎng)格表面模型概率融合方法，其特征在于，以兩幀或多幀三角網(wǎng)格表面模型為輸入，根據(jù)三角網(wǎng)格表面模型頂點位置的概率分布，估計兩幀或多幀三角網(wǎng)格表面模型之間重疊區(qū)域的“隱表面”，并將重疊區(qū)域的所有三角網(wǎng)格頂點重定位到局部“隱表面”上，以消除因誤差造成的幾何上的模型不一致；通過重新連接重定位后的頂點，實現(xiàn)模型數(shù)據(jù)結(jié)構(gòu)上的連續(xù)一致，最終輸出一幅融合后的完整三角網(wǎng)格表面模型；對于兩幀三角網(wǎng)格表面模型的融合，直接采用兩幀之間三角網(wǎng)格表面模型概率融合方法；對于多幀三角網(wǎng)格表面模型的融合，遞增式地采用兩幀之間三角網(wǎng)格表面模型概率融合方法，每次將一幀新的三角網(wǎng)格表面模型與已有模型進(jìn)行兩幀之間的融合，所述的兩幀之間三角網(wǎng)格表面 模型概率融合方法的具體步驟為: O根據(jù)傳感器設(shè)備特性和數(shù)據(jù)采集方式估計三角網(wǎng)格表面模型數(shù)據(jù)中每個三角網(wǎng)格頂點Ijs的不確定性； 2)對于兩幀三角網(wǎng)格表面模型中的每個三角網(wǎng)格頂點，評估該頂點所在局部表面與另一幀的近鄰情況以確認(rèn)兩幀數(shù)據(jù)在該位置是否重疊，并標(biāo)記兩幀數(shù)據(jù)中所有處于重疊區(qū)域的三角網(wǎng)格頂點； 3)對處于重疊區(qū)域的每個三角網(wǎng)格頂點,搜索其在本幀數(shù)據(jù)中的所有相鄰三角面以及在另一幀中的最近鄰的I個對應(yīng)三角面，根據(jù)這些三角面頂點的位置不確定性，估計三角網(wǎng)格頂AP5在該局部區(qū)域的“隱表面”上投影并計算的不確定性； 4)重新連接重疊區(qū)域重定位后的頂點，形成連續(xù)一致的三角網(wǎng)格模型。
2.根據(jù)權(quán)利要求1所述的基于頂點重定位的三角網(wǎng)格表面模型概率融合方法，其特征在于，所述的步驟I)為:根據(jù)傳感器設(shè)備特性和誤差模型獲取表示三角網(wǎng)格頂點.Ps的協(xié)方差矩陣CorPs,則三角網(wǎng)格頂點Ps的不確定性可表示為概率分布
3.根據(jù)權(quán)利要求1所述的基于頂點重定位的三角網(wǎng)格表面模型概率融合方法，其特征為，所述的步驟2)中標(biāo)記兩幀數(shù)據(jù)中所有處于重疊區(qū)域的三角網(wǎng)格頂點的方法為:遍歷兩幀數(shù)據(jù)中的所有點，對于此過程中的每一點，該點屬于兩幀數(shù)據(jù)中的某一幀，搜索另一幀三角網(wǎng)格中與以三角網(wǎng)格頂點Ps為中心半徑小于^的范圍內(nèi)、數(shù)量不超過Fl的所有最近點，得到頂點集iV,對于頂點集JV內(nèi)頂點組成的所有三角面，若存在一個以、PF ,Pw為頂點的三角面，使得
4.根據(jù)權(quán)利要求1所述的基于頂點重定位的三角網(wǎng)格表面模型概率融合方法，其特征為，所述的步驟3)中估計三角網(wǎng)格頂點Ps在該局部區(qū)域的“隱表面”上投影并計算的不確定性的方法為:
5.根據(jù)權(quán)利要求1所述的基于頂點重定位的三角網(wǎng)格表面模型概率融合方法，其特征在于，所述的步驟4)為:對于重疊區(qū)域重定位后的每個頂點，搜索其周圍半徑小于r范圍內(nèi)的數(shù)量不超過η的所有最近鄰點，得到的點集為i￥,為點集JV擬合的平面為G,將點集JV包含的所有點投影到平面G上得到二維點集iT,利用基于局部搜索的二維三角化算法逐點建立與周圍點的連接關(guān)系，將該連接關(guān)系映射回原始三維頂點，即實現(xiàn)了對于重疊區(qū)域重定位后頂點的重新連接。
6.根據(jù)權(quán)利要求4所述的基于頂點重定位的三角網(wǎng)格表面模型概率融合方法，其特征在于，所述的為點集JV擬合平面G的方法為:計算點集ΛΤ的均值，得到平面G的中心Ce ;計算iVW的特征向量，其最小特征值對應(yīng)的特征向量即為平面G的法向量;平面G的中心G和法向量Ilcs即表示了一個經(jīng)過中心€^、法向量為We的平面。
【文檔編號】G06T17/30GK103729886SQ201310742502
【公開日】2014年4月16日 申請日期:2013年12月30日 優(yōu)先權(quán)日:2013年12月30日
【發(fā)明者】熊蓉, 李千山 申請人:浙江大學(xué)