点云数据的预处理

1、点 云 数 据 的 预 处 理点云数据加姓理的首要任务是如何从听测数据中提归门件的儿何忤征。穗后在工 件测星数据的几何属性的基础上，讶行工件的分割姓理.最后利用特征匹配俱别对工件 的康型进行处理，最终得到工件康型的侍征。J.1点.云掠念及分舞何以利用点云数据*描述工件的模型它一般是一系列离散的儿何点它主要是I 维敷据采集谜备所测得的更粘确的说一件模型是I:I 一系列空间的栗样儿何点所构J成的.以及与这些点相关联伯表而属性。冏此.构优点云的最基本单位是点-II每个点祢 仃与之相对应的工件信息:比如 坐标值、大小以及工件表而属性抒征等等。通过点在 点云中采集的分缶山点（如密度、排列方式等）可将点云

2、做一下分类:cim乱点云，所掘米的点行征分侑不明乩一.il散乱无序。扫描线点云，它的点云主要Eli扫播线知虬I这些线I-.的所C点.都在扫描平而内。3网格化点云，参数域中一个均匀网格的顶点都与点云中所有点相互对应。利闫网 格化插值对在心、激光扫描系统、投形光删测鱼系统及吏体视如法中获得的数据进 f处理后得到的点云即为网格化点云。N侈好点云，将分布在一系列平Hii内的距离最小的若F相即点按照一定顺序依衩 连接在一起，J以得到一组有嵌套的平ihi老边J既呈现多讪形期征的测量点忌行莫尔等 高经觇最、I.WCT、层切法、磁共撮成国系统等等-隘次之外,所,点云还诃以招密度分。来进行分类,包括高密fl 1

3、氐密两种点.云或 如所测得的点云即力低密度点云，一般数呈力儿卜到儿千个。高密度点云主要指的 是那些由h动化程度或测量速收较高的光学法印断度测星法所测得的点云。这些点云的 敌鱼一股可以泠到儿百刀个D戒们也称这些点云为海鱼点云数据戚，本文主要研究的是些散乱点云所通目的处理方法-而对一些比较特赚关的地点 X-O业们J以旻活的采垠其他迪用的方法。因此在点云扯理过程中要仔细理察以逃收最适当的方法。3.2影响点云的要素产品外观表1(11 由测量仪器所测得到的点的点数据集合在反求匚程中也称之为点 云.点的何即也比较大与点数呈比较少的点，通常情况卜是使用三维坐标测量机所测量 得到，这些点叫稀疏点云：而点云点数

4、与比较大并且比较密集,通常是使用三维辙光扫 描牧或照相式扫描仪所得到的，叫密集点云七稀疏点云或密集点云都是反求造型的基 础.有不少专门的反求软件能够进行点云的编辑和处理,比如I mageware、geomagic、 copy cad 和 rap id form 等等。测房质童一股体现在付测虽得到的点的要求比找苛刻。其中测点的密度和分布是主 要影响因素，它们将直接影响后续的曲线、曲而拟合的质量，F面详细分析一下二者在 不同情况卜对拟合质虽:带来的影响。S,其中，disi P , P)是两点间距离(如图3-1(b)所示)，5为测鱼允许误差，则P为噪声点。O泗宣点真实点图3.1映声点定义定义3：若噪

5、声点P,在测量平面的投影为尸，对测定面内的点,分别考虑插入P 插值曲线C潮不插入P”的插值曲线C”,对C,与C”的光顺度迸行比较,若c的光顺度优于CF勺光顺度，则尸是有用噪声点,反之,P是无用噪声点，如图3.1所示。定义4：对于定义2中和定义3中分别所说得不在测量规划内的点和无用噪声点, 对构理曲线、曲面亳无用处,则称其为其实噪声点。k|,则认为R是噪声点。此方法简单.但仅适用于数据较密、形状平坦 的表面。角度判断法就是比较两个角的大小，一个是操作者门己设定的角度值5，另一个是 通过计算沿扫描线方向相邻的三点所构成的角度。，若a5 ,则中间点伯-可能是噪声 点，标注并记录。再顺序判断所有扫描点

6、，并根据实际情况判断是否为噪声点。该方法 在数据测量过程中可避免读取噪声点，但是效率低，另外仃可能在角度判断后出现噪声 点。目前在反求过程中，噪声去除方法主要存在以卜两个问题：去除噪声点时导致会 损失真实点：将噪声点直接去除，导致仃用噪声点无法利用。举例说明，如图 3. 3 所示假设有R (25, 10, 20), P, (30, 12, 20), R (35,18, 20), P4 (40, 16, 20), P5 (45, 12, 20), P6 (50, 15, 20), P7 (55, 14, 20)7 个真实点，这7个点拟合的样条曲线如图3.3(a)所示，显然，实测点P(44 , 1

7、3, 25) 是噪声点，将R去除，由P,已，P/ P4, P“，P, 拟合,其样条曲线如3.3(b) 所示，采用如图3.2(a)方法.将旦点投影到测量而上，得到新点吁(45, 12. 20),则 由R, R, R, P4, P；, P., PQ拟合样条曲线如图3.3(c)所示，显然比较符合原 来曲线的形状。通过比较知，对曲声的的直接去除.有时会去除有用噪声点.对曲线、 曲面的重构精度产生影响。3)原始对比插值杵条曲线(b)去除噪曾点的插值曲线II(c )噪音点处理后的插值样条曲线图3. 3噪声点处理方法的结果对比3.3.3点云配准点云配准主要任务是如何获得物体完整表面的点云数据o在实际应用中，

8、反求工程 技术在进行数据栗集时，泌常会受到测量环境、测量设备等因素的制约，要想得到物体 表面完整的测显数据，-般情况卜，需要进行多次测虽。在每次测址过程中，曲于所得 点云数据覆盖面积的有限性,以及测云失误等原因，比如;旋转错云及平移错位等,通 常需要对所得的局部点云数据进行配准整合.点云配准常见方法主要包括提取特征法和标签法两种。提取特征法要求点云有较为 明显的特征ICP (Iterative Closest Point)算法,通过提取轮廓曲线或提取平面特征 等，使其具仃较高的精度，但同时其响应速度相对校慢。标签法则主要是利用测量时操 作者贴上的一些特征点来定位，此法同其他方法一样，主要依赖于

9、仪器和测量。3.3.4点云精简点云精简t要是对冗余点云进行滤除、过滤或采样，以此达到节约时间和空间的目 的。由于在实际测量过程中，得到的测量数据非常巨大，为了不丢失如校线、尖锐角等 有用的数据信息，点云精简I：作必须在实体结构允许的误差范围之内进行。例如，对某 组测量数据采用点云精简方法之后，点云数据大幅减少至瞭来的七分之一，但是其模型 特征依然保留完好。不同的点云精简方法使用于不同类型的“点云”。例如：通常采用倍率缩减、等间距缩减、等虽缩减及】弦高差等方法来进行多边形和扫描线点云的精简：在网格化点云 中，通常采用最小包围区域法和等分布密度法等：而在散乱点中则通常采用随机采样、均匀网格和三角网

10、格法等”气本文主要的研究任务是对海址散乱点云进行精简算法，理想中的点云精简算法要求 在尽短的时间内，用最少的点数表达最多的数据信息。但是在实际应用中，由于务种条 件的制约，目前仍没有一种算法能够达到理想状态。本文采用的混合采样法，通过曲率 采样和随机采样相结合的方式，相较于其他方法具伯较好的综合表现，并且实际可行O3.3.5点云分割点云经过了点云的精简过程，但在对于一些比较复杂、曲率变化大的实体，用常用 的CAD/CAM软件对其进行处理仍然会比较困难，因为过滤后的点云数据还是会比较大。 这样结果的精度不能得以保证而乂花费了大虽的时间反求工程能快速响应市场的优点 也就失去了。所以，在进行点云数据

11、处理的时候可以考虑对整体的点云进行细小的分割， 然后再进行处理，最后再将整体匹配起来恢红原始的实体形状。在点云分割中，为了避免整体在局部细节的变形影响最后的匹配，要尽可能便分割 线处的曲率平滑些，同时在曲率变化比较大的地方尽量避免分割线的出现o3.3.6点云融合点云在经过配准后实际上还是一些独立的点云，为了获得完整的点云，我们需要对 点云进行无缝融合，而一些从CAD中读入本身就是一些小点云，同样也需要对它们进行 融合。对点云的融合并不仅仅是简单地将那些小的点云融合为一个点云，对点云的融合需 要根据衔接的情况、去掉那些多余的测量点、补回丢失的测量点，从而可以使整个点云 既完整乂不会出现冗余。3.

12、3.7点云派生在后续建模的过程中，在原来的点云上派生出新的点云，而不是采用原始的点云. 即为点云的派生。派生点云的派生方法主要有：加密原始的点云、锐像原始的点云、提 取原始点云的扫描线、按一定的比例对原始的点云进行缩放、将原始的点云对齐到新的 坐标系叶3.3.8点序云排点云排J手方法是通过对一些数据虽大并且排列无序的散乱点云，进行构造平滑曲面、 获得特征线等处理，打破其原始无序状态，达到构造三角而片的目的。点云排J手方法遵循的原则主要包括方向原则和就近原则。所谓方向原则，就是将点 云按照Y方向或者X方向等某一方向进行排序，最终使得点云在该方向有序：就近原则 即选取距离门己最近的点为标准，构造出

13、三角面片临近n己的点来构成逼近实体模型的 三角面片。在实际应用过程中,具体选择何种排序方式要视具体情次而定，例如:当实体的大 部分特征为几何体素时,通常遵循方向原则来进行排序。而对于自由曲而,则通常遵循 就近原则。3.3.9点云对齐当对零件表而形状进行测量时，由于多种因素的制约，不论栗用接触式或者非接触 式测虽方法，都没有办法通过一次定位达到对整个零件进行测最的I I的。通常需要引入二次测虽米完成对整个零件的测虽过程。这些决定性因素主要包括： 由于一些复杂的型而存在一些视觉的死区或者是投影编码的盲点，一次根本不可能完成 整个型面的测最,只能借助于从其它的方向进行补测来完成：受到测最范围的限只,

14、针 对一些大型的零件，必须进行分块的测量：对于佰央紧和定位要求的被测物体，一次测J 量不可能同时获得夹紧位置以及定位而的测星数据，所以需要引进二次测量。在迥常的实际工程中，经常对整个物体模型的测量是通过把物体表而分成多个局部 相互重叠的子区域来完成的。多视点云是利用分块测量，将各个视角进行分块的分别测 里从而得到独立的点云在不同区域进行测量时，所采用的都是各区域对应的局部坐标系，由于局部坐标系 的不一致性，不同的测房有重叠部分，为消除这些重餐部分，我们需要对这些不一致的 坐标系进行统i处理，即将其统一到同一个坐标系中，从而可以得到被测物体表而的完 整数据，称这种处理过程为多视数据的对齐。LI前

15、，对于务视数据对齐的处理方式，有两种方式：第一，采用专用的测量装置： 第二，事后对数招进行对齐处理。当采用专用的测量装宥时.在测量过程中工件的转动角度以及移动量需要利用一工 件的移动门动转换平台来记录。当杲用的是接触式的测量方法时，可以对数据点直接通过测量软件进行运动的补偿: 然而，激光扫描的测虽:方式，坐标转换可以通过将多视传/器安装在可转动精密何眼机 构上来准确获得。在分析对点云处理顺序的先后的基础上，可以将处理的方法分为以卜.两种：第一， 在拼合点云的基础上进行产品模型原型的重构：第二，在将局部的分块点云拼合在一起 的基础上,再捋局部的几何形体拼合形成完整的数据。在理想的情况卜,，对与有

16、一些明显的几何特征的点云,在构造它们局部的几何形体 时，便可以利用这些特征来完成，最后再进行拼合处理，这样处理方法其速度和准确性 均相当的可观。但是，在实际的情况中，通常是在不同的视图中同一个特征被分成许务 特征，甚至会消失。因此，在实际的应用中，迥常采用先对点云进行拼合，然后再进行 原型的重构的方法，血不是利用局部的特征来进行拼合o3.4 Imageware的点云处理过程图3.4设让过程如卜.：打开Imagcwarc软件，读取鼠标的点云信息。图3.4读入点云文件选取鼠标的外表而圈选取标的外表而进行点云的显示设宣。点/选择分散点显示， 以点作为点的坐标显示.采样点间隔设置为2。如图3.4.图3.5所示。图3.5 . Z置界面. 0 -g图36点云视图的显示界而选取鼠标视图的F表取的红线处,进行圈选山的设理。如图3.7、图3.8所闻即留选点S点云口冽乾选捽所有。屏幕上的点之间（）底线内远释屏吊上的空口列表1清陶 ）万式点三角为阳格保留点云O内则O外倾O而伽g斤点俱省原顺据应用 J :IBAMgeE ,7NgMU， HF图3.8圈选点视图的界血通过圈选点的方式除去噪声点