基于深度圖像的點(diǎn)云邊界點(diǎn)提取

劉 浩,李 冬,于振國(guó),姜 旭

(河海大學(xué) 地球科學(xué)與工程學(xué)院,江蘇南京210098)

0 引 言

三維激光掃描作為一種先進(jìn)的全自動(dòng)高精度立體掃描技術(shù),又被稱為“實(shí)景復(fù)制”技術(shù),在逆向工程、測(cè)繪、虛擬仿真等領(lǐng)域正逐漸深入的應(yīng)用。利用三維激光掃描儀采集的點(diǎn)云數(shù)據(jù)可以快速重建出原實(shí)體的三維模型,其中點(diǎn)云邊界點(diǎn)的提取是數(shù)據(jù)壓縮、目標(biāo)識(shí)別、曲面重建的關(guān)鍵步驟之一。邊界點(diǎn)可構(gòu)成模型最基本的幾何框架,因此邊界點(diǎn)的正確提取對(duì)于準(zhǔn)確表達(dá)模型外觀具有關(guān)鍵作用。通常在邊界點(diǎn)提取的過(guò)程中會(huì)首先進(jìn)行模型特征點(diǎn)的提取,然后再依據(jù)一定的規(guī)則從候選特征點(diǎn)中篩選出邊界點(diǎn)。Milroy M J[1]和Yang[2]在局部坐標(biāo)系內(nèi)進(jìn)行二次參數(shù)曲面計(jì)算,通過(guò)判斷曲率極值來(lái)提取邊界點(diǎn)。賀美芳等[3-4]利用Yang的方法處理點(diǎn)云得到二次參數(shù)曲面方程,并利用朱心雄[5]提到的方法求高斯曲率、平均曲率來(lái)進(jìn)行邊界點(diǎn)提取。胡鑫等[6]利用梯度求解法,計(jì)算各采樣點(diǎn)的法矢和曲率并進(jìn)行閾值判斷得到候選邊界點(diǎn)。孫殿柱等[7]先建立散亂點(diǎn)云數(shù)據(jù)的拓?fù)潢P(guān)系,利用采樣點(diǎn)及其k鄰域點(diǎn)擬合微切平面,并將采樣點(diǎn)和其k鄰域點(diǎn)投影到微切平面,根據(jù)采樣點(diǎn)及其k鄰域點(diǎn)所對(duì)應(yīng)投影點(diǎn)連線的最大夾角進(jìn)行點(diǎn)云邊界點(diǎn)的提取。法矢夾角法需要建立散亂點(diǎn)云數(shù)據(jù)之間的拓?fù)潢P(guān)系,計(jì)算采樣點(diǎn)和其k鄰域點(diǎn)法矢的夾角,運(yùn)算量較大,增加了算法的時(shí)間復(fù)雜度。近些年國(guó)內(nèi)外對(duì)深度圖像的研究形成了熱潮,除了直接利用點(diǎn)云坐標(biāo)數(shù)據(jù)進(jìn)行邊界點(diǎn)提取外,還可以先將點(diǎn)云數(shù)據(jù)轉(zhuǎn)化成深度圖像,利用深度圖像進(jìn)行點(diǎn)云邊界點(diǎn)提取。

1 利用深度圖像提取點(diǎn)云邊界點(diǎn)

1.1 深度圖像

近幾年國(guó)內(nèi)外對(duì)深度圖像的研究形成了熱潮,深度圖像不同于常見的灰度圖像,灰度圖像中的像素點(diǎn)代表了該點(diǎn)所接收光的強(qiáng)度或灰度,而深度圖像中的像素點(diǎn)包含的是對(duì)應(yīng)掃描點(diǎn)的深度信息。由于圖像中的深度數(shù)據(jù)獨(dú)立于光照及物體表面的光反射特性,與灰度圖像相比深度圖像分析中沒(méi)有光照的陰影及物體光滑表面上紋理(圖案)所產(chǎn)生的困擾,因而深度圖像數(shù)據(jù)可以比較容易求得有關(guān)物體的更可靠的幾何信息[8]。

1.2 深度圖像的獲取

目前產(chǎn)生深度圖像主要有兩種方式,一種是利用設(shè)備直接采集待掃描場(chǎng)景的深度數(shù)據(jù)并以圖像的形式進(jìn)行保存;另一種是先獲取場(chǎng)景中每個(gè)采樣點(diǎn)的三維坐標(biāo),再利用測(cè)站點(diǎn)或視點(diǎn)坐標(biāo)轉(zhuǎn)換成深度圖像。

1.3 深度圖像的邊界提取

孫曉蘭等[9]將三維點(diǎn)云坐標(biāo)數(shù)據(jù)轉(zhuǎn)化成2.5維深度圖像,分析并評(píng)估了掃描線迭代法、雙方向曲率法、二階微分算子法等三種算法在深度圖像邊緣檢測(cè)中的性能,實(shí)驗(yàn)表明:雙方向曲率法對(duì)噪聲較為敏感,有些主要邊緣未能提取出來(lái),在非邊緣處還出現(xiàn)了很多孤立的邊緣點(diǎn);微分算子法能將一些主要區(qū)域分割出來(lái),并且在三種方法中運(yùn)算速度最快,但欠分割較嚴(yán)重,漏掉了很多小塊區(qū)域,可以應(yīng)用于分割大塊區(qū)域的場(chǎng)合中;掃描線迭代法能檢測(cè)出所有的邊緣,可以較好地平衡邊緣定位精度和抗噪聲性能的矛盾。

2 邊界點(diǎn)分類提取算法

2.1 算法介紹

在深度圖像中,特征點(diǎn)通常呈現(xiàn)出距離數(shù)據(jù)從物體到背景的非連續(xù)變化。在論文中我們主要關(guān)注三種類型的特征點(diǎn):物體邊界點(diǎn),陰影邊界點(diǎn)和遮掩點(diǎn)。物體邊界點(diǎn)是物體外圍仍屬于該物體的點(diǎn),陰影邊界點(diǎn)是背景中連接遮掩物的點(diǎn),遮掩點(diǎn)是物體邊緣和陰影邊緣之間的內(nèi)插點(diǎn)。遮掩點(diǎn)是三維激光測(cè)量中的典型現(xiàn)象,較好地處理遮掩點(diǎn)可以提高匹配和分類的結(jié)果。該算法由Steder等[10]提出,論文將對(duì)該算法的原理作詳細(xì)解釋并利用三維激光掃描儀獲取的實(shí)際工程數(shù)據(jù)對(duì)該算法實(shí)用性進(jìn)行檢驗(yàn)并作分析評(píng)價(jià)。

2.2 算法步驟

論文中以下提到的2D位置指的是像素點(diǎn)在深度圖像中位置,3D位置指的是采樣點(diǎn)在測(cè)量坐標(biāo)系中的坐標(biāo),同樣,2D距離指的是圖像中像素之間的距離,3D距離指的是點(diǎn)與點(diǎn)之間的歐式距離。

圖1 采樣點(diǎn)及其鄰域點(diǎn)圖

(2)搜索并計(jì)算深度圖像中采樣點(diǎn)與鄰域點(diǎn)之間的3D距離{d0,d1,…,ds2-1}。

(3)對(duì)(2)中計(jì)算出的距離值進(jìn)行升序排列{d′0,d′1,…,d′s2-1}。

(4)計(jì)算采樣點(diǎn)與頂部鄰域點(diǎn)間的平均距離dtop=‖px,y-ptop‖,其中px,y是深度圖像中位置為(x,y)處的點(diǎn),平均距離,mp參數(shù)可以在實(shí)驗(yàn)中進(jìn)行調(diào)節(jié),論文中設(shè)定mp=3。

(6)在所有候選物體邊界點(diǎn)中選擇2D距離最大(本文中選擇3個(gè)像素)分值最高的點(diǎn)作為陰影點(diǎn)。

(7)比較 s′top=max(0.9,1-(1-sshadow)3)·stop和0.8的大小,如果 s′top大于0.8并且比 px,y-1和px,y+1處的分值高,則px,y處的點(diǎn)作為物體邊界點(diǎn),px,y-1和px,y+1作為陰影點(diǎn),之間的點(diǎn)作為遮掩點(diǎn)。

(8)同理計(jì)算另外三個(gè)分值 sbottom、sleft、sright,其分別描述了在采樣點(diǎn)底部、左側(cè)和右側(cè)存在邊界的可能性。

2.3 實(shí)驗(yàn)

為了檢驗(yàn)該算法的效果,作者選取了三維激光掃描儀獲取的兩處場(chǎng)景數(shù)據(jù)進(jìn)行實(shí)驗(yàn)。場(chǎng)景1是一個(gè)橋梁,點(diǎn)云文件中共有692 812個(gè)點(diǎn),場(chǎng)景2是一個(gè)放有實(shí)驗(yàn)儀器的房間,點(diǎn)云文件中共有359 363個(gè)點(diǎn)。

圖2是利用轉(zhuǎn)換后的點(diǎn)云坐標(biāo)數(shù)據(jù)產(chǎn)生的場(chǎng)景1和場(chǎng)景2的深度圖像。

圖2 場(chǎng)景深度圖像

圖3是利用論文的算法對(duì)圖2的深度圖像進(jìn)行處理,提取各對(duì)應(yīng)場(chǎng)景的邊界點(diǎn)。

圖3 場(chǎng)景邊界點(diǎn)提取圖

從實(shí)驗(yàn)效果來(lái)看,該算法基本能正確區(qū)分物體邊界點(diǎn)、陰影邊界點(diǎn)和遮掩點(diǎn),對(duì)于噪聲也有一定的抗干擾能力。因?yàn)樗惴ㄖ饕罁?jù)深度圖像的距離變化進(jìn)行邊界點(diǎn)的檢測(cè),因此要求邊界點(diǎn)數(shù)據(jù)有一定梯度變化。

3 總 結(jié)

點(diǎn)云邊界點(diǎn)提取是點(diǎn)云數(shù)據(jù)處理的一項(xiàng)關(guān)鍵技術(shù),傳統(tǒng)的邊界點(diǎn)提取算法都是在直接利用點(diǎn)云坐標(biāo)數(shù)據(jù)進(jìn)行邊界點(diǎn)的提取,存在運(yùn)算量過(guò)大等弊端。論文利用邊界點(diǎn)分類提取算法進(jìn)行點(diǎn)云邊界點(diǎn)的提取,并利用實(shí)際三維激光掃描儀獲取的兩處場(chǎng)景數(shù)據(jù)對(duì)算法進(jìn)行驗(yàn)證,實(shí)驗(yàn)表明該算法基本能正確提取點(diǎn)云邊界點(diǎn),同時(shí)具有抗噪聲干擾能力,具有一定的實(shí)用性。

[1] Milroy M J,Bradley C,Vickers G W.Segmentation of a wrap-around model using an active contour[J].Computer-Aided Design,1997,29(4):299-320.

[2] Yang M,Lee E.Segmentationof measured point data using a parametric quadric surface approximation[J].Computer-Aided Design,1999,31(7):449-457.

[3] 賀美芳,周來(lái)水,朱延娟,等.基于局部基面參數(shù)化的點(diǎn)云數(shù)據(jù)邊界自動(dòng)提取[J].機(jī)械科學(xué)與技術(shù),2004,23(8):912-915.

[4] 賀美芳,周來(lái)水,神會(huì)存,等.散亂點(diǎn)云數(shù)據(jù)的曲率估算及應(yīng)用[J].南京航空航天大學(xué)學(xué)報(bào),2005,37(4):515-519.

[5] 朱心雄.自由曲線曲面造型技術(shù)[M].北京:科學(xué)出版社,2000.

[6] 胡 鑫,習(xí)俊通,金 燁.基于圖像法的點(diǎn)云數(shù)據(jù)邊界自動(dòng)提取[J].上海交通大學(xué)學(xué)報(bào),2002,36(8):1118-1120.

[7] 孫殿柱,范志先,李延瑞,等.散亂數(shù)據(jù)點(diǎn)云邊界特征自動(dòng)提取算法[J].華中科技大學(xué)學(xué)報(bào)(自然科學(xué)版),2008,36(8):82-84.

[8] 孫龍祥,程義民,王以孝,等.深度圖像分析[M].北京:電子工業(yè)出版社,1996.

[9] 孫曉蘭,趙惠潔,祝世平.基于深度圖像的邊緣檢測(cè)方法研究[C]//2004全國(guó)光學(xué)與光電子學(xué)學(xué)術(shù)研討會(huì)、2005全國(guó)光學(xué)與光電子學(xué)學(xué)術(shù)研討會(huì)、廣西光學(xué)學(xué)會(huì)成立20周年年會(huì)論文集.

[10] Steder B,Rusu R B,Konolige K,et al.Point feature extraction on 3D range scans taking into account object boundaries[C]//2011 IEEE International Conference on Robotics and Automation(ICRA),Shanghai,2011:2601-2608.