梁正友，黃思捷，孫 宇，李軒昂

(1.廣西大學(xué) 計(jì)算機(jī)與電子信息學(xué)院，廣西 南寧 530004；2.廣西多媒體通信與網(wǎng)絡(luò)技術(shù)重點(diǎn)實(shí)驗(yàn)室，廣西 南寧 530004)

0 引 言

由于微軟推出的體感設(shè)備Kinect V2在三維重建領(lǐng)域當(dāng)中的點(diǎn)云信息采集上表現(xiàn)出操作簡(jiǎn)單、易上手、價(jià)格廉價(jià)等優(yōu)點(diǎn)[1]，受到了許多研究者的關(guān)注。Kinect V2獲取點(diǎn)云的數(shù)量非常龐大，平均每秒能夠獲取數(shù)以千計(jì)的點(diǎn)。這些點(diǎn)云不僅密度大，而且包含了許多重復(fù)點(diǎn)和冗余點(diǎn)。如果不對(duì)點(diǎn)云進(jìn)行精簡(jiǎn)，這些多余的點(diǎn)云會(huì)占用大量的存儲(chǔ)空間，直接進(jìn)行曲面重建必定會(huì)浪費(fèi)大量時(shí)間和計(jì)算資源[2]。因此，研究開發(fā)有效的點(diǎn)云精簡(jiǎn)算法可有效地減少點(diǎn)云占用存儲(chǔ)空間，提高運(yùn)算效率。

已經(jīng)有不少學(xué)者研究開發(fā)各種點(diǎn)云精簡(jiǎn)算法。唐澤宇等[3]提出一種基于加權(quán)最小二乘法曲率計(jì)算的點(diǎn)云精簡(jiǎn)算法，能夠有效提升曲率計(jì)算的準(zhǔn)確度，避免了孔洞現(xiàn)象。金露等[4]在利用自適應(yīng)柵格法對(duì)點(diǎn)云進(jìn)行精簡(jiǎn)的基礎(chǔ)上，將ICP算法和RANSAC算法相結(jié)合，同時(shí)提高了點(diǎn)云配準(zhǔn)精度和精簡(jiǎn)的效率。賀一波等[5]提出了一種基于k均值(k-means)聚類的點(diǎn)云精簡(jiǎn)方法，能較好地保留點(diǎn)云的細(xì)節(jié)特征，并且與原始數(shù)據(jù)的稠密稀疏分布更加一致。曹爽等[6]針對(duì)工業(yè)構(gòu)件點(diǎn)云提出了基于曲面變化的點(diǎn)云精簡(jiǎn)算法，通過(guò)計(jì)算點(diǎn)的曲率將點(diǎn)云分成特征不同的多個(gè)區(qū)域，并且在每一個(gè)區(qū)域設(shè)定閾值，為每個(gè)不同的特征區(qū)域計(jì)算其精簡(jiǎn)比率，由精簡(jiǎn)比率定義閾值完成精簡(jiǎn)。陳達(dá)梟等人[7]利用包圍盒子把點(diǎn)云劃分成若干個(gè)子空間，利用每個(gè)子空間獲取K鄰域點(diǎn)集的擬合平面，根據(jù)擬合平面距離，把每個(gè)子空間分為保留區(qū)和刪除區(qū)，最后根據(jù)精簡(jiǎn)率對(duì)刪除區(qū)內(nèi)的點(diǎn)云進(jìn)行精簡(jiǎn)。Nallig Leal等[8]提出了一種基于點(diǎn)云局部密度估計(jì)的點(diǎn)云精簡(jiǎn)方法，使用期望最大化算法對(duì)點(diǎn)云密度分布進(jìn)行聚類，識(shí)別高曲率點(diǎn)作為非去除的點(diǎn)，最后采用線性規(guī)劃對(duì)去除點(diǎn)進(jìn)行精簡(jiǎn)。Yuan Xiaocui等[9]采用K均值聚類算法對(duì)點(diǎn)云進(jìn)行全局聚類，隨后利用K-d樹的節(jié)點(diǎn)作為初始聚類中心，并且使聚類中心映射到高斯球，最后利用自適應(yīng)均值漂移算法對(duì)高斯球中的數(shù)據(jù)進(jìn)行精簡(jiǎn)；Han Huiyan等[10]利用邊緣點(diǎn)比非邊緣點(diǎn)具有更強(qiáng)的幾何特征，區(qū)分邊緣點(diǎn)和非邊緣點(diǎn)并且保留邊緣點(diǎn)，對(duì)于非邊緣點(diǎn)利用歐幾里得距離的平均值來(lái)判定該點(diǎn)是否需要去除，來(lái)完成點(diǎn)云精簡(jiǎn)。Whelan T等[11]提出了一種漸開線點(diǎn)云圖的增量平面分割方法和一種有效的平面曲面三角剖析方法來(lái)進(jìn)行點(diǎn)云的精簡(jiǎn)；Qi Junkun等[12]利用圖的光譜處理，判別出點(diǎn)云上不規(guī)則的點(diǎn)，提出基于圖濾波器點(diǎn)云精簡(jiǎn)公式，對(duì)不規(guī)則的點(diǎn)進(jìn)行精簡(jiǎn)；Xuan Wei等[13]提出了一種簡(jiǎn)化點(diǎn)云的新方法，該方法使用基于法向角的局部熵來(lái)評(píng)價(jià)該點(diǎn)是否為除去對(duì)象。Ji Chunyang等[14]提出一種細(xì)節(jié)特征點(diǎn)簡(jiǎn)化算法。該算法設(shè)置k鄰域搜索規(guī)則以確保找到的點(diǎn)最接近樣本要點(diǎn)，對(duì)測(cè)量點(diǎn)的進(jìn)行重要性評(píng)估，然后使用八叉樹結(jié)構(gòu)來(lái)簡(jiǎn)化剩余的點(diǎn)。該方法不僅可以簡(jiǎn)化點(diǎn)云，同時(shí)對(duì)簡(jiǎn)化目標(biāo)點(diǎn)云的窄輪廓也有很好的效果。Li Haoyong等[15]提出了一種基于法向量標(biāo)準(zhǔn)差的點(diǎn)云快速簡(jiǎn)化算法。該算法對(duì)下采樣后的稠密點(diǎn)云數(shù)據(jù)計(jì)算正態(tài)分布，通過(guò)相鄰點(diǎn)之間的法向夾角計(jì)算特征點(diǎn)與另一特征點(diǎn)之間的分離閾值，在特征點(diǎn)與其他特征點(diǎn)之間再逐步進(jìn)行下采樣，實(shí)現(xiàn)點(diǎn)云的自適應(yīng)簡(jiǎn)化。該算法在短時(shí)間內(nèi)實(shí)現(xiàn)了點(diǎn)云模型的有效簡(jiǎn)化，很好地保持了原模型的特點(diǎn)和形狀。

盡管目前點(diǎn)云精簡(jiǎn)算法研究取得了非常好的進(jìn)展，但還有較大的提升空間。在對(duì)一個(gè)建模物體進(jìn)行多視角采集點(diǎn)云的場(chǎng)景下，由于不同視角的兩個(gè)相鄰點(diǎn)云擁有局部重疊區(qū)域，在配準(zhǔn)之后，使得重疊區(qū)域點(diǎn)云密度過(guò)大，出現(xiàn)占用過(guò)多的存儲(chǔ)空間和降低計(jì)算機(jī)效率等問(wèn)題。針對(duì)這些問(wèn)題，該文提出一種多視角點(diǎn)云精簡(jiǎn)算法，對(duì)擁有局部重疊區(qū)域的多視角點(diǎn)云序列，使用包圍盒子提取兩個(gè)相鄰點(diǎn)云的重疊區(qū)域內(nèi)的點(diǎn)云，將它們分割成重疊區(qū)域點(diǎn)云和非重疊區(qū)域點(diǎn)云。隨后提出一個(gè)分組隨機(jī)精簡(jiǎn)算法對(duì)重疊區(qū)域內(nèi)的點(diǎn)云進(jìn)行精簡(jiǎn)。對(duì)所有的重疊區(qū)域點(diǎn)云精簡(jiǎn)之后，與非重疊區(qū)域點(diǎn)云再合并成一個(gè)整體點(diǎn)云，根據(jù)精簡(jiǎn)率的要求在對(duì)整體點(diǎn)云進(jìn)行一次精簡(jiǎn)。對(duì)提出的精簡(jiǎn)算法和基于包圍盒子精簡(jiǎn)算法[16]進(jìn)行實(shí)驗(yàn)對(duì)比，分別使用基于包圍盒子的精簡(jiǎn)算法和該文提出的精簡(jiǎn)算法對(duì)原始點(diǎn)云在75%、50%、25%精簡(jiǎn)率的實(shí)驗(yàn)條件下進(jìn)行對(duì)比。實(shí)驗(yàn)結(jié)果表明，在相同的精簡(jiǎn)率下，與基于包圍盒子的精簡(jiǎn)算法相比，該文提出的點(diǎn)云精簡(jiǎn)算法更能減少對(duì)目標(biāo)物體點(diǎn)云細(xì)節(jié)的破壞，最大程度上保留目標(biāo)物體的點(diǎn)云細(xì)節(jié)和特征。

1 提出的精簡(jiǎn)算法

本節(jié)包括三個(gè)小節(jié)。第1.1節(jié)介紹基于包圍盒子的重疊區(qū)域內(nèi)點(diǎn)云提取方法，用于將多視角點(diǎn)云分割成重疊區(qū)域和非重疊區(qū)域，以便對(duì)密度不同的區(qū)域進(jìn)行不同的精簡(jiǎn)。第1.2節(jié)提出一種基于分組的點(diǎn)云隨機(jī)精簡(jiǎn)算法，對(duì)點(diǎn)云按一定的規(guī)則進(jìn)行排序，然后按等點(diǎn)數(shù)量進(jìn)行均勻分組，對(duì)每個(gè)分組精簡(jiǎn)同樣數(shù)量的點(diǎn)。該算法能克服信息精簡(jiǎn)分布不一致的問(wèn)題，較好地保留點(diǎn)云的細(xì)節(jié)。第1.3節(jié)提出多視角點(diǎn)云精簡(jiǎn)算法，使用包圍盒子重疊區(qū)域內(nèi)點(diǎn)云提取方法將多視角點(diǎn)云分割成重疊區(qū)域點(diǎn)云和非重疊區(qū)域點(diǎn)云。隨后用分組隨機(jī)精簡(jiǎn)算法對(duì)重疊區(qū)域內(nèi)的點(diǎn)云進(jìn)行精簡(jiǎn)。對(duì)所有的重疊區(qū)域點(diǎn)云精簡(jiǎn)之后，與非重疊區(qū)域點(diǎn)云再合并成一個(gè)整體點(diǎn)云，根據(jù)精簡(jiǎn)率的要求再對(duì)整體點(diǎn)云進(jìn)行一次精簡(jiǎn)。

1.1 基于包圍盒子的重疊區(qū)域點(diǎn)云的提取

對(duì)有局部重疊區(qū)域的兩個(gè)點(diǎn)云A和B，如圖1所示，左邊矩形是點(diǎn)云A的包圍盒子，右邊矩形是點(diǎn)云B的包圍盒子，兩矩形相交形成的小矩形是點(diǎn)云A和點(diǎn)云B的重疊部分。

重疊區(qū)域點(diǎn)云提取算法步驟如下：

圖1 重復(fù)區(qū)域點(diǎn)云提取

(1)

1.2 基于分組隨機(jī)精簡(jiǎn)法

基于包圍盒子的精簡(jiǎn)算法[14]是一種均勻的精簡(jiǎn)方法，它將點(diǎn)云空間均勻劃分成等大小的子包圍盒子，每個(gè)子包圍盒子僅保留一個(gè)中心點(diǎn)并去除子包圍盒子領(lǐng)域內(nèi)的其他點(diǎn)。但是，Kinect V2采集到建模物體的點(diǎn)云并不是均勻分布在空間內(nèi)的，有些區(qū)域的點(diǎn)非常稠密，而有些區(qū)域的點(diǎn)比較稀疏。因此，使用包圍盒子點(diǎn)云精簡(jiǎn)算法會(huì)把點(diǎn)云空間均勻劃分成等大小的子包圍盒子，這會(huì)導(dǎo)致在每個(gè)區(qū)域內(nèi)的點(diǎn)數(shù)量分布不一致，點(diǎn)會(huì)大量集中在某幾個(gè)子包圍盒子內(nèi)，其他子包圍盒子只有少量點(diǎn)甚至沒有點(diǎn)；造成有些地方精簡(jiǎn)過(guò)多，有些地方精簡(jiǎn)過(guò)少，使得精簡(jiǎn)效果不好。針對(duì)這些缺點(diǎn)，該文提出了基于分組隨機(jī)精簡(jiǎn)算法。首先，對(duì)點(diǎn)云按一定的規(guī)則進(jìn)行排序，然后按等點(diǎn)數(shù)量進(jìn)行均勻分組，對(duì)每個(gè)分組精簡(jiǎn)同樣數(shù)量的點(diǎn)。該算法能克服信息精簡(jiǎn)分布不一致的問(wèn)題，較好地保留點(diǎn)云的細(xì)節(jié)，具體描述如下。

在Kinect V2的世界坐標(biāo)中，建模對(duì)象的寬度維度為x軸，深度維度為z軸，高度維度為y軸。為保留建模對(duì)象的細(xì)節(jié)，采用在y軸上的點(diǎn)以y坐標(biāo)值從高到低排序的方式，讓無(wú)序點(diǎn)云變成有序點(diǎn)云。

由于是均勻分組，保證每一組點(diǎn)云精簡(jiǎn)的數(shù)量是一定的。合適大小的分組能確保在隨機(jī)去除點(diǎn)的情況下，不會(huì)造成在某一區(qū)域過(guò)度精簡(jiǎn)而導(dǎo)致空洞的出現(xiàn)，能最大程度地保留建模對(duì)象的點(diǎn)云細(xì)節(jié)和特征。

1.3 多視角點(diǎn)云精簡(jiǎn)算法流程

對(duì)有局部重疊區(qū)域的多視角點(diǎn)云，重疊區(qū)域是稠密區(qū)域，而非重疊區(qū)域是稀疏區(qū)域。為了使得這些稠密區(qū)域被精簡(jiǎn)多一點(diǎn)，稀疏區(qū)域被精簡(jiǎn)少一點(diǎn)，首先對(duì)重疊區(qū)域進(jìn)行一次精簡(jiǎn)，然后對(duì)包括重疊區(qū)域在內(nèi)的整體點(diǎn)云再精簡(jiǎn)一次。每次精簡(jiǎn)的程度用精簡(jiǎn)率進(jìn)行衡量。設(shè)原始點(diǎn)云D包含點(diǎn)數(shù)量為N，經(jīng)過(guò)精簡(jiǎn)后得到的點(diǎn)云Dl包。Dl含的點(diǎn)數(shù)量為M，則精簡(jiǎn)率r定義為：

(2)

對(duì)有局部重疊區(qū)域的多視角點(diǎn)云精簡(jiǎn)的總體思路是：對(duì)0°到180°內(nèi)的多視角點(diǎn)云配準(zhǔn)后，對(duì)兩個(gè)鄰接點(diǎn)云用1.1節(jié)方法提取重疊區(qū)域。然后，用1.2節(jié)提出的精簡(jiǎn)方法對(duì)重疊區(qū)域進(jìn)行精簡(jiǎn)。得到的新點(diǎn)云在和鄰接的點(diǎn)云繼續(xù)采用1.1節(jié)方法提取重復(fù)區(qū)，并用1.2節(jié)提出的精簡(jiǎn)方法對(duì)重復(fù)區(qū)域進(jìn)行精簡(jiǎn)。重復(fù)直到所有的重疊區(qū)域都被精簡(jiǎn)了。然后對(duì)整體點(diǎn)云再進(jìn)行一次精簡(jiǎn)，以達(dá)到要求的精簡(jiǎn)率。形式化描述如下：

/*多視角點(diǎn)云精簡(jiǎn)算法*/

BEGIN

步驟一：

For(j=0;j

{

(2)Ej=Ej-Fj,j+1;Ej+1=Ej+1-Fj,j+1/*將重疊區(qū)域中的點(diǎn)云去掉*/

}

步驟二：D=D∪Ej；/*將最后的點(diǎn)云歸到整體點(diǎn)云中*/

步驟三：用1.2節(jié)提出的分組隨機(jī)精簡(jiǎn)方法以精簡(jiǎn)率r對(duì)整體D進(jìn)行精簡(jiǎn)，使精簡(jiǎn)率到達(dá)要求。

END //算法結(jié)束

算法相關(guān)說(shuō)明如下：

(1)算法第(2)步：等式Ej=Ej-Fj,j+1，Ej+1=Ej+1-Fj,j+1將重疊區(qū)域中的點(diǎn)云去掉，在下一輪中參與操作的Ej+1要將已經(jīng)精簡(jiǎn)過(guò)的部分排除出去，目的是防止在下一輪精簡(jiǎn)時(shí)不再對(duì)已經(jīng)精簡(jiǎn)過(guò)的部分再次精簡(jiǎn)，避免過(guò)度精簡(jiǎn)，保持整體點(diǎn)云精簡(jiǎn)率的一致性。

(3)步驟二中等式D=D∪Ej是將排除了重疊區(qū)域點(diǎn)云的最后點(diǎn)云Ej并入整體中。

多視角點(diǎn)云精簡(jiǎn)算法的計(jì)算過(guò)程可用圖2進(jìn)行示例說(shuō)明。圖2(9)是待精簡(jiǎn)的三個(gè)有重疊區(qū)域的多視角點(diǎn)云。在算法的循環(huán)第一輪，首先對(duì)E1和E2進(jìn)行處理；第(1)和(2)步首先將E1和E2點(diǎn)云分割為三個(gè)區(qū)域：重疊區(qū)域點(diǎn)云F2和非重疊區(qū)域點(diǎn)云F1、F3，如圖2(2)所示。對(duì)重疊區(qū)域點(diǎn)云F2進(jìn)行精簡(jiǎn)得D2，將F1和D2并到整體點(diǎn)云中(圖2(3))。在算法的循環(huán)第二輪，對(duì)F3和E3進(jìn)行同樣處理，得到F4、F5、F6點(diǎn)云(圖2(5))，將它們并到整體點(diǎn)云中，形成了精簡(jiǎn)了重疊區(qū)域的整體點(diǎn)云(圖2(8))。最后對(duì)圖2(8)點(diǎn)云再進(jìn)行一次精簡(jiǎn)，使精簡(jiǎn)率達(dá)到要求。

圖2 算法樣例

2 實(shí)驗(yàn)結(jié)果與分析

2.1 數(shù)據(jù)采集與預(yù)處理

使用Kinect V2作為深度數(shù)據(jù)采集的設(shè)備，Kinect V2的深度攝像頭適用于室內(nèi)弱光的環(huán)境，所以該文選擇在白天關(guān)閉照明的室內(nèi)進(jìn)行深度信息采集。在程序?qū)崿F(xiàn)時(shí)，采用VS2015作為編譯環(huán)境，并且使用PCL點(diǎn)云庫(kù)和OpenCV作為第三方編程庫(kù)。所有程序代碼在PCL點(diǎn)云庫(kù)基礎(chǔ)上進(jìn)行算法改進(jìn)，采用C++實(shí)現(xiàn)，運(yùn)行于Windows 10 64位系統(tǒng)，Inter(R)Core(TM)i7 - 7700HQ CPU@2.80 GHz處理器、8G內(nèi)存的筆記本電腦上。圖3為Kinect拍攝場(chǎng)景和采集對(duì)象水果籃子、打印機(jī)。

圖3 采集對(duì)象和場(chǎng)景

圖3中該文使用的圓盒高3厘米、直徑10厘米。Kinect V2放置在高6厘米上的矩形石塊上，圓盒距離Kinect V2 23厘米。建模物體水果籃子高5厘米、長(zhǎng)軸15厘米、短軸11厘米。建模物體打印機(jī)長(zhǎng)17厘米、寬7厘米、高5厘米。

以水果籃子為例，該文使用Kinect V2對(duì)建模物體分別從正面、左側(cè)60°、右側(cè)60°三個(gè)視角進(jìn)行采集，圖4中的A、B、C為Kinect V2采集到的原始點(diǎn)云。隨后要對(duì)原始點(diǎn)云進(jìn)行預(yù)處理，去除離群點(diǎn)。采用PCL點(diǎn)云庫(kù)中RadiusOutlierRemoval濾波器對(duì)點(diǎn)云去除離群點(diǎn)。圖4中的D、E、F，在原始點(diǎn)云預(yù)處理之后，使用ICP算法[17]把正面、左側(cè)60°、右側(cè)60°的3片點(diǎn)云配準(zhǔn)成一個(gè)整體后除去下面的圓盒點(diǎn)云。圖4中的G、H、I為配準(zhǔn)成一個(gè)整體點(diǎn)云的正面、左側(cè)、右側(cè)視圖。

圖4 點(diǎn)云采集和處理

2.2 實(shí)驗(yàn)結(jié)果分析

分別使用基于包圍盒子的精簡(jiǎn)算法和該文提出的精簡(jiǎn)算法對(duì)原始點(diǎn)云進(jìn)行對(duì)比實(shí)驗(yàn)。共進(jìn)行三次對(duì)比實(shí)驗(yàn)?；诎鼑凶拥木?jiǎn)算法每次只對(duì)整體點(diǎn)云精簡(jiǎn)一次，精簡(jiǎn)率分別為75%、50%、25%。而文中算法每次實(shí)驗(yàn)是以精簡(jiǎn)率rc對(duì)先重疊區(qū)域進(jìn)行精簡(jiǎn)和再以精簡(jiǎn)率r對(duì)整體點(diǎn)云D進(jìn)行精簡(jiǎn)；在實(shí)驗(yàn)中，通過(guò)調(diào)整(r,rc)使三次實(shí)驗(yàn)總精簡(jiǎn)率分別為75%、50%、25%。在本實(shí)驗(yàn)中，當(dāng)(r,rc)的值為(r=80%,rc=93%)、(r=75%,rc=70%)、(r=40%,rc=60%)時(shí)，文中算法總的精簡(jiǎn)率分別達(dá)到75%、50%、25%，并且精簡(jiǎn)效果最好，結(jié)果如圖5所示。

圖5 基于包圍盒子點(diǎn)云精簡(jiǎn)算法和文中算法精簡(jiǎn)效果對(duì)比 (列為精簡(jiǎn)率(%)，行為精簡(jiǎn)算法和視圖分布)

從圖5可以看到：

(1)在75%精簡(jiǎn)率下，基于包圍盒子的精簡(jiǎn)算法效果圖的正面視圖跟文中算法正面視圖相比，可以明顯看到基于包圍盒子的精簡(jiǎn)算法讓原始點(diǎn)云的表面變得平滑，并且達(dá)到正面視圖25%左右的面積。在相同的位置下原始點(diǎn)云圖片可以明顯看到紋理細(xì)節(jié)的起伏，而文中算法相比原始點(diǎn)云，只是點(diǎn)云整體變“薄”了，但紋理起伏還是非常明顯的。

(2)在50%精簡(jiǎn)率下，基于包圍盒子的精簡(jiǎn)算法正面視圖將近一半的面積變得平滑，而文中算法還能看到更多的紋理細(xì)節(jié)，僅比精簡(jiǎn)率75%的點(diǎn)云厚度更加“薄”一些。在左側(cè)視圖中，基于包圍盒子的精簡(jiǎn)算法中，視圖中間部分的“空洞”開始被填補(bǔ)上，“空洞”已經(jīng)變小。而相同的位置，文中算法還能明顯看到“空洞”的存在。

(3)在25%的精簡(jiǎn)率下，基于包圍盒子的精簡(jiǎn)算法中的平滑部分已經(jīng)擴(kuò)散到整個(gè)點(diǎn)云，從正面視圖、右側(cè)視圖，左側(cè)視圖中已經(jīng)完全看不到任何紋理細(xì)節(jié)，并且由于包圍盒子設(shè)置過(guò)大，導(dǎo)致點(diǎn)與點(diǎn)之間的空隙非常大。文中算法由于缺少足夠點(diǎn)云的支撐，也開始慢慢出現(xiàn)空洞，但是從正面視圖還可以看到紋理細(xì)節(jié)起伏。

圖6是用兩種精簡(jiǎn)算法對(duì)打印機(jī)點(diǎn)云進(jìn)行精簡(jiǎn)的效果圖。實(shí)驗(yàn)中，參數(shù)(r,rc)取值與前面一樣。從圖6可以看出，基于包圍盒子的精簡(jiǎn)算法和文中精簡(jiǎn)算法精簡(jiǎn)的效果差別不大。由于這次實(shí)驗(yàn)對(duì)象為打印機(jī)，由于打印機(jī)的紋理呈現(xiàn)規(guī)則規(guī)律變化并且表面紋理變化不大。相比于圖5對(duì)水果籃子作為實(shí)驗(yàn)對(duì)象來(lái)說(shuō)，使用文中精簡(jiǎn)算法和基于包圍盒子的精簡(jiǎn)算法對(duì)打印機(jī)在相同精簡(jiǎn)率情況下精簡(jiǎn)效果差別不大。

圖6 基于包圍盒子點(diǎn)云精簡(jiǎn)算法和文中算法精簡(jiǎn)效果對(duì)比(列為精簡(jiǎn)率(%)，行為精簡(jiǎn)算法和視圖分布)

綜上所述，可以看到：

(1)基于包圍盒子的精簡(jiǎn)算法對(duì)分布不均勻的點(diǎn)云，尤其是由多個(gè)多視角點(diǎn)云配準(zhǔn)而成的組合點(diǎn)云，無(wú)法有效地保持紋理和輪廓等細(xì)節(jié)，因?yàn)樵撍惴ㄔ诰?jiǎn)過(guò)程中不考慮點(diǎn)云的分布情況，而文中算法對(duì)這種類型的點(diǎn)云能有效地保持紋理和輪廓等細(xì)節(jié)，因?yàn)樵撍惴ㄍㄟ^(guò)排序和分組，在一定程度上按點(diǎn)云分布進(jìn)行精簡(jiǎn)，點(diǎn)云密集的地方多刪一些，分布少的地方少刪一些。

(2)從縱向來(lái)看，精簡(jiǎn)率越低，保留下來(lái)的點(diǎn)云數(shù)量就越少，占用的存儲(chǔ)空間也就越少，能節(jié)省大量曲面重建的時(shí)間和計(jì)算資源，但是細(xì)節(jié)丟失的也多。

(3)從上述兩個(gè)實(shí)驗(yàn)可知，文中算法對(duì)于擁有紋理呈現(xiàn)不規(guī)則并且變化幅度較大的精簡(jiǎn)對(duì)象，在一定精簡(jiǎn)率的情況下，能更好地保留精簡(jiǎn)對(duì)象的紋理細(xì)節(jié)。

3 結(jié)束語(yǔ)

該文提出一種面向局部重疊區(qū)域的多點(diǎn)云序列的多視角點(diǎn)云精簡(jiǎn)算法。使用包圍盒子提取多點(diǎn)云序列中兩個(gè)相鄰點(diǎn)云的重疊區(qū)域內(nèi)的點(diǎn)云，將它們劃分成重疊區(qū)域點(diǎn)云和非重疊區(qū)域點(diǎn)云；用一個(gè)分組隨機(jī)精簡(jiǎn)算法對(duì)重疊區(qū)域內(nèi)的點(diǎn)云進(jìn)行精簡(jiǎn)。對(duì)所有的重疊區(qū)域點(diǎn)云精簡(jiǎn)之后，與非重疊區(qū)域點(diǎn)云再合并成一個(gè)整體點(diǎn)云，根據(jù)精簡(jiǎn)率的要求再對(duì)整體點(diǎn)云進(jìn)行一次精簡(jiǎn)。對(duì)文中精簡(jiǎn)算法和基于包圍盒子的精簡(jiǎn)算法進(jìn)行實(shí)驗(yàn)對(duì)比。實(shí)驗(yàn)結(jié)果表明，在相同的精簡(jiǎn)率下，文中精簡(jiǎn)算法比基于包圍盒子的精簡(jiǎn)算法更能減少對(duì)目標(biāo)物體點(diǎn)云的細(xì)節(jié)破壞，最大程度上保留目標(biāo)物體的點(diǎn)云細(xì)節(jié)和特征。下一步，將工作重點(diǎn)放在點(diǎn)云精簡(jiǎn)過(guò)后的曲面重建問(wèn)題上，并開發(fā)一個(gè)包含點(diǎn)云采集、點(diǎn)云預(yù)處理、點(diǎn)云配準(zhǔn)、點(diǎn)云精簡(jiǎn)、曲面重建等功能的實(shí)時(shí)快速三維重建系統(tǒng)。