閆 龍

（山東工商學(xué)院信息與電子工程學(xué)院，山東煙臺(tái) 264005）

逆向工程中，獲取三維數(shù)據(jù)的方法有很多，大部分通過(guò)三坐標(biāo)測(cè)量?jī)x（CMM）獲得［1］。隨著科技的進(jìn)步，越來(lái)越多的三維數(shù)據(jù)通過(guò)攝影測(cè)量的方法獲得。攝影測(cè)量方法速度快，一次可測(cè)量幾十萬(wàn)個(gè)點(diǎn)。與此同時(shí)，因?yàn)楂@得的三維點(diǎn)十分密集，數(shù)據(jù)量也比較大，動(dòng)輒數(shù)兆或數(shù)十兆字節(jié)。在實(shí)用中一般不會(huì)直接使用這些數(shù)據(jù)進(jìn)行曲線或曲面的重構(gòu)，大量的數(shù)據(jù)不僅使計(jì)算效率大大降低，占用大量?jī)?nèi)存，而且會(huì)增加重構(gòu)出的曲線、曲面的誤差。因此攝影測(cè)量得到的數(shù)據(jù)必須進(jìn)行精簡(jiǎn)。

數(shù)據(jù)精簡(jiǎn)操作只是對(duì)原始點(diǎn)云中的點(diǎn)進(jìn)行刪減，不產(chǎn)生新點(diǎn)，以盡量保持原有數(shù)據(jù)形態(tài)為原則［2］。在數(shù)據(jù)精簡(jiǎn)的研究中，國(guó)外的研究者提出了各種不同的處理方法［3-5］，大致可分為弦高法、包圍盒法、網(wǎng)格法等幾種［3］。Martin提出的非均勻網(wǎng)格法，克服了均值和樣條曲線簡(jiǎn)化的阻滯，但對(duì)捕捉產(chǎn)品的外形不敏感。Chen Y.H.提出一種通過(guò)比較臨近三角片法向量而減少三角形的方法。Veron和Leon提出一種用誤差帶減少多面體數(shù)據(jù)點(diǎn)的方法。還有給定誤差下的最小二乘非均勻B樣條擬合法，可以結(jié)合后續(xù)的曲線曲面重構(gòu)進(jìn)行，但在控制點(diǎn)和曲線階次選取方面很難確定。實(shí)際中經(jīng)常采用的有最小距離法和角度偏差法等，而它們只能對(duì)掃描線進(jìn)行處理［3］。

在攝影測(cè)量過(guò)程中，點(diǎn)云數(shù)據(jù)由左右圖像對(duì)應(yīng)點(diǎn)的視差計(jì)算得來(lái)［6］，見式（1）。式中：x、y、z為點(diǎn)的三維坐標(biāo)；f為攝像機(jī)焦距；b為基線的長(zhǎng)度；d為對(duì)應(yīng)點(diǎn)的視差；xL、yL為左圖像點(diǎn)的坐標(biāo)。

將z坐標(biāo)按（xL，yL）的坐標(biāo)順序存儲(chǔ)的圖像，稱之為深度圖像。該圖像既保留了原有圖像的特征，又具備了三維深度的數(shù)據(jù)。針對(duì)深度圖像的特點(diǎn)，本文提出一種方法對(duì)攝影測(cè)量點(diǎn)云數(shù)據(jù)進(jìn)行精簡(jiǎn)，使計(jì)算過(guò)程更加方便快捷。

1 方法及原理描述

本文將點(diǎn)云數(shù)據(jù)看作圖像，通過(guò)模板掩模直接計(jì)算點(diǎn)云數(shù)據(jù)離散曲面各點(diǎn)的法矢和曲率。利用統(tǒng)計(jì)點(diǎn)云數(shù)據(jù)中各點(diǎn)的曲率并利用最大類間方差法對(duì)曲率圖像進(jìn)行閾值分割；根據(jù)所得曲率閾值確定點(diǎn)云數(shù)據(jù)的精簡(jiǎn)比；結(jié)合點(diǎn)云數(shù)據(jù)的曲率分布進(jìn)行非均勻性網(wǎng)格濾波。點(diǎn)云數(shù)據(jù)精簡(jiǎn)的步驟如下。

1.1 模板法計(jì)算曲面曲率

深度圖像可以看作一個(gè)離散的曲面。高斯曲率κ及平均曲率H是曲面的兩個(gè)重要幾何特征，通過(guò)二者的組合，可以得到局部表面的幾何特征［7］，二者和曲面類型的關(guān)系如表1所示。

表1 高斯曲率及平均曲率與曲面類型的關(guān)系

高斯曲率κ和平均曲率H可分別由式（2）和式（3）求得。

橫向和縱向掃描線上分別計(jì)算一階微分fx、fy，二階微分 fxy、fxx、fyy。由 fx=Conv（ Dx，f（ x，y））、fy=Conv（Dy，f（x，y））可求出一階微分fx、fy。同理可求出二階微分 fxy、fxx、fyy?？v向和橫向掩模算子見圖1。

1.2 確定精簡(jiǎn)比

在圖像處理中，經(jīng)常采用最大類間方差法計(jì)算閾值，對(duì)圖像進(jìn)行二值分割。最大類間方差法是由日本學(xué)者大津于1979年提出的，是一種自適應(yīng)的閾值確定的方法，又稱為大津法或Otsu法。它是按圖像的灰度特性，將圖像分成背景和目標(biāo)兩部分。背景和目標(biāo)之間的類間方差越大，說(shuō)明構(gòu)成圖像的兩部分的差別越大，當(dāng)部分目標(biāo)錯(cuò)分為背景或部分背景錯(cuò)分為目標(biāo)都會(huì)導(dǎo)致兩部分差別變小。因此，使類間方差最大的分割意味著錯(cuò)分概率最?。?］。

A和B兩類的灰度均值分別為

圖像總的灰度均值為：

由此可以得到A、B兩區(qū)域的類間方差

顯然，pA、pB、ωA、ωB、ω0、σ2都是關(guān)于灰度級(jí)t的函數(shù)。

為了得到最優(yōu)分割閾值，Otsu把兩類的類間方差作為判別準(zhǔn)則，認(rèn)為使得σ2值最大的即為所求的最佳閾值。

記精簡(jiǎn)比為Ratio，則

1.3 非均勻網(wǎng)格濾波

在平坦區(qū)域可只保留少量點(diǎn)，在峰、脊、谷、鞍等區(qū)域應(yīng)保留原有特征。在確定精簡(jiǎn)比后，根據(jù)曲率的分布重新劃分網(wǎng)格。在網(wǎng)格內(nèi)進(jìn)行濾波，得到最后的精簡(jiǎn)結(jié)果。

將原始點(diǎn)個(gè)數(shù)記為No，精簡(jiǎn)后點(diǎn)個(gè)數(shù)記為Nn，則Nn=（1-Ratio）No。劃分網(wǎng)格時(shí)，網(wǎng)格的數(shù)目應(yīng)等于精簡(jiǎn)后點(diǎn)的數(shù)目。首先統(tǒng)計(jì)曲率圖像中所有點(diǎn)的灰度值ki，計(jì)算每個(gè)點(diǎn)所占的比重ρi。

從橫軸和縱軸方向分別計(jì)算ρ的累加值，記為ρx和 ρy。

ρx= ∑ρi，i沿橫軸方向計(jì)數(shù)；ρy= ∑ρi，i沿縱軸方向計(jì)數(shù)。

當(dāng) ρx=1 且 ρy=1 時(shí)形成一個(gè)網(wǎng)格，采用該方法使得高曲率點(diǎn)的區(qū)域網(wǎng)格較密；低曲率點(diǎn)的區(qū)域網(wǎng)格稀疏。在峰、脊、鞍脊、凹底、谷和鞍谷等處均保留大量的特征點(diǎn)。在網(wǎng)格內(nèi)對(duì)數(shù)據(jù)進(jìn)行統(tǒng)計(jì)濾波。每個(gè)網(wǎng)格內(nèi)只選取曲率中值作為代表。非均勻網(wǎng)格濾波流程如圖2。

2 試驗(yàn)結(jié)果及分析

以鞋楦底部點(diǎn)云數(shù)據(jù)和陳柱正面點(diǎn)云數(shù)據(jù)為例，使用本算法進(jìn)行數(shù)據(jù)的精簡(jiǎn)，如圖3所示。本文中所有程序和示例在Matlab中完成和實(shí)現(xiàn)。

圖3中a圖中鞋楦原始數(shù)據(jù)點(diǎn)6 590個(gè)，b圖中精簡(jiǎn)后數(shù)據(jù)點(diǎn)2 331個(gè)，精簡(jiǎn)比為35.37%；c圖中陳柱原始數(shù)據(jù)點(diǎn)59 425個(gè)，d圖中精簡(jiǎn)后數(shù)據(jù)點(diǎn)8 265個(gè)，精簡(jiǎn)比為13.91%。從圖中可以看出精簡(jiǎn)后的數(shù)據(jù)依然保留了原始數(shù)據(jù)的曲面特征。

3 結(jié)語(yǔ)

攝影測(cè)量所得點(diǎn)云數(shù)據(jù)，該類數(shù)據(jù)本身是通過(guò)圖像獲得，保留了許多圖像特征。本文利用這些特征提供了一種用于攝影測(cè)量點(diǎn)云數(shù)據(jù)的精簡(jiǎn)算法。實(shí)驗(yàn)證明該方法可以和攝影測(cè)量的過(guò)程融合到一起，適合計(jì)算機(jī)編程，精簡(jiǎn)效果較好，結(jié)果可用于后期曲線和曲面的重構(gòu)。

［1］解則曉，徐尚，李緒勇.逆向工程中三維點(diǎn)云數(shù)據(jù)精確拼接方法［J］. 中國(guó)機(jī)械工程，2009，20（13）：1577-1581.

［2］金濤，童永光.逆向工程技術(shù)［M］.北京：機(jī)械工業(yè)出版社，2003.

［3］周波，陳銀剛，顧澤元.基于八叉樹網(wǎng)格的點(diǎn)云數(shù)據(jù)精簡(jiǎn)方法研究［J］. 現(xiàn)代制造工程，2008（3）：64-67.

［4］Polat K，Gunes S.A novel data reduction method：distance based datad reduction and its application to classification of epileptiform EEG signals.Applied mathmatics and computation，2008，200：10-27.

［5］Song H，F(xiàn)eng H-Y.A Global clustering approach to point cloud simplication with a specified data reduction ratio.Computer-Aaided Design，2008，40：281-292.

［6］閆龍.基于CCD的立體視覺測(cè)量系統(tǒng)精度分析與結(jié)構(gòu)設(shè)計(jì)研究［J］. 儀器儀表學(xué)報(bào)，2008，29（2）：410-413.

［7］李松濤，張長(zhǎng)水，榮剛，等.一種基于最小二乘估計(jì)的深度圖像曲面擬合方法［J］. 自動(dòng)化學(xué)報(bào)，2002，28（2）：310-313.

［8］Gonzalez RC，Woods RE.Digital Image Processing［M］.Beijing：Publishing House of Electronics Industry，2003：55-75.