激光点云在三维模型重构中的应用_张翔.pdf

第 44 卷 第 4 期2023 年 4 月 激光杂志LASER JOURNALVol.44,No.4April,2023http /收稿日期:2022-08-17基金项目:国家自然科学基金 2020 年青年项目(No.62003179)作者简介:张翔(1975-),女,硕士,副教授,研究方向:激光点云。通讯作者:陈德裕(1963-),男,硕士,副教授,研究方向:数字图像处理、嵌入式系统,物联网。E-mail:cdy 激光点云在三维模型重构中的应用张 翔1,陈德裕21江苏开放大学,江苏 南通 210036;2南通大学信息科学技术学院,江苏 南通 226019摘 要:提出激光点云在三维模型重构中的应用研究。采用三维激光扫描仪获取某目标的激光点云数据,基于曲率精简处理激光点云数据,以此为基础,应用快速 CPD 算法拼接激光点云数据。由于拼接后激光点云数据依然散乱,采用泊松表面重构算法重构三维网格,以重构三维网格为依据,通过纹理映射理论实现三维网格模型参数化,从而实现了三维模型的整体重构。实验数据表明:与对比方法相比较,应用提出方法获得的激光点云数据精简度较大,三维模型重构时间较短,三维模型重构精度较高,充分证实了提出方法激光点云在三维模型重构中应用效果较好。关键词:激光点云;三维模型;重构;拼接;纹理映射;应用性能中图分类号:TN391 文献标识码:A doi:10.14016/ki.jgzz.2023.04.129Application of laser point cloud in 3D model reconstructionZHANG Xiang1,CHEN Deyu21Jiangsu Open University,Nantong Jiangsu 210036,China;2School of Information Science and Technology,Nantong University,Nantong Jiangsu 226019,ChinaAbstract:The application of laser point cloud in 3D model reconstruction is proposed.The laser point cloud data of a target is obtained by a three-dimensional laser scanner,and the laser point cloud data is simplified based on cur-vature.On this basis,the laser point cloud data is spliced by fast cpd algorithm.Because the laser point cloud data is still scattered after splicing,the Poisson surface reconstruction algorithm is used to reconstruct the 3D mesh.Based on the reconstructed 3D mesh,the parameterization of the 3D mesh model is realized through the texture mapping theory,so as to realize the overall reconstruction of the 3D model.The experimental data show that compared with the compari-son method,the laser point cloud data obtained by the proposed method is more concise,the reconstruction time of the three-dimensional model is shorter,and the reconstruction accuracy of three-dimensional model is higher.It is fully confirmed that the application effect of the proposed method in three-dimensional model reconstruction is better.Key words:laser point cloud;3D model;restructure;splicing;texture mapping;application performance1 引言随着数字化时代的到来,数字图像处理、计算机视觉等相关学科得到了快速的发展,智能化交通、虚拟城市、数字博物馆等技术相继出现,人类社会进入了一个新的发展阶段。以往的视频、声音与图像等信息传递方式已经无法满足现今社会的需求,激光雷达三维扫描技术应运而生,其能够精确、高效、便捷地重构场景、物体或地理信息,受到了社会各界的广泛关注。另外,3D 游戏、数字图书馆、虚拟视频等技术的兴起及其普及,全部采用了三维模型重构技术,充分证实了三维模型重构技术具有较好的应用前景1。与此同时,如何将实景转化为虚拟三维模型,也成为计算机视觉相关领域重点研究问题之一。随着人们对三维模型重构质量的提高,广泛应用的三维建模工具 3DMax、AutoCAD 等,三维模型重构的精度与效率已经无法满足目前用户的需求,故提出激光点云在三维模型重构中的应用研究2。激光点云数据是由三维激光扫描技术产生,该技术是现今测http /绘领域的新兴技术,可以精准、快速地获取场景三维坐标数据。激光点云数据经过处理后,即可重构出相应的曲面,再依据纹理映射技术即可重构出物体的表面信息,从而获得目标的三维模型。这一技术是现今三维模型信息获取最为先进的手段,也是测绘领域的又一次重大创新3。希望通过激光点云数据的应用,提升三维模型重构的精度及其效率,为测绘领域的持续发展提供动力。2基于激光点云的三维模型重构方法研究2.1 激光点云数据获取与处理激光点云数据是三维模型重构的基础与前提,因此,三维模型重构的首要环节为激光点云数据获取与处理4。采用三维激光扫描仪对某目标激光点云数据进行获取,具体流程如图 1 所示。图 1 激光点云数据获取流程图在激光点云数据获取过程中,若是目标过大、形状过于复杂等,容易影响激光点云数据获取的完整度5。故需要从不同角度、不同位置对目标进行多次的扫描,以此来获得全部的、完整的目标激光点云数据,提升三维模型重构的精度。原始激光点云数据过于庞大,存在着较多的冗余数据,若是直接对其进行应用,会浪费大量的时间,降低三维模型重构的效率,故在激光点云数据应用之前,对其进行一定的处理。此研究基于曲率对激光点云数据进行相应的精简处理,利用八叉树法构建 k 邻域,拟合抛物面,对曲率进行估算,尽可能多地保留曲率大部分的激光点云数据,少保留曲率小部分的激光点云数据6。上述激光点云数据精简方法可以尽可能地保留原始激光点云数据的细节特征,并能够达到点云数据的精简效果。激光点云数据精简步骤如下所示:步骤一:k 邻域构建依据激光点云数据构造最小外界立方体,将其作为根节点,将根节点划分为 8 个相同的立方体,将其作为子节点,依此类推,即可获得激光点云数据的 2N个子立方体。八叉树法示意图如图 2 所示。图 2 八叉树法示意图依据八叉树法对每一个子节点进行八进制编码,即可获得激光点云数据在空间中的位置坐标,记为(x,y,z),表达式为x=n-1i=1(qimod2)2iy=n-1i=1qi2()mod2|2iz=n-1i=1qi4()mod2|2i|(1)式(1)中,qi表示的是第 i 个激光点云数据的八进制编码;mod2 表示的是对 2 取模;表示的是取整函数。依据公式(1)获得的激光点云数据位置坐标信息,获得对应的抛物面方程,表达式为z=ax2+bxy+cy2(2)式(2)中,a、b 与 c 表示的是抛物面相关系数。抛物面拟合过程即对参数 a、b 与 c 进行求解的过程,将某点及其邻域内全部点坐标代入公式(2)中,即可获得对应的 a、b 与 c 参数值,将获得的参数值代入公式(2)中,即可获得每个激光点云数据的曲率。依据“保留较少曲率小部分的点云数据,保留较多曲率大部分的点云数据”的原则,对激光点云数据进行精简处理7。通过上述过程完成了激光点云数据的获取与精简处理,并较为完整地保存了激光点云数据的细节特征,为后续激光点云的拼接打下坚实的基础8。2.2 激光点云拼接以上述精简处理后的激光点云数据为基础,应用快速 CPD 算法对激光点云进行拼接,简化三维模型031张翔,等:激光点云在三维模型重构中的应用http /重构的难度,提升三维模型重构的效率9。快速 CPD 算法将激光点云拼接期望最大化定义为待求解的参数空间 上的不动点映射 F,则激光点云拼接过程表示为n+1=F(n)(3)此研究利用牛顿最优求解方法对式(3)进行迭代求解,表达式为n+1=n-M-1ng(n)(4)式(4)中,表示的是激光点云拼接求解辅助参数,取值范围为2,5;M-1n表示的是 F 在参数空间 上的雅克比矩阵与单位矩阵的差值,计算公式为 M-1n=J(n)-I;g(n)表示的是 F(n)-n。在激光点云拼接求解过程中,影响求解速度的主要是迭代步长与步长方向。迭代步长更新公式为n=n+1-nF(n)-n=n+1-ng(n)(5)以公式(5)计算结果为依据,若 n-1 时,表明快速 CPD 算法在迭代过程中无法满足单调递增的情况,需要通过回溯方法对迭代步长进行进一步的更新,使得 n=-1;若 n-1 时,则不需要对迭代步长进行调整10。依据自适应调整后的迭代步长,对参数空间 进行相应的更新,表达式为=0-2n(1-0)+2n(2-1)(1-0)|(6)式(6)中,0表示的是初始参数空间;1与 2表示的是第 1 次迭代与第 2 次迭代后的参数空间11。若是更新后的参数空间满足 0-(表示的 是 设 定 阈 值),则 停 止 算 法 迭 代;若 不 满 足0-,则 继 续 进 行 算 法 迭 代,直 至 满 足0-为止。快速 CPD 算法迭代停止后输出的结果即为激光点云数据的变换参数空间 与对应的激光点云数据关系矩阵 P,即完成了激光点云数据的拼接,为后续激光点云数据三维网格重构提供支撑12。2.3 激光点云三维网格重构将拼接后的激光点云数据记为 Vi=Xini=1,需要注意的是,拼接后的激光点云数据依然是散乱的,若是对其进行直接应用,重构三维模型,显然会浪费大量的时间与运算量,故此节采用泊松表面重构算法对激光点云数据三维网格进行重构,为后续三维模型重构的实现做准备13。泊松表面重构算法主要是通过隐式曲面重构解决点云数据表面重构的问题,该算法在三维模型重构中具有一定的优势。泊松表面重构算法示意图如图 3所示。(a)散乱激光点云数据(b)向量场定义(c)等值面提取图 3 泊松表面重构算法示意图在泊松表面重构算法应用过程中,将三维网格重构问题转化为函数,表达式为-Vi,F0=,F0-Vi,F02(7)式(7)中,F0表示的是散乱激光点云数据在函数空间的投影信息。对公式(7)所示函数进行求解,即可提取等值面,实现三维网格的重构,表达式为M=1|S|?(s,p)(8)式(8)中,S 表示的是等值面的面积数值;?(s,p)表示的是函数的求解数值。上述过程实现了激光点云数据三维网格的重构,完成了三维模型重构的关键一个步骤14。2.4 激光点云纹理映射以重构的三维网格为基础,通过纹理映射理论实现三维网格模型参数化,从而实现三维模型的整体重构。此研究依据三维模型重构需求,选取 ABF 参数化方法对激光点云数据三维网格进行纹理映射处理,求解激光点云纹理坐标信息,获取激光点云数据的参131张翔,等:激光点云在三维模型重构中的应用http /数信息15。纹理映射表达式为E(M)=12M|dM|2dvolM(9)式(9)中,E(M)表示的是激光点云数据三维网格对应的能量;dM 表示的是三维网格中点云数据之间的欧式距离;dvolM表示的是纹理映射结果16。求解公式(9)即可获得三维网格纹理映射结果,即三维模型重构结果,实现了激光点云数据在三维模型重构中的应用研究,为三维模型重构相关研究提供一定的支撑17。3 激光点云应用性能测试为了验证激光点云在三维模型重构中的应用性能,选取基于三维激光点云特征线提取的溶洞多分辨率三维重建方法研究18作为对比方法,设计对比实验,具体实验过程如下所示:3.1 实验对象选取为了提升实验结论的准确性,实验选取多种对象,例如人脸、老虎、衣服、建筑等。由于篇幅的限制,对实验对象进行部分展示,具体如图 4 所示。示例一 示例二示例三 示例四图 4 部分实验对象示例图为了保障实验的顺利进行,在实验之前需要对激光点云数据进行一定的采集与存储,具体步骤如下所示:步骤一:加载实验对象给定点的坐标参数;步骤二:对步骤一获得的坐标参数进行相应地计算,构成分割包围体;步骤三:利用交叉算法对点云数据是否在包围体内进行判断。若在包围体内,保留此激光点云数据;若不在包围体内,删除此激光点云数据;步骤四:将处理后的激光点云数据存储为 pts 格式,方便后续激光点云数据的应用。通过上述过程完成了实验对象的选取与实验数据的处理与存储,为后续实验的顺利进行提供便利。3.2 实验结果分析以上述选取的实验对象,处理后的实验数据为基础,进行三维模型重构实验。以恐龙头像为例,应用提出方法与对比方法对其进行重构,获得结果如图 5所示。提出方法 对比方法图 5 三维模型重构结果示意图如图 5 所示,提出方法获得的三维模型重构结果更加完整。为了清晰显示三维模型重构的效果,选取激光点云数据精简度、三维模型重构时间与三维模型重构精度作为激光点云数据应用性能评价指标,具体实验结果分析过程如下所示:3.2.1 激光点云数据精简度分析激光点云数据精简度反映着激光点云数据的处理效果,其间接影响着三维模型重构的效率,采用参数 表示。常规情况下,数值越大,表明激光点云数据的处理效果越好;反之,数值越小,表明激光点云数据的处理效果越差。通过实验获得激光点云数据精简度如图 6 所示。图 6 激光点云数据精简度数据图如图 6 数据所示,与对比方法相比较,应用提出方法获得的激光点云数据精简度数值更大,最大值能达到 4.8,表明提出方法激光点云数据的处理效果更好。3.2.2 三维模型重构时间分析三维模型重构时间直接显示着三维模型重构方法的效率。一般情况下,三维模型重构时间越短,表231张翔,等:激光点云在三维模型重构中的应用http /明三维模型重构效率越高;反之,三维模型重构时间越长,表明三维模型重构效率越低。通过实验获得三维模型重构时间如图 7 所示。图 7 三维模型重构时间数据图如图 7 数据所示,与对比方法相比较,应用提出方法获得的三维模型重构时间更短,最小值能达到7.2 min,表明提出方法三维模型重构效率更高。3.2.3 三维模型重构精度分析三维模型重构精度采用重构三维模型与原始三维模型之间的误差来显示,误差越小,表明三维模型重构精度越高;反之,误差越大,表明三维模型重构精度越低。通过实验获得三维模型重构误差如图 8 所示。图 8 三维模型重构误差数据图如图 8 数据所示,与对比方法相比较,应用提出方法获得的三维模型重构误差更小,最小值能达到0.8%,表明提出方法三维模型重构精度更高。上述实验数据表明:相较于对比方法来看,应用提出方法获得的激光点云数据精简度更大,三维模型重构时间更短,三维模型重构精度更高,充分证实了提出方法三维模型重构效果更佳。4 结束语此研究以海量的激光点云数据为基础,提出了新的三维模型重构方法,极大地提升了激光点云数据精简度与三维模型重构精度,缩短了三维模型重构时间,能够为三维模型重构提供更有效的方法支撑,也为三维模型重构相关研究提供一定的理论参考。参考文献1张子健,程效军,曹宇杰,等.结合激光与视觉点云的古遗迹三维重建应用J.中国激光,2020,47(11):266-275.2 何士伟,王健,刘宇.基于激光点云与倾斜影像的复杂表面重建J.应用激光,2021,41(4):909-915.3石胜旗,陈云云,贺燕红,等.基于线激光轮廓传感器的鱼体表面重构技术与误差分析J.食品工业,2020,41(10):235-238.4史洪云,虢韬,王迪,等.基于激光点云的电力线悬挂点定位方法J.激光技术,2020,44(3):364-370.5沙欧,吕源治,凌剑勇,等.三维激光扫描系统中目标点云的颜色复原J.光学精密工程,2020,28(10):2158-2167.6胡开心,马宝利,彭伦,等.基于激光点云的大跨度曲线圆管结构线形高效自动检测方法J.科学技术与工程,2020,20(7):2810-2815.7 陈辉,黄晓铭,刘万泉.基于动态网格 k 邻域搜索的激光点云精简算法J.控制与决策,2020,35(12):2986-2992.8郭明,闫冰男,周腾飞,等.激光雷达技术在应县木塔形变分析中的应用J.建筑科学与工程学报,2020,37(2):109-117.9 时佳斌.三维激光异物侵限监测系统研究J.铁道建筑,2021,61(8):141-143.10 蔡泽宇,陈满,杨腾祥,等.基于激光三角法测量谷物容积J.南京农业大学学报,2021,44(4):797-804.11 郭辰光,何顺之,岳海涛,等.矿用链轮激光增材再制造修复J.表面技术,2021,50(5):78-86.12 石培杰,杨国威,王以忠,等.基于频闪激光光栅条纹的发动机叶片曲面测量J.天津科技大学学报,2020,35(4):70-74.13 周志宇,陈斌,郑光,等.基于地基激光雷达点云的植被表型特征测量J.生态学杂志,2020,39(1):308-314.14 蒋罕寒,郭锐,武军安,等.高旋掠飞弹载激光雷达稀疏点云插值算法J.弹箭与制导学报,2021,41(1):120-123.15 麻卫峰,王成,王金亮,等.基于激光点云的高压输电线覆冰厚度反演J.电力系统保护与控制,2021,49(4):89-95.16 麻卫峰,王成,王金亮,等.激光点云输电线精细提取的残差聚类法J.测绘学报,2020,49(7):883-892.17 陶帅兵,梁冲,蒋腾平,等.激光点云的稀疏体素金字塔邻域构建与分类J.中国图象图形学报,2021,26(11):2703-2712.18 柏宏强,夏永华,杨明龙,等.基于三维激光点云特征线提取的溶洞多分辨率三维重建方法研究J.激光与光电子学进展,2020,57(20):363-371.331张翔,等:激光点云在三维模型重构中的应用