溶洞表面具有复杂、不规则性,现有的诸多的建模方法都是按照统一分辨率来进行三维重建,但是在三维重建过程中效率很低,且模型文件过大,对后续专业应用造成了很大困难,因此提出了一种基于三维激光点云特征线提取的技术,并针对溶洞进行了多分辨率三维重建。首先,采用改进邻近点几何特征提取溶洞特征值,增加法向量角作为检测特征点的参数;其次,用社会粒子群(SPSO)算法与模糊C-均值(FCM)聚类算法实现点云分类;再次,采用折线生长方法将特征点连接成特征线,并将其投影到三维点云上;最后,利用分类后的点云按照不同分辨率建模,实现高精度、高质量、高效率溶洞三维重建。实验结果表明,该方法可以按照不同分辨率进行建模,减少了三维重建后模型的数据量,提高了三维重建效率,在溶洞三维重建方面具有较高的实用价值。

点云特征线提取是点云模型重构的基础, 国内外对此从边缘检测、特征线跟踪和面域分析等方面展开了研究, 但由于存在模型多样性、点云数据噪声和不完整性、特征复杂性等问题, 看似简单的特征线自动化提取很难实现。从曲率突变点隐含了点云特征线这一论断出发, 借鉴图像处理中的区域分割和边缘检测思想, 提出了特征线提取中的聚类、细化、分段和排序方案。在具体实现中分别提出了基于连通区域聚类的备选点集分离算法, 基于局部影响区域腐蚀的点集细化算法, 以及基于组合搜索准则和主成分分析(PCA)双向搜索的特征线分支截断和排序算法。在对比实验中, 确定了算法关键参数曲率突变点比例w和方向夹角阈值θT的推荐值, 并与类似算法对比能提取更多的特征点; 在模型实验中, 简单几何模型的特征线提取正确率达到了100%, 复杂机械零件模型和艺术品模型的特征线提取正确率均达到了85%以上, 取得了预想的棱线和特征轮廓线提取效果。算法具有通用性和可扩展性, 通过程序优化可获得更好的特征提取效果。

提出一种非结构化点云特征线提取方法,其过程主要分为区域分割和特征检测两个阶段。在区域分割阶段,引入社会粒子群优化模糊C-均值聚类算法对点云数据进行区域聚类,得到边界清晰的各个分区,便于后续边界特征的提取;在特征检测阶段,对各个分区进行局部径向基函数曲面重构,以获取各个分区内采样点的曲率信息。提出基于平均曲率计算的局部特征权值,并通过局部特征权值和曲率极值法对特征点进行双重检测。并通过建立特征点的最小生成树构建特征曲线。对不同点云模型进行特征线提取实验,结果表明,本文方法既能够提取点云模型中的显著特征和尖锐特征,也能够很好地提取特征强度变化的曲线特征。