基于先验知识的三维点云鲁棒处理技术研究

Robust processing of 3D point clouds is an essential factor which renders the applying of 3D model acquisition methods in various applications of many fields. However, the point clouds obtained via different acquisition methods usually inevitably contain noise, outliers, holes and uneven distribution. These defects bring many challenges to existing point clouds processing techniques. Therefore, aiming at building structural representations of point clouds, this project propose to resort to human prior knowledge about shape and structures of objects in the real world, as well as the state-of-the-art work of 3D model reconstruction and shape analysis, to investigate and propose robust processing techniques of point clouds. With the help of symmetry analysis and repetition detection methods, the proposed method can achieve denoisng, outlier removal, hole-filling and better distribution density. Meanwhile, normal information is used to achieve feature preserving on the consolidated point clouds. Then linear features which can capture the geometry or topology of point clouds are extracted. Finally, RANSAC based shape primitive detection is used to fit the point clouds and the relations of primitives are recovered simultaneously. This project can achieve higher robustness which is an overall limitation of existing methods, and supply favorable inputs for 3D model reconstruction, editing as well as recognition and understanding of 3D objects.

鲁棒的三维点云处理技术是促进三维模型获取技术在多个领域广泛应用的关键因素之一。然而，实际应用中各种获取技术得到的点云不可避免地包含噪声、外点、数据缺失以及不均匀采样，这些缺陷给现有的点云处理方法带来了诸多挑战。为此，本项目拟以构造点云的结构化表示为目标，借助人类关于物体形状和结构的先验知识，基于三维重建、高层次形状分析等领域的最新研究成果，通过引入对称性分析、重复模式检测等技术有效地消除噪声、去除外点、修复缺失并改善分布密度，并借助法向量信息实现特征保持的点云增强，然后提取反映点云几何特征和拓扑特征的线性特征，最后利用基于RANSAC的形状基元检测技术对点云进行拟合并构建基元之间的关系。本研究可有效解决当前点云处理方法鲁棒性不足的问题，为三维模型的重建、编辑以及三维物体的识别与理解提供良好输入，从而促进三维模型获取技术的应用与普及。

本项目深入研究了基于先验知识的三维点云鲁棒处理中涉及的关键问题，从点云的特征提取、结构化表示、基于点云的重建等多方面出发，充分利用人类关于物体形状特征与结构特征的先验知识，探索三维点云鲁棒处理这一热点问题中的新方法与新技术，面向人造模型/场景和骨架/人体模型两类典型点云数据提出了一系列有效的鲁棒处理方法，研究成果可促进基于三维获取技术的三维建模与三维数字媒体的广泛应用。.项目严格按照计划书展开研究，其成果主要以学术论文体现，总计发表和录用学术论文7篇，其中SCI检索3篇，EI检索6篇。主要成果包括：.1. 在点云的结构化表示上，提出一种面向具有平面特征的物体点云的特征线提取算法。首先基于RANSAC在点云中检测出多个连通的平面，然后将每个平面参数化域的边界点作为候选，在这些候选点上再应用基于全局约束的RANSAC得到最终的特征线。.2. 在点云的对称特征上，提出一种基于骨架的点云内蕴对称性检测算法。首先计算出对称性选票，用于选举骨架中的对称点对。然后通过将对称性从骨架映射到点云来为其构建对称对应关系矩阵，而点云上最后的对称区域则通过对此矩阵进行谱分析得到。.3. 在基于点云的室内模型重建上，提出一种数据驱动的方法获取子场景中物体的上下文信息。首先将子场景分割为多个片段，然后对一组分类器进行训练，使其能够识别单个物体以及成组的多个物体，并使用多核学习（MKL）方法提高分类精度。最后，使用这些分类器进行图匹配将片段划分为单个物体或物体组。.4. 在基于点云的静态人体模型重建上，提出一种人体头像的快速重建方法。使用深度相机同步采集各个角度的头部信息，然后用Sobel算子检测出每组深度数据的边缘并删除误差较大的点，再使用双边滤波算法进行去噪；使用相机参数进行初步注册后使用ICP算法进一步优化得到完整的头部点云；最后使用泊松重建得到网格模型。.5. 在基于点云的人体动态模型重建上，提出一种基于参数化实时人体子空间模型的人体几何和运动重建算法。首先用单个深度相机得到参考姿势下的点云，然后利用参数化SCAPE 模型求解出人的形态参数，并在SCAPE 子空间中搜索到近似的人体模型。使用线性混合蒙皮（LBS）方法代替原SCAPE 中姿势引导的变形来提高实时性。