基于非均匀细分模型和特征保持的海量车身线扫描点云采样方法研究

Based on spatial differential geometry theory, by analyzing the relations between point cloud curvature and topological structure of line-scan data, after establishing non-uniform subdivision model based on vector-change, the algorithm of data reduction for massive line-scan automobiles-bodies point cloud was presented which had lower time-complexity and the ability of curvature-adaptability, boundary-protection, automatic segmentation. The software system of data reduction for massive automobiles-bodies point cloud was developed by this algorithm. Without any fitted surface and triangulation, it carried out the non-uniform data reduction with the help of the topological structure of line-scan data. It had great practical value and engineering significance for high-speed automobiles-bodies data pre-processing. The research result provided a theoretical basis for the development of integrated software system of spatial line-scan data pre-processing. It also suitable to the data reduction of large-size complex surfaces which had similar structure. So it has a broad applied prospect.

以海量线扫描车身点云的数据采样为研究对象，以空间微分几何相关理论为理论基础，从线扫描车身点云数据的空间结构特点出发，通过分析线扫描数据拓扑结构与点云曲率之间的关系，建立以法矢变化量为判据的非均匀细分模型，研究一种可同时满足"四度"（时间复杂度、曲率适应度、边界保护度、自动分块度）要求的数据采样算法。在此基础上开发适用于海量车身点云数据的集成采样系统。该方法不需要借助附加曲面和三角片模型，而是利用线扫描数据的拓扑结构实现点云的非均匀采样。这对于车身点云的高速预处理具有重大的现实意义和工程应用价值。其研究成果为进一步开发新型的空间线扫描点云集成预处理系统提供理论基础，也同样适用于具有相似结构特点的大尺寸复杂曲面的数据采样，具有广阔的应用前景。

激光扫描系统在大尺寸车身点云数据采集中具有越来越明显的优势。目前，海量、高密度线扫描点云的采样存在效率低、曲率适应性差和边界保护能力不足等问题。本项目结合微分几何和计算几何领域的理论与方法，围绕车身线扫描点云采样的关键技术问题展开研究，重点探索了海量线扫描点云的聚类、线状点云的特征识别、线扫描数据结构中任意内点的法矢估算、边界数据点的识别与保护和海量数据的非均匀采样等核心算法，取得了如下研究成果：1）提出了空间分层聚类和硬C均值聚类相结合的线扫描点云混合聚类方法；2）结合激光扫描机理分析了线扫描点云的拓扑结构，建立了相邻扫描线距离与扫描系统步进位移量之间的几何关系，得到了线状点云空间维度特征，在此基础上研究了线状点云特征的识别方法，并成功应用于直纹叶片的线型点云特征提取；3）基于线状点云共面及包容面等距的特性，提出了线扫描点云矢量边对衍生算法，在此基础上建立了拓扑连接模型，研究了基于线扫描点云特征参数的局部法矢加权系数计算方法，进而估算了线扫描数据内点的局部法矢；4）提出了基于法向矢量双阈值的边界数据点和内部特征点识别算法，通过几何手段测算了某点邻域内的最大度量角，进而识别了边界数据点；5）建立了以法矢方差为细分准则的非均匀细分模型，通过高斯变换推导出局部法矢变化量和高斯曲率的关系，采用局部法矢变化量间接代替高斯曲率作为初始类细分的依据，实现了对高曲率初始类的非均匀细分。基于以上研究成果开发了适用于海量车身点云数据的集成预处理系统，并通过整车数据采样试验验证了算法的实用性和可行性。在本项目支持下，已发表论文4篇，其中SCI检索1篇，EI检索1篇，会议论文2篇，受理专利一项。培养了硕士生4人，其中3人已毕业，1人在读，协助培养了博士生2人，已毕业。研究成果对于车身点云的高速智能化预处理具有重要的现实意义和工程应用价值。其研究结果为进一步开发新型的空间散乱点云预处理系统提供理论基础，也同样适用于具有相似结构特点的大尺寸复杂曲面的数据采样，具有广阔的应用前景。