自适应邻域尺寸选择的点云法向量估计算法

王兆丰; 闫镔; 童莉; 陈健; 李建新

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

自适应邻域尺寸选择的点云法向量估计算法

王兆丰, 闫镔, 童莉, 陈健, 李建新

文章导航 > 红外与激光工程 > 2014 > 43(4): 1322-1326

王兆丰, 闫镔, 童莉, 陈健, 李建新. 自适应邻域尺寸选择的点云法向量估计算法[J]. 红外与激光工程, 2014, 43(4): 1322-1326.

引用本文:

王兆丰, 闫镔, 童莉, 陈健, 李建新. 自适应邻域尺寸选择的点云法向量估计算法[J]. 红外与激光工程, 2014, 43(4): 1322-1326.

Wang Zhaofeng, Yan Bin, Tong Li, Chen Jian, Li Jianxin. Normal estimate method of point clouds based on adaptive neighbor size[J]. Infrared and Laser Engineering, 2014, 43(4): 1322-1326.

Citation:

Wang Zhaofeng, Yan Bin, Tong Li, Chen Jian, Li Jianxin. Normal estimate method of point clouds based on adaptive neighbor size[J]. Infrared and Laser Engineering, 2014, 43(4): 1322-1326.

自适应邻域尺寸选择的点云法向量估计算法

1.
解放军信息工程大学信息系统工程学院,河南郑州450002

基金项目:

国家863计划（2012AA011603）

详细信息

作者简介:
王兆丰（1988- ），男，硕士生，主要从事图像处理、科学可视化等研究。Email：wangalps@gmail.com；李建新（1954- ），男，硕士，教授，硕士生导师，主要从事信号处理方面的研究。Email：lijianxin1954@126.com

王兆丰（1988- ），男，硕士生，主要从事图像处理、科学可视化等研究。Email：wangalps@gmail.com；李建新（1954- ），男，硕士，教授，硕士生导师，主要从事信号处理方面的研究。Email：lijianxin1954@126.com

中图分类号: TP391.4

Normal estimate method of point clouds based on adaptive neighbor size

1.
Information Systems Engineering College,Information Engineering University,Zhengzhou 450002,China

摘要: 三维空间中的法向量估计在计算机视觉和表面重建等研究领域中具有重要的意义，基于局部表面拟合的方法是基于点云数据的经典估计方法。为了增强该方法对于不同局部邻域细节尺度的适应性以得到更准确的估计结果，提出了一种基于自适应邻域尺寸选择的点云法向量估计算法。该方法通过分析三维空间点的邻域点在点的梯度上投影来估计点云中各点的邻域分布情况|最后根据不同的分布情况选择不同的邻域大小，根据该邻域范围内的点拟合出的平面求解得到各点的法向矢量。实验结果表明：该方法能够克服邻域半径选择过大或者过小的情况，有效地提高基于局部表面拟合法向矢量求解的正确性。
- 三维图像 /
- 点云 /
- 局部表面拟合 /
- 自适应
Abstract: Normal vector estimation in three-dimensional space is of great significance in the field of research in computer vision and surface reconstruction, the local surface fitting method is a classical estimation method of point cloud data. In order to improve the veracity of the normal vector which computed by the way of local surface fitting, a method based on optimal neighborhood size for normals estimation was described and analyzed in this paper. The distribution of the neighbor of every point was formulated on the basis of the projection of gradient. Then, the adaptive size was chosen based on the distribution of the neighbor, the normal vector was fitted by the adaptive size. Experimental results show that presented algorithm could avoid the radius of neighbor estimated too large or too small, improve the veracity of the normal vector which computed by the way of local surface fitting effectively.
- three-dimensional image /
- point clouds /
- local surface fitting /
- adaptive

[1]	Levoy M, Whitted T. The use of points as display primitives[R]. US: CS Department, University of North Carolina at Chapel Hill, 1985.
[2]
[3]
[4]	Pfister H, Zwicker M, Baar J V. Surfels: surface elements as rendering primitives [C]//Computer Graphics Proceedings, Annual Conference Series, ACM SIGGRAPH, 2000: 335-342.
[5]
[6]	Zhang Dawei, Liu Zhi, Yang Yang, et al. 3D laser scanning technology based on right-angle reflection mode[J]. Infrared and Laser Engineering, 2011, 40(3): 443-447. (in Chinese)
[7]	Li Bao, Cheng Zhiquan, Dang Gang, et al. Survey on normal estimation for 3D point clouds[J]. Computer Engineering and Applications, 2010, 46(23): 1-7. (in Chinese)
[8]
[9]
[10]	Wang Wenbiao, Wu Defeng, Ma Zi, et al. Surface reconstruction techniques for a novel 3D laser scanning system [J]. Infrared and Laser Engineering, 2011, 40 (5): 931-934. (in Chinese)
[11]
[12]	Amenta N,Bern M. Surface reconstruction by voronoi filtering [C]//SCG'98: Proceedings of the Fourteenth Annual Symposium on Computational Geometry, 1998: 39-48.
[13]	Hoppe H, DeRose T, Duchamp T, et al. Surface reconstruction from unorganized points [C]//ACM Siggraph, 1992, 1992: 71-78.
[14]
[15]	Gross M, Pfister H. Point-based graphics[M]. San Francisco: Morgan Kaufmann Publishers Inc, 2007.
[16]
[17]
[18]	Mitra N J, Nguyen A. Estimating surface normals in noisy point cloud data [C]//Proceedings of the Nineteenth Annual Symposium on Computational Geometry, 2003: 322-328.
[19]
[20]	Yoon M, Lee Y, Lee S, et al. Surface and normal ensembles for surface reconstruction[J]. Comput Aided Des, 2007, 39(5): 408-420.
[21]	Wang Zhaofeng, Yan Bin, Li Jianxin, et al. A new method of point clouds extraction from the 3D volume data [C]// International Conference on Nature Computation, 2012: 369-372.

[1]	王春阳, 李国瑞, 刘雪莲, 施春皓, 丘文乾. 基于IVCCS的三维点云配准算法 . 红外与激光工程, 2022, 51(6): 20210491-1-20210491-12. doi: 10.3788/IRLA20210491
[2]	张帅台, 李国元, 周晓青, 么嘉棋, 郭金权, 唐新明. 基于多特征自适应的单光子点云去噪算法 . 红外与激光工程, 2022, 51(6): 20210949-1-20210949-11. doi: 10.3788/IRLA20210949
[3]	王明军, 易芳, 李乐, 黄朝军. 自适应局部邻域特征点提取和匹配的点云配准 . 红外与激光工程, 2022, 51(5): 20210342-1-20210342-10. doi: 10.3788/IRLA20210342
[4]	赵洪楠, 江文松, 杨力, 罗哉, 李泓洋. 线激光传感器的边缘偏差修正方法 . 红外与激光工程, 2022, 51(4): 20210317-1-20210317-7. doi: 10.3788/IRLA20210317
[5]	赵毅强, 艾西丁·艾克白尔, 陈瑞, 周意遥, 张琦. 基于体素化图卷积网络的三维点云目标检测方法 . 红外与激光工程, 2021, 50(10): 20200500-1-20200500-9. doi: 10.3788/IRLA20200500
[6]	曹海杰, 刘宁, 许吉, 彭杰, 刘宇昕. 红外图像自适应逆直方图增强技术 . 红外与激光工程, 2020, 49(4): 0426003-0426003-7. doi: 10.3788/IRLA202049.0426003
[7]	郭明, 周玉泉, 陈才, 周志杰, 郭可才. 北斗导航授时的移动激光雷达测量系统时间同步装置设计 . 红外与激光工程, 2020, 49(S2): 20200362-20200362. doi: 10.3788/IRLA20200362
[8]	薛珊, 吕南方, 沈雨鹰, 刘正彬, 郭建波. 基于激光三维点云的机械工件识别方法 . 红外与激光工程, 2019, 48(4): 442002-0442002(8). doi: 10.3788/IRLA201948.0442002
[9]	葛宝义, 左宪章, 胡永江, 张岩. 基于双步相关滤波的目标跟踪算法 . 红外与激光工程, 2018, 47(12): 1226004-1226004(10). doi: 10.3788/IRLA201847.1226004
[10]	王鹏, 杨文超, 孙长库, 郭世珍. 舌面彩色三维点云的舌体分割及舌裂纹提取 . 红外与激光工程, 2017, 46(S1): 82-89. doi: 10.3788/IRLA201746.S117004
[11]	张冬晓, 何永强, 胡文刚, 陈一超. 自适应红外隐身系统的背景投影建模 . 红外与激光工程, 2016, 45(3): 304001-0304001(7). doi: 10.3788/IRLA201645.0304001
[12]	张铁, 李波, 邹焱飚. 基于条纹式激光传感器与机器人的扫描成像系统 . 红外与激光工程, 2015, 44(1): 53-58.
[13]	陈骁, 石志广, 杨卫平, 凌建国. 利用三维点云的圆锥状弹头目标参数估计 . 红外与激光工程, 2014, 43(10): 3480-3485.
[14]	胡晓彤, 王建东. 基于子空间特征向量的三维点云相似性分析 . 红外与激光工程, 2014, 43(4): 1316-1321.
[15]	杨一帆, 田雁, 杨帆, 黄彪. 基于改进Mean-Shift 算法的红外小目标跟踪 . 红外与激光工程, 2014, 43(7): 2164-2169.
[16]	王华伟, 曹剑中, 马彩文, 张辉, 武登山. 具有自适应校正功能的红外成像系统设计 . 红外与激光工程, 2014, 43(1): 61-66.
[17]	杨文秀, 付文兴, 周志伟, 余巍, 马杰. 基于投影降维的激光雷达快速目标识别 . 红外与激光工程, 2014, 43(S1): 1-7.
[18]	李峰, 崔希民, 刘小阳, 卫爱霞, 吴燕雄. 机载LIDAR 点云定位误差分析 . 红外与激光工程, 2014, 43(6): 1842-1849.
[19]	金雁, 江洁, 张广军. 高动态星跟踪方法 . 红外与激光工程, 2013, 42(1): 212-217.
[20]	齐蕾, 张闻文, 陈钱, 顾国华. EMCCD图像自适应模糊中值滤波算法研究 . 红外与激光工程, 2013, 42(11): 3150-3155.

点击查看大图

计量

文章访问数: 366
HTML全文浏览量: 46
PDF下载量: 477
被引次数: 0

自适应邻域尺寸选择的点云法向量估计算法

1. 解放军信息工程大学信息系统工程学院,河南郑州450002

作者简介:
王兆丰（1988- ），男，硕士生，主要从事图像处理、科学可视化等研究。Email：wangalps@gmail.com；李建新（1954- ），男，硕士，教授，硕士生导师，主要从事信号处理方面的研究。Email：lijianxin1954@126.com

王兆丰（1988- ），男，硕士生，主要从事图像处理、科学可视化等研究。Email：wangalps@gmail.com；李建新（1954- ），男，硕士，教授，硕士生导师，主要从事信号处理方面的研究。Email：lijianxin1954@126.com

收稿日期: 2013-08-20
修回日期: 2013-09-28
刊出日期: 2014-04-25

基金项目:

国家863计划（2012AA011603）

中图分类号: TP391.4

关键词:

摘要: 三维空间中的法向量估计在计算机视觉和表面重建等研究领域中具有重要的意义，基于局部表面拟合的方法是基于点云数据的经典估计方法。为了增强该方法对于不同局部邻域细节尺度的适应性以得到更准确的估计结果，提出了一种基于自适应邻域尺寸选择的点云法向量估计算法。该方法通过分析三维空间点的邻域点在点的梯度上投影来估计点云中各点的邻域分布情况|最后根据不同的分布情况选择不同的邻域大小，根据该邻域范围内的点拟合出的平面求解得到各点的法向矢量。实验结果表明：该方法能够克服邻域半径选择过大或者过小的情况，有效地提高基于局部表面拟合法向矢量求解的正确性。