2019-02-18 3d点云的局部法向量求取

对于局部地形的判断需要对于局部地形的每个cell进行倾斜度曲率等分析,其中最重要的就是求取局部区域的法向量。Comparison of Surface Normal Estimation Methods for Range Sensing Applications这篇论文给出了计算方法和结果比较。

选取近邻点

  1. 使用KNN方法选取近邻点,但由于K固定在,在某些区域的边界区会造成连接而成的三角形相互覆盖。
  2. 使用Delaunay三角剖分。使用了空外接圆规则,即三个点形成的外接圆内部没有点云集中的其他点。

求取法向量

使用优化的方法

优化的方法使用近邻点和本点拟合的方法来进行,包括线性拟合和非线性拟和。具体方法有很多,其主要的区别在损失函数的设置上。然后再用SVD分解求取ni,即法向量。


2019-02-18 3d点云的局部法向量求取_第1张图片
优化方法的损失函数

使用平均的方法

使用平均的方法,如下图1求取5个三角形的法向量后求平均,具体算法为
2019-02-18 3d点云的局部法向量求取_第2张图片
2019-02-18 3d点云的局部法向量求取_第3张图片
图1

wj权重选取有两种方法,按面积或者按角度:


2019-02-18 3d点云的局部法向量求取_第4张图片
平均方法的权重设置

结果

2019-02-18 3d点云的局部法向量求取_第5张图片
时间和准确度的比较,scenario1表示仿真数据,scenario2为真实数据结果

上图都是基于KNN的最近邻图的获取结果,综上PlanePCA计算效果和时间复杂度方面最好。
而基于DT的获取近邻点方法中,AreaWeighted方法也不错。


2019-02-18 3d点云的局部法向量求取_第6张图片
基于DT图的结果

你可能感兴趣的:(2019-02-18 3d点云的局部法向量求取)