散乱点云特征提取方法与部位缺损文物碎片拼接技术研究

【摘要】：利用数字化手段实现文物虚拟复原,能够有效缩短文物复原周期的同时,避免人工复原对文物的二次破坏,因此相关研究也成为计算机图形学领域的研究热点。文物虚拟复原的核心即文物邻接碎片的搜索与拼合,传统几何特征驱动的碎片拼接技术,依赖于碎片断裂部位几何信息的完整性及准确性,因此针对断裂部位缺损的文物碎片容易失效。特征提取是碎片拼接的基石,特征提取的优劣直接决定了后续碎片拼接中形状表达与匹配的准确率。好的特征提取算法,将给特征的相似性度量、邻接匹配对的判定、搜索及空间坐标的精确对齐带来明显优势。因此,本文以点云模型为研究对象,重点研究了散乱点云模型的特征提取方法,并将多特征融合应用于文物碎片自动拼接,旨在解决断裂部位存在缺损文物碎片的自动拼接问题。本文主要研究工作包括:(1)针对传统点云特征提取方法中,曲面拟合质量直接影响特征提取有效性的问题,提出一种基于局部重建的散乱点云谷脊特征提取方法。通过构建紧附于潜在曲面、能反映点局部几何特征信息的三角网格,利用微分“化曲为直”的本质特性,估计点数据的曲率;然后以定义“谷脊点为主方向上的曲率极值点”为判据,多尺度地提取谷脊特征。实验结果表明,该算法能有效避免由于曲面拟合依赖于先验知识,导致曲面拟合质量影响特征提取有效性的问题,对邻域尺度及噪声不敏感,所提取出的谷脊特征能有效表达和刻画点云模型的几何形状。(2)针对现有点云特征提取方法对于潜在曲面形状差异较敏感的问题,提出一种采用 DBSCAN 聚类(Density-based Spatial Clustering of Applications with Noise,DBSCAN)的散乱点云特征提取方法。利用反k近邻定义一种新的特征检测算子,然后引入特征的全局约束性定义;最后采用DBSCAN聚类算法对点进行聚类分析提取特征点。实验结果表明,该算法无需局部曲面的拟合或重建,且结果不依赖于特征的尖锐度,提取特征时同时考虑点的局部几何信息及全局约束性,因此针对曲面形状差异较大的模型具有一定的优越性。(3)针对点云特征提取中,特征度量阈值的自适应计算及特征线重建中的保形问题,提出一种基于统计学的散乱点云特征线提取方法。该方法定义了一种新的特征检测算子,通过构建基于泊松分布的曲面遍历模型提出一种泊松边界区域生长法,以标定潜在特征点;然后对潜在特征点的区域信息进行分析提取特征点;最后,提出一种基于L1中值的特征线重建算法,通过重建特征点的潜在形状构建特征线。实验结果表明,该算法能够自适应地计算不同的特征度量阈值,有效解决了传统方法采用统一特征度量阈值导致特征尖锐度敏感的问题,且所生成的特征线能够有效保持特征点的潜在形状,针对形状较复杂模型具有较强的优越性。(4)针对现有点云简化算法在大规模精简时较平滑区域易形成孔洞,及简化后模型易丢失原曲面形状导致体积收缩的问题,提出一种保几何特征的点云简化方法。利用泊松边界区域生长法检测特征点,并获得潜在曲面的平均弯曲度信息;然后利用共享近邻聚类算法(Shared Nearest Neighbor,SNN)对非特征点处局部曲面弯曲度进行分析,综合考虑点采样密度及局部曲面弯曲度,采用不同的简化策略删除冗余点。实验结果表明,该算法不但避免了在大规模精简时较平滑区域易形成孔洞的问题,且简化后的模型能够尽可能保持原曲面的潜在形状,降低简化误差。(5)针对断裂部位存在缺损文物碎片的自动拼接问题,提出一种基于形状骨架图匹配的文物碎片自动拼接方法,利用文物碎片特征线刻画碎片表面几何纹理,将邻接碎片的匹配问题转化为碎片表面几何纹理中非完整几何纹元的互补匹配问题。首先根据几何纹理的完整性设计非完整几何纹元的互补匹配约束条件;然后利用视觉骨架剪枝法提取非完整纹元的形状骨架,基于形状骨架图语法及匹配约束条件判定非完整纹元互补匹配对;最后将碎片上非完整几何纹元的顺序作为上层约束确定邻接碎片。实验结果表明,该方法能够有效解决断裂部位存在缺损文物碎片的自动拼接问题,针对几何纹理局部曲率变化较小的碎片效果较好。(6)针对断裂部位存在缺损、几何纹理局部曲率变化较大碎片的自动拼接问题,提出一种基于自适应邻域的多特征融合文物碎片自动拼接方法。该方法基于自适应邻域机制融合碎片断裂部位及原曲面上的多种特征,将断裂部位“轮廓线”的匹配转化为断裂部位“轮廓带”的匹配,通过自适应邻域的匹配确定碎片的邻接关系;另外,采用Coarse-to-Fine策略逐级搜索邻接碎片,提高了邻接碎片搜索效率。实验结果表明,该算法能有效融合碎片上的多特征,针对断裂部位存在缺损、几何纹理局部曲率变化较大的碎片具有一定的优越性。