基于点云的三维重建与形变事件分析

【摘要】：近年来,三维扫描技术的发展催生了面向快速采集大规模场景三维数据应用的机载和车载扫描仪,同时,还推动了多种面向大众的经济适用型三维扫描仪的不断涌现。这些设备的三维数据获取能力不断增强,普及率不断提高,使我们能够更加简便易行地大量获取现实世界的三维测量数据,即点云。与此同时,计算机视觉领域用于从多幅图片恢复三维点云的多视立体几何技术也取得重大进展,点云数据成为现实世界数字化的重要数据源。然而,与逆向工程的点云获取不同的是,这些设备或方法往往不是在高度约束可控的情况下采集点云数据。这样获取的数据往往存在多种质量缺陷,包括大面积的数据缺失,不同区域点云密度的急剧变化,以及噪声和野点等。 我们提出针对三维点云数据的去噪、增强和几何体拟合等用于三维重建的算法。三维点云记录了被扫描物体某一时刻的静止状态,按时间连续采集的三维点云可以记录被扫描物体一段时间内的动态变化,我们称这种时序三维点云为四维点云。四维点云是分析被扫描物体时空形态变化的重要数据源,我们提出基于四维点云分析被扫描物体时空形态变化事件的算法。这些算法都用于处理点云数据,并且都通过引入对点云形状的高层次先验知识以对问题进行有效求解。算法结果可用于后续重建和程序化合成,形状理解和稀疏编码,以及定量研究被扫描物体形态随时间的变化等。 在论文的第一部分,我们提出多种以对带缺陷点云数据进行增强和三维重建的方法。具体地,我们研究针对城市建筑物点云的增强算法,以及针对更普遍的人造物体的三维重建。 建筑物通常都具有很大程度的重复结构和白相似性。检测,提取和运用这些重复结构是对带缺陷点云进行增强的重要手段。我们提出一种新的针对城市建筑物点云的非局部增强算法,该算法将建筑物重复结构的对应表面进行聚类已将多个几何结构融合为一个基准几何结构,并在这个基准几何结构基础上进行平面间和平面内去噪。我们发现三维点云和二维图片的数据具有很强的互补性,并以此为基础提出一种新的融合两种数据并将二维图片中检测的重复结构信息传递到三维点云以对点云数据进行增强的方法。只要重复结构见于图片,该方法就能够加以利用以增强点云数据,即使这些重复结构在点云中完全缺失。受诸如数字城市等重大应用的刺激,城市建筑物建模在近年来越来越受到重视,我们提出的城市建筑物点云增强技术是城市建筑物建模的重要前处理步骤。 人造物体是比城市建筑物包含更广的一个类别,其重复结构特征表现得并不如在城市建筑物中那么明显。人造物体普遍存在的几何结构特征是在构成人造物体的基本几何体之间存在严格对齐,各种几何属性的严格相等等全局关系。我们提出一种新的算法在针对人造物体的几何体拟合中引入这些全局关系约束。以随机一致采样(RANSAC)算法提取的局部拟合几何体为基础,我们的算法渐进地探测朝向、位置和相等全局关系。在每一阶段,算法从多种提取的候选全局关系中提取一个可互相兼容的全局关系集合,并在最优数据拟合过程中保证满足这些全局关系约束。我们的算法不仅能够从点云数据恢复人造物体的几何结构,还能从中提取对形状理解和稀疏编码极其重要的全局结构信息。 在论文的第二部分,我们研究基于四维点云的时空形态变化事件分析。不可压缩性假设被广泛用于研究基于四维点云的时空形态变化事件分析,然而,我们研究的对象不满足不可压缩性假设,因此也使得现有方法不适用。具体地,我们提出一种新方法用于研究植物生长,特别是关注准确地对植物生长过程中的萌芽和分支等生长事件进行准确的时空定位和跟踪。研究植物的生长和发育是植物学领域的重要课题。现有的对植物生长过程进行定量测量的方法包括繁杂且采样稀疏的手工测量,或者粗略的基于图片的测量。通过三维扫描自动化这些测量过程将使生物学家获得关于植物生长的在规模和精度上都前所未有的数据。然而,植物在生长过程中会不断长出新的器官并分支为不同的部分,使其不符合在现有方法中广泛使用的不可压缩性假设,从而需要引入全新的方法以针对植物的生长进行研究。我们提出一种前向与后向结合的新的分析方法来解决这个问题,我们在前向分析过程中检测确切的植物生长事件,以此为基础在后向分析过程中对该事件进行更精确的时空定位。 据我们所知,这是首次提出在生长植物四维点云中进行植物形态变化事件检测。我们的方法的一大特性是能够在植物器官互相接触和重叠的情况下准确检测和跟踪植物新器官的萌芽和分支,使的对植物生长的精确自动化分析成为可能。我们的该成果可能帮助植物学家突破手工测量的限制,实现自动化大规模植物生长分析,可能成为植物学领域研究的关键工具。一些世界知名生物学家在看过我们工作之后认为该成果在植物学领域有重大潜力。