(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210684030.3 (22)申请日 2022.06.16 (71)申请人 黄冈强源电力设计有限公司 地址 438000 湖北省黄冈市黄州区东门路 36号 申请人 国网湖北省电力有限公司黄冈供电 公司 (72)发明人 陈波　彭武　徐锐锋　赵勇军　 南方　张武　徐凌　何维　邢薇　 汪艳梅　 (74)专利代理 机构 武汉中知诚业专利代理事务 所(普通合伙) 42271 专利代理师 孙黄莹 (51)Int.Cl. G06T 17/00(2006.01)G06V 10/44(2022.01) (54)发明名称 一种水泥纤维板房 的快速三维模型重建方 法 (57)摘要 本发明提供一种水泥纤维板房的快速三维 模型重建方法， 包括点云数据收集模块、 点云预 处理模块、 点云特征提取模块、 点云配准模块。 本 发明方法包括： 通过多个深度相机来获取不同视 角的水泥纤维板房的点云信息； 对获取到的多幅 点云图进行数据预处理； 将预处理的多幅点云图 送入到特征提取网络中进行特征提取； 最后利用 多幅点云图的特征进行配准， 得到最终的模型。 即使是非专业人员， 只要按照方法来做同样能够 得到重建模型， 相比于传统的重建方法， 本方法 鲁棒性更好、 配准时间更加快速、 泛化性也更加 优秀。 权利要求书2页 说明书5页 附图1页 CN 114937122 A 2022.08.23 CN 114937122 A 1.一种水泥 纤维板房的快速三维模型重建方法， 其特征在于， 包括点云数据收集模块、 点云预处 理模块、 点云特 征提取模块和点云配准模块， 具体如下： 步骤1， 首先利用深度相机在多个不同的视角获取到水泥纤维板房的点云图， 接着将这 些点云图送入到系统当中； 步骤2， 利用点云预处理算法来对不同视角的点云进行去噪、 补全等处理,经过预处理 的点云信息更加的清晰明了； 步骤3， 利用点云特 征提取网络对预处 理过的多幅水泥纤维板房点云图进行 特征提取； 步骤4， 利用提取出的特征图构建匹配点对， 利用匈牙利算法和空间一致性算法得到匹 配点对进行配准， 将多 幅水泥纤维板房点云图配准为一幅点云， 该幅点云包括多幅点云的 所有信息 。 2.根据权利要求1所述的一种水泥 纤维板房的快速三维模型重建方法， 其特征在于： 步 骤1的具体实现如下： 所述点云数据收集模块中放置深度相机时， 以纤维板房为中心， 保证多个深度相机到 纤维板房中心点的距离相等， 并且保证多个深度相机的角度相等。 3.根据权利要求1所述的一种水泥 纤维板房的快速三维模型重建方法， 其特征在于： 步 骤2的具体实现如下： 所述点云预处理模块首先对点云图进行下采样， 去噪方法使用结合图像的空间邻 近度 和像素值相似度的一种折中处 理， 同时考虑空域信息和灰度相似性， 具体如下： 首先将点云图经过旋转矩阵， 赋予点云旋转不变性， 即点云怎么旋转， 点云所存储的信 息改变， 接着针对三维图像进行去噪， 公式表达为: pi为要处理的点云数据中的一点， ni为该点的法向量， λ为双边滤波因子， λ的计算公式 如下： 在设计的时候会有两个权 重， Wc和Ws， 表示如下： 其中， Wc， Ws分别表示双边滤波函数的空间域和频率域权重函数， 分别 控制着双边滤波 的平滑程度和特 征保持程度， <ni,pj‑pi>为ni与pj‑pi的内积。 4.根据权利要求1所述的一种水泥 纤维板房的快速三维模型重建方法， 其特征在于： 步 骤3的具体实现包括以下步骤： 步骤3.1， 以往的特征提取网络主要是使用多层感知机进行更深层次的特征提取， 这样 做的方法主要 是提取点云的全局特征， 但是往往忽略了点的空间信息。 基于这样的缺点， 我 们使用点的邻域空间信息与点的信息进 行输入， 首先我们输入的点云是n ×3的特征矩阵， n 代表点云的数量， 3是点云特征的维度， 这里我们使用的是点云的坐标信息， 即(X,Y,Z)作为 初始点云的特征。 利用K近邻算法得到点云的邻域， 将点云中点的邻域坐标与点的坐标位置权　利　要　求　书 1/2 页 2 CN 114937122 A 2结合， 将n ×3的特征扩充为 n×6， 扩充的维度是点云的邻域 坐标特征； 步骤3.2， 扩充后的特征维度为n ×6， 包含了点云图的空间信息， 接着将特征输入到4个 维度均为64的卷积层中进行升维， 得到的输出为n ×64。 类似， 结合点云中点的空间邻域信 息， 将n×64的特征扩充为n ×128， 接着通过2个维度为128的卷积层， 得到的特征矩阵为n × 128。 再一次结合点云的邻域信息， 将n ×128的特征扩充为n ×256， 最后通过一个维度为256 的卷积层， 得到最终的n ×256的特征矩阵。 最终将每次卷积得到的特征矩阵拼接。 即64*4+ 128*2+25 6*2， 得到n ×1024的特 征。 5.根据权利要求1所述的一种水泥 纤维板房的快速三维模型重建方法， 其特征在于： 步 骤4的具体实现包括以下步骤： 步骤4.1， 点云配准的关键是找到目标点云与源点云的匹配 点， 所谓的匹配点， 指的是同一个点在两幅点云中的不同位置。 根据步骤3提取出的多幅点 云特征图， 利用L2范式计算多幅点云图中的特征距离， 两幅点云图中某一对点的特征距离 越接近， 也就代表 这一对点越可能是同一个点， 根据这种思想， 找到点云图中的所有匹配点 对； 步骤4.2， 根据步骤4.1所得到的匹配点对， 考虑到 网络提取出的特征会有误差， 导致找 到错误的匹配点对， 我们构思了一种空间一致性判别来剔除掉匹配错误的点对。 具体做法 为， 如果匹配点对是正确的， 那么它们的邻域一定是相同的。 首先利用K近邻算法找到近邻 点， 计算匹配点与近邻点的欧氏距离。 如果匹配点对是正确的， 它们与各自的最近邻点的欧 式距离差距应当是很小的。 如果匹配点与邻域点的距离差距小于一个阈值， 我们就认为这 一对匹配点是正确的， 相反， 如果匹配点的邻域特征差别大于阈值， 我们就认 为这一对匹配 点是错误的， 并将其隐藏， 避免在后续的操作中造成误差； 步骤4.3， 根据正确的匹配点对， 利用奇异值分解算法找到两幅点云的旋转平移矩阵， 将点云图与旋转平 移矩阵相乘， 可以将两幅点云图配准 为一幅； 步骤4.4， 对所有的点云图两两利用上面所描述的操作， 可以将多幅水泥纤维板房点云 图最终配准 为一幅水泥纤维板房点云图。权　利　要　求　书 2/2 页 3 CN 114937122 A 3