买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：福州大学

摘要：本发明涉及一种基于DBSCAN聚类的优化RANSAC点云平面拟合方法，包括：1、对原始点云数据预处理；2、计算点云数据中每个点的法向量并进行定向；3、使用DBSCAN密度聚类寻找初始点集合；4、从初始点集合中随机抽取初始样本点，拟合得到初始拟合平面模型参数；5、计算点云数据中余下所有点到初始拟合平面的距离，不满足距离阈值的点判定为外点；6、计算满足距离阈值的点的法向量与初始拟合平面法向量的夹角，满足夹角阈值的点判定为内点；7、当内点个数满足要求则保留模型；8、当采样次数达到迭代阈值则停止迭代，将内点个数最多的平面模型作为拟合结果，否则返回步骤4。该方法可以提高点云平面的拟合精度和鲁棒性，在保证拟合效率的同时降低误识别概率。

主权项：1.一种基于DBSCAN聚类的优化RANSAC点云平面拟合方法，其特征在于，包括以下步骤：步骤1、对原始点云数据进行预处理：通过构造KD-tree的方式，建立点云数据间的拓扑关系，并采用统计滤波去除明显离群点，然后采用体素栅格降采样简化点云数据；步骤2、通过KD-tree结构搜索点云数据中每个点到其距离最近的k1个点，使用最小二乘法拟合由这k1个点构成的局部平面；通过主成分分析法，求解局部平面点构成的协方差矩阵最小特征值对应的特征向量，此特征向量即局部平面单位法向量，同时也是当前点的法向量；设定视点pv，通过求出的法向量与视点pv和当前点pcur的位置关系，对法向量定向；步骤3、设置邻域半径reps和邻域半径范围内数据点的最小个数kMinPts，在平面的密度紧密区域，使用DBSCAN密度聚类，寻找用于估计平面模型的初始点集合；步骤4、从初始点集合中随机抽取q个初始样本点进行平面拟合，利用q个初始样本点的x、y、z坐标，得到初始拟合平面模型参数；步骤5、设置距离阈值dt，计算点云数据中余下所有点到初始拟合平面的距离di，将不满足距离阈值要求的点判定为平面模型外的点，即外点；步骤6、设置夹角阈值θt，计算满足距离阈值要求的点的法向量与初始拟合平面法向量的夹角θi，将满足夹角阈值的点判定为平面模型内的点，即内点；步骤7、设置内点个数阈值N，判断模型内点的个数是否满足内点个数阈值要求，若满足要求，则保留模型；步骤8、判断采样次数是否达到迭代阈值T，是则停止迭代，将内点个数最多的平面模型作为最终拟合结果，否则返回步骤4继续执行。

全文数据：

权利要求：

百度查询： 福州大学 一种基于DBSCAN聚类的优化RANSAC点云平面拟合方法