基于OLDL_DWT的点云古典建筑曲面重建方法

技术领域

本发明涉及三维点云重建领域，特别设计基于OLDL_DWT的点云古典建筑曲面重建方法。

背景技术

近年来，随着科学发展，三维建模技术在古建筑重建领域中得到了广泛的应用。受三维数据扫描过程中扫描设备、扫描环境等因素影响，扫描三维点云数据中含有大量的噪点和离群点，导致三维曲面重建算法精度低。

因此，亟待提出一种三维曲面古建筑重建技术，来突破三维曲面重建技术瓶颈。

发明内容

为了解决上述存在问题。本发明提出基于OLDL_DWT的点云古典建筑曲面重建方法，为达此目的：

本发明提出基于OLDL_DWT的点云古典建筑曲面重建方法，具体步骤如下：

步骤1：对三维点云数据进行预处理；

步骤2：三维点云数据进行在线字典学习，获得局部最优稀疏字典Ф；

步骤3：以局部最优稀疏字典Ф为基空间，使用压缩采样匹配追踪算法，计算古典建筑曲面的三维点云数据的稀疏系数；

步骤4：重构古典建筑曲面三维点云数据；

步骤5：对重构的数据提取小波变换系数，对系数进行自适应阈值处理；

步骤6：对小波系数进行小波逆变换，获得重构的光滑古典建筑曲面点云数据。

作为本发明进一步改进，所述步骤1中，三维点云数据进行预处理方式为对三维点云数据进行均匀分块，保证三维点云的训练集与测试集的尺寸统一。

作为本发明进一步改进，所述步骤2中使用在线字典学习算法具体实现步骤为

步骤1：以通用三维点云数据为训练样本，使用MOD（method of directions）字典算法进行字典训练，获得通用字典D；

步骤2：以通用字典D为基字典使用目标三维点云数据作为训练样本进行迁移字典学习，迁移字典学习环节目标优化模型为

其中，y是目标三维点云数据，

作为本发明进一步改进，所述步骤重构三维点云数据计算公式为

其中，

作为本发明进一步改进，所述小波系数进行自适应阈值处理可表示为

其中，DWT(•)表示小波变换函数，做三层小波变换，a1、a2、a3、a4是小波变换系数，且所代表频带依次增加，floor(•)表示向下取整函数，mean(•)表示求均值函数，max(•)表示求最大值函数。

作为本发明进一步改进，所述步骤6中对小波逆变换表示为

其中，iDWT(•)表示小波逆变换函数。

本发明基于OLDL_DWT的点云古典建筑曲面重建方法，有益效果在于：

1. 本发明建立了OLDL_DWT算法，能够对三维点云古典建筑曲面高精度重建；

2. 本发明利用在线字典迁移学习，训练速度快，实时性强；

3. 本发明算法复杂度低，实现简单。

附图说明

图1是系统架构图。

具体实施方式

本发明提出基于OLDL_DWT的点云古典建筑曲面重建方法，能够对三维点云古典建筑曲面高精度重建，如图1是系统架构图。

首先，对古典建筑曲面三维点云数据进行预处理，三古典建筑曲面维点云数据进行预处理方式为对三维点云数据进行均匀分块，保证三维点云的训练集与测试集的尺寸统一。

然后，对古典建筑曲面三维点云数据进行在线字典学习，获得局部最优稀疏字典Ф，以局部最优稀疏字典Ф为基空间，使用压缩采样匹配追踪算法，计算古典建筑曲面三维点云数据的稀疏系数。

使用在线字典学习算法具体实现步骤为

步骤1：以通用三维点云数据为训练样本，使用MOD（method of directions）字典算法进行字典训练，获得通用字典D；

步骤2：以通用字典D为基字典使用目标古典建筑曲面三维点云数据作为训练样本进行迁移字典学习，迁移字典学习环节目标优化模型为

其中，y是目标古典建筑曲面三维点云数据，

接着，重构古典建筑曲面三维点云数据，三维点云数据计算公式为

其中，

最后，对重构的古典建筑曲面三维点云数据提取小波变换系数，对系数进行自适应阈值处理，对古典建筑曲面三维点云数据进行小波逆变换，获得重构的光滑古典建筑曲面曲面点云数据。

对小波系数进行自适应阈值处理可表示为

其中，DWT(•)表示小波变换函数，做三层小波变换，a1、a2、a3、a4是小波变换系数，且所代表频带依次增加，floor(•)表示向下取整函数，mean(•)表示求均值函数，max(•)表示求最大值函数。

对小波逆变换表示为

其中，iDWT(•)表示小波逆变换函数。

以上所述，仅是本发明的较佳实施例而已，并非是对本发明作任何其他形式的限制，而依据本发明的技术实质所作的任何修改或等同变化，仍属于本发明所要求保护的范围。