文 献 综 述
一. 选题背景
随着三维扫描技术的快速发展，三维点云数据作为一种新兴的数据形式，已经逐渐地应用到许多领域中，如逆向工程、模式识别、工业检测、自主导航、文物保护、虚拟现实、游戏娱乐等。在化工生产领域，利用三维扫描技术实现化工厂的三维重建，对于化工厂的扩建、改造和维护具有重要的意义。管道通常是化工厂的主要构成部分，主要由圆柱体构成。因此，工厂三维扫描点云模型中圆柱体的检测和识别对于整个化工厂的三维重建具有重要的意义。
本课题主要研究如何从大规模化工厂的三维扫描点云模型中，自动检测出相关的圆柱体，并识别圆柱体的参数信息。
二. 研究现状
在计算机视觉和计算机图形学领域，采用激光扫描的虚拟3D场景重建技术越来越热门。先进技术逐步得到应用，如在石化行业中管道设备广泛存在。使用虚拟现实技术的三维数字设备模型在训练、消防演习和灾害模拟中扮演着重要角色[13]。
圆柱体检测方法大致可以分为三类：1）区域生长2）RANSAC和3）Hough变换（随机抽样一致），这些是被广泛接受的圆柱体检测方法[2]。但由于现在大多数管道不是裸露的，通常用电子层或保温层包裹起来并且它们之间靠的太近，扫描得到的点不准确，有噪声。由于使用RANSAC法，点的方向存在噪声，所以我们无法直接使用点的法向计算圆柱体的参数。平面圆可以由平面上的任意三点唯一确定，但是圆柱体不同。众所周知，在计算几何中很难知道确定中任意的圆柱体需要多少点，所以RANSAC算法不能直接用于本课题。最近有人提出了RANSAC变种的快速版本，使用最优随机RANSAC法[15]，仅仅使用整个点集的子集来加快假设评估进程。假定如果当前评估的假设和迄今为止最好的假设，保护同样多有效数据的概率小于一个预定义的阈值，那么我们不使用这个假设来评估整个点集。所有这些方法都适用于如下情形：在一个含有噪声的样本点集中只含有一个可能正确的假设，例如，窄基线立体匹配算法中只有一个正确的基本矩阵。但是，在我们的课题中不同的圆柱体对应着不同的子集，所以快速RANSAC方法无法使用。
另一种常用的几何基元检测方法是Hough变换[10]。在给定几何图元的参数表示的条件下，Hough变换是在参数空间利用对偶原理进行作用的。最近，人们提出了一些改进的Hough变换，有的可以更好的定位参数空间的局部极大值[6]，有的通过对参数空间进行分裂和修剪，加快变换进程[11]。然而，由于圆柱体有五个参数，那么在给定大量管道基元的大规模点集时，使用Hough变换在5D参数空间搜索满足条件的圆柱体可能会导致非常高的复杂性。
简而言之，本课题中我们任务是在大量含有噪声的点集中自动检测管道。传统的方法，如区域生长，RANSAC和Hough变换无法直接用于本课题，因为我们扫描的被噪声干扰了的点的数量级太大，同时管道的尺寸变化很大。于是，我们提出了一个结构检测和分解方法，能够将中的圆柱体求解问题转变为一些简单的的圆的求解问题。当在扫描的点集中识别出管道时，我们就能够检测出通过弯头连接的管道。最后，我们借助于必要的手工装配部件，如阀门、仪表、油箱盖、楼梯、离心机等重建设备模型。
2.1设备数据的结构检测
通过设备的数据结构检测，可以将管道方向分为：
