一种基于法曲率极大值和向量内积的脊椎光学模型特征点自动识别方法

在脊椎光学模型的定位和配准中,主要难点是模型特征点的定位。针对手动标注特征点精确度不够,易产生较大误差等问题,提出了一种基于法曲率极大值和向量内积的脊椎模型特征点自动识别方法,该方法可以动态调整拾取点曲率,从而最大限度地保证特征点拾取的精准性。方法首先通过高斯曲率和平均曲率流等多曲率特征,得到手动选取点的法曲率极大值,由于曲率越大,三维模型表面在该点处的弯曲程度也就越大,即就是更能表现三维模型的几何轮廓信息;并以手动拾取点为圆心,计算在指定极小半径r范围内的所有模型点的法曲率相对极大值,然后对这些法曲率极大值进行降序排序,筛选出法曲率极大值较大的n个候选点,候选点与手动选取点之间做向量内积,从而得到向量之间的夹角。由于向量内积之间几何夹角角度越小,代表2个点之间欧几里得距离越靠近,故以夹角最小的候选顶点来替换手动拾取的点,从而可以准确反映该点的局部特征变化情况。经过实验的对比分析,新方法对特征点的标记准确性提高了约35%,从而验证了新方法的有效性。