王宪伦，丁文壮，孙旭祥

(青岛科技大学 机电工程学院，山东 青岛 266100)

0 引言

随着计算机技术的快速发展，计算速度得到快速提升。作为最直观反映客观位置的点云信息运用范围越来越大，复杂性要求越来越高，在场景获取、位置测量、三维重建、逆向开发[1]方面，点云处理成为场景感知的重要手段。

安装在移动机器人上的深度相机常常需要通过获取点云信息来定位，其中孔洞信息经常是一些定位的关键信息，例如集装箱上的吊装孔位。何学铭等[2]利用最大角度准则、半圆盘度量准则、形状度量准则，通过三者加权来判断为边界点的概率，但是却难以选择恰当的权重系数。陆帆等[3]提出了利用反距离权重加权等效合力和点云密度作为目标点为边界点的判定条件，但是其普遍性较差。王春香等[4]对点云模型的孔洞形成原因及孔洞类型进行了分析和总结, 就边界识别方法做出了详细的介绍和归纳。孙殿柱等[5]提出一种基于曲面局部形貌标架的点云特征识别方法。通过标架夹角的差异性，对曲面样本形貌进行量化分析，区分平滑、边界、棱边及尖角等特征区域，实现对中心样点属性的稳健判别，但是其算法就孔洞边界提取而言开销较大。TABIB R A等[6]使用深度学习的框架来识别边界特征。MINEO C等[7]优化了现有的边界点检测算法并提出了BPD算法。

本文对半圆盘准则和最大角度准则易受噪声影响的问题，提出了双半圆盘准则。本文利用质心点位置将圆盘划分为双半圆盘，通过双半圆盘中投影点数目的比值来判断边界点，噪声的影响会成比例缩小，鲁棒性较好，能够快速、稳健地实现边界提取。……