CN105631929A - 点云精简方法及系统 - Google Patents
点云精简方法及系统 Download PDFInfo
- Publication number
- CN105631929A CN105631929A CN201410710183.6A CN201410710183A CN105631929A CN 105631929 A CN105631929 A CN 105631929A CN 201410710183 A CN201410710183 A CN 201410710183A CN 105631929 A CN105631929 A CN 105631929A
- Authority
- CN
- China
- Prior art keywords
- point
- cube
- effective
- cloud
- neighborhood
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 50
- 238000005070 sampling Methods 0.000 claims abstract description 36
- 239000013598 vector Substances 0.000 claims description 14
- 230000001174 ascending effect Effects 0.000 claims description 3
- 239000004744 fabric Substances 0.000 claims description 3
- 230000011218 segmentation Effects 0.000 abstract 1
- 238000010586 diagram Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 3
- 239000011159 matrix material Substances 0.000 description 3
- 230000000694 effects Effects 0.000 description 1
- 238000003825 pressing Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
- G06T17/20—Finite element generation, e.g. wire-frame surface description, tesselation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2210/00—Indexing scheme for image generation or computer graphics
- G06T2210/56—Particle system, point based geometry or rendering
Abstract
一种点云精简方法,应用于计算装置中,包括:接收点云网格化文件,并从该点云网格化文件中获取点云的信息;根据所获取的点云的信息计算点云的包围盒,并把所述包围盒切分为多个立方体,并从所切分的多个立方体中选取有效立方体;计算每个有效立方体的平均曲率;根据每个有效立方体的平均曲率判断每个有效立方体中的点云类型;根据每个有效立方体中的点云类型分别对每个有效立方体进行采样,将每个有效立方体的采样数据合并为采样后的点云;对采样后的点云的三角结构进行修复。本发明还提供一种点云精简系统。本发明能用较少的点表现出点云的细节。
Description
技术领域
本发明涉及点云处理技术领域,尤其涉及一种点云精简方法及系统。
背景技术
点云精简是点云处理的关键步骤,三维扫描时,一个产品的完整点云通过多幅点云合幷而成,往往数据量很大,因此,对点云进行精简显得格为重要。也就需要去除部份点云,让点云密度均匀。精简的最理想效果是精简后的点云具有较少的数量的同时又不丢失物体表面细节特征。
发明内容
鉴于以上内容,有必要提供一种点云精简方法及系统,可以用较少的点表现出点云的细节。
一种点云精简方法,应用于计算装置中,该方法包括:获取步骤,接收点云网格化文件,并从该点云网格化文件中获取点云的信息;计算步骤一,根据所获取的点云的信息计算点云的包围盒,并把所述包围盒切分为多个立方体,并从所切分的多个立方体中选取有效立方体;计算步骤二,计算每个有效立方体的平均曲率;确定步骤,根据每个有效立方体的平均曲率判断每个有效立方体中的点云类型;采样步骤,根据每个有效立方体中的点云类型分别对每个有效立方体进行采样,将每个有效立方体的采样数据合并为采样后的点云;及修复步骤,对采样后的点云的三角结构进行修复。
一种点云精简系统,应用于计算装置中,该系统包括:获取模块,用于接收点云网格化文件,并从该点云网格化文件中获取点云的信息;计算模块,用于根据所获取的点云的信息计算点云的包围盒,并把所述包围盒切分为多个立方体,并从所切分的多个立方体中选取有效立方体;所述计算模块,用于计算每个有效立方体的平均曲率;确定模块,用于根据每个有效立方体的平均曲率判断每个有效立方体中的点云类型;采样模块,用于根据每个有效立方体中的点云类型分别对每个有效立方体进行采样,将每个有效立方体的采样数据合并为采样后的点云;及修复模块,用于对采样后的点云的三角结构进行修复。
相较于现有技术,所述点云精简方法及系统,能将点云划分为多个立方体然后依据每个立方体的平均曲率判断每个立方体中点云类型,根据每个立方体中的点云类型进行不同的采样,这样就可以用较少的点仍能表现出点云的细节。
附图说明
图1是本发明点云精简系统较佳实施例的运行环境示意图。
图2是本发明点云精简系统较佳实施例的功能模块图。
图3是本发明点云精简方法较佳实施例的流程图。
图4是图3中步骤S12的细化流程图。
图5是修复点三角结构的示意图。
主要元件符号说明
计算装置 | 1 |
点云精简系统 | 10 |
存储设备 | 11 |
处理设备 | 12 |
获取模块 | 100 |
计算模块 | 101 |
确定模块 | 102 |
采样模块 | 103 |
修复模块 | 104 |
如下具体实施方式将结合上述附图进一步说明本发明。
具体实施方式
参阅图1所示,是本发明点云精简系统较佳实施例的运行环境示意图。所述点云精简系统10运行于计算装置1中。该计算装置1还包括通过数据总线相连的存储设备11及一个或者多个处理设备12等。所述计算装置1可以是电脑、服务器等。
所述的点云精简系统10包括一个或多个由程序代码组成的功能模块(详见图2),各功能模块存储于所述存储设备11中,并由所述处理设备12所执行,以实现如下功能:将点云划分为多个立方体,然后依据每个立方体的平均曲率判断每个立方体中点云类型,根据每个立方体中的点云类型进行不同的采样,这样就可以用较少的点表现点云细节。
所述存储设备11用于存储所述点云精简系统10中各个程序段的程序代码。该存储设备11可以为智能媒体卡(smartmediacard)、安全数字卡(securedigitalcard)、快闪存储器卡(flashcard)等储存设备。
参阅图2所示,在本实施例中,所述点云精简系统10的功能模块包括:获取模块100、计算模块101、确定模块102、采样模块103及修复模块104。以下将结合图3说明各模块的具体功能。
参阅图3所示,是本发明点云精简方法较佳实施例的流程图。根据不同的需求,该流程图中步骤的顺序可以改变,某些步骤可以省略。
步骤S10,获取模块100接收用户上传到计算装置1中的点云网格化文件,并从该点云网格化文件中获取点云的信息。
在本实施例中,所述点云的信息包括由网格后的点云所组成的多个三角形,每个三角形的单位法向量、三个顶点及三个顶点的三维坐标。
步骤S11,计算模块101根据所获取的点云的信息计算点云的包围盒,并把所述包围盒切分为多个立方体,并从所切分的多个立方体中选取有效立方体。
在本实施例中,计算模块101先分别计算出点云在X,Y和Z轴上的最大坐标和最小坐标,上述点云在X,Y和Z轴上的的最小坐标分别为pt1Min[x],pt1Min[y],pt1Min[z]及最大坐标分别为pt1Max[x],pt1Max[y],pt1Max[z]。则Δx=pt1Max[x]-pt1Min[x],Δy=pt1Max[y]-pt1Min[y],Δz=pt1Max[z]-pt1Min[z]。然后计算模块101以Δx、Δy和Δz作为边求出所述点云的包围盒。
计算模块101把所述包围盒细分为多个立方体,并选取有效立方体的具体过程为:
(a1)根据预设边长值L,L的取值范围在预设最大值与预设最小值之间。把所述包围盒切分成多个立方体。那么,X、Y、Z轴上的立方体的个数分别为:
在本实施例中,计算模块101计算所述包围盒中所有点之间的距离,再将所计算出的所有距离求和除以点的个数即可得到平均间距,该平均间距作为预设最大值。计算模块101计算出Δx、Δy和Δz间的最小值,并把Δx、Δy和Δz间的最小值作为预设最小值。
(a2)建立一个链表数组list[M][N][W],将所述多个立方体存储于链表数组。在本实施例中,所述链表数组存储着每个立方体的编号及立方体中所有点的编号,这样就可以将立方体中的点与立方体关联起来。
(a3)根据每个所述立方体中是否包含至少一个点来判断每个所述立方体是否为有效立方体,在本实施例中,当一个所述立方体中包含至少一个点时,则该立方体为有效立方体;当所述立方体中没有包含一个点时,则该立方体不为有效立方体。依次判断所切分后的每个立方体是否为有效立方体。
(a4)将所有有效立方体及每个有效立方体所包含的点存储于有效立方体链表中。所述有效立方体链表数组存储着每个有效立方体的编号及有效立方体中所有点的编号,这样就可以将有效立方体中的点与有效立方体关联起来。
步骤S12,计算模块101计算每个有效立方体的平均曲率。
在本实施例中,如图4所示,计算模块101计算一个有效立方体的平均曲率的具体步骤如下:
步骤S120,计算模块101计算所述有效立方体中每个点的邻域点。
在本实施例中,计算模块101计算一个点的邻域点的过程为:
(b1)计算模块101根据该点的编号搜索出包含该点的有效立方体。
(b2)计算模块101计算出该点到所述有效立方体的六个面的最小距离dmin,并计算有效立方体中其他点到该点的距离。
(b3)计算模块101将所计算出的其他点到该点的距离按照升序排序,选取排列靠前的k个距离。
(b4)计算模块101判断所述k个距离是否都大于最小距离dmin。当所述k个距离都大于最小距离dmin,则这k个距离所对应的k个点即是该点的k个邻域点,当所述k个距离中有n(n<k)个距离最小距离dmin,则执行(b5)。
(b5)计算模块101外扩该点的包围空间,计算外扩的包围空间中的其他点到该点的距离,重复执行以上步骤(b3),(b4),直至找到该点的k个邻域点,所计算出的k个邻域点即为该点的邻域点。在本实施例中,k取8。
步骤S121,计算模块101根据所述有效立方体中每个点的邻域点计算每个点的平均曲率。
在本实施例中,计算模块101计算根据一个点的邻域点计算该点的平均曲率的过程为:
(c1)计算模块101根据该点的邻域点拟合一个平面,并计算该平面的单位法向量。
在本实施例中,假设该点为P,计算模块101根据点P的邻域点计算出其邻域的中心为Qi。
设所拟合出的平面方程形式为:a(x-xi)+b(y-yi)+c(z-zi)=0,其中(xi,yi,zi)为平面上的中心点。利用最小二乘平面拟合目标函数为:Ax=0,其中A、x分别为:A=[P-Qi],x=(a,b,c)T。
由特征向量估计法,计算模块101可以计算出矩阵(ATA)的特征值λi和特征向量xi(i=1,…,n),绝对值最小的特征向量λi的特征向量xi即是待求平面参数(a,b,c)的最小二乘解,该平面参数(a,b,c)的最小二乘解是为平面参数(a,b,c)的初始值,为后续迭代所用。
求得平面参数(a,b,c)的初始值后,将法向量N(a,b,c)单位化,即可得到所述平面的单位法向量Ni。
(c2)计算模块101根据所计算出的单位法向量计算过该点的切平面,并计算该点的邻域点在切平面上的投影点坐标。
在本实施例中,计算模块101计算出Ni后,过点P的切平面方程为:
Ni×(Pj-P)=Ax+By+Cz+D=0,
其中Pj为点P的邻域点。由dj=Axj+Byj+Czj+D可求得邻域点Pj到切平面的距离。再由公式可得到邻域点Pj在切平面上的投影点坐标。
(c3)计算模块101根据所计算出的该点的邻域点在切平面上的投影点坐标,计算出在达布Darboux结构下所述邻域点的局部参数化坐标。
在本实施例中,令则取Darboux结构的u,v两个坐标矢量为:
u=g/|g|,v=Ni×u,
则邻域点集的局部参数化坐标为:
同时将点P设为Darboux结构的坐标原点。
(c4)计算模块101根据所述邻域点的局部参数化坐标,利用最小二乘法拟合出过所述邻域点的抛物面,并计算出所述抛物面的系数。
在本实施例中,利用最小二乘法进行抛物面拟合,抛物面的方程为:
S(u,v)=(u,v,h(u,v))=(u,v,au2+buv+v2),
在抛物面的拟合中,需要计算的最小值。其中,(a,b,c)表示抛物面方程的系数,(u,v,h)表示拟合数据点的局部参数化坐标。求方程AX=B的解,其中
可以求得抛物面的系数矩阵X=[a,b,c]T=(ATA)-1ATB,所计算出的抛物面的系数矩阵也为平面参数(a,b,c)的最终解。
(c5)计算模块101根据所计算出所述抛物面的系数,计算该点的平均曲率。
在本实施例中,用K1,m1分别表示最小曲率及其方向,K2,m2分别表示最大曲率及其方向,K为高斯曲率,H为平均曲率。其中
K=K1K2=4ac-b2,
步骤S122,计算模块101根据所述有效立方体中每个点的平均曲率计算所述有效立方体的平均曲率。在本实施例中,一个有效立方体的平均曲率等于该有效立方体中所有点的平均曲率的平均值。
步骤S13,确定模块102根据每个有效立方体的平均曲率判断每个有效立方体中的点云类型。
在本实施例中,每个有效立方体中的点云类型是曲面点云或者是平面点云。由于平面点云的曲率几乎为0,而曲面点云的曲率比较大。若一个有效立方体的平均曲率小于预设阈值,确定模块102确定该有效立方体中的点云类型为平面点云;若该有效立方体的平均曲率不小于所述预设阈值,确定模块102确定该有效立方体中的点云类型为曲面点云。
步骤S14,采样模块103根据每个有效立方体中的点云类型分别对每个有效立方体进行采样,并将每个有效立方体的采样数据合并为采样后的点云。
在本实施例中,采样模块103对曲面点云和平面点云分别按照不同采样比例进行采样,对一个有效立方体进行采样的具体过程如下。
(d1)采样模块103接收用户所设置的采样比例。
在本实施例中,用户可根据点云类型设置采样比例,输入模式为:曲面比例/平面比例,如2/8表示曲面点云上每两个点取一个点,平面点云上每8个点取一个点。
(d2)采样模块103把所述有效立方体中的点云数据细分为多个小立方体,并判断每个小立方体中的点云类型。
在本实施例中,采样模块103将所述有效立方体中的点云数据细分为多个小立方体的过程与步骤S11类似。采样模块103会存储多个所述小立方体的编号及每个小立方体所包含的点的编号。
(d3)采样模块103按照所述采样比例及每个小立方体中的点云类型,对每个所述小立方体依次采样,并将每个小立方体的采样数据合并为所述有效立方体的采样数据。
在对一个小立方体采样时,采样模块103根据读取该小立方体中所有点的编号,根据采样比例及该小立方体中所有点的编号对该小立方体进行采样。
例如,采样比例为2/8,一个小立方体中有8个点数据,该小立方体中的点的编号分别为1,2,3,4,5,6,7,8。若小立方体中的点云类型为曲面点云时,采样模块103对该小立方体中每两个点取出一个点,即取出编号为2,4,6,8的点。若小立方体中的点云类型为平面点云时,采样模块103对该小立方体中每8个点取出一个点。
步骤S15,修复模块104对采样后的点云的三角结构进行修复。
在本实施例中,修复模块104对采样后的点云中的一个点进行修复的过程为:把该点周围的点按顺时针排列形成点序列,取第一个点连接第三个点,形成新的三角形结构。接着再取第三个点作为起始点,连接第五个点,以此类推,直到连接完所有点数据。按照上述过程循环处理完采样后的点云中的所有点。
例如,如图5所示,取第一个点(即A)作为一个端点,连接第三个顶点(即C),形成新的三角形△ABC。再以C作为一个端点,连接第五个顶点(即E),形成有一个新的三角形△CDE,以此类推,连接完所有的点。计算是否连接完所有点时,需要进行判断,如果在点序列中,当前的末端点(比如连接AC,C则为当前的末端点),后面没有多于或等于两个的点,则说明连接已经完成。如果不是,以当前末端点作为始端点,查找下一个末端点。
最后应说明的是,以上实施例仅用以说明本发明的技术方案而非限制,尽管参照较佳实施例对本发明进行了详细说明,本邻域的普通技术人员应当理解,可以对本发明的技术方案进行修改或等同替换,而不脱离本发明技术方案的精神和范围。
Claims (14)
1.一种点云精简方法,应用于计算装置中,其特征在于,该方法包括:
获取步骤,接收点云网格化文件,并从该点云网格化文件中获取点云的信息;
计算步骤一,根据所获取的点云的信息计算点云的包围盒,把所述包围盒切分为多个立方体,并从所切分的多个立方体中选取有效立方体;
计算步骤二,计算每个有效立方体的平均曲率;
确定步骤,根据每个有效立方体的平均曲率判断每个有效立方体中的点云类型;
采样步骤,根据每个有效立方体中的点云类型分别对每个有效立方体进行采样,将每个有效立方体的采样数据合并为采样后的点云;及
修复步骤,对采样后的点云的三角结构进行修复。
2.如权利要求1所述的点云精简方法,其特征在于,所述计算步骤一中把所述包围盒细分为多个立方体的具体过程为:
(a1)根据预设边长值,把所述包围盒切分成多个立方体;
(a2)建立一个链表数组,将每个所述立方体存储于链表数组,所述链表数组存储着每个立方体的编号及立方体中所有点的编号;
(a3)根据每个所述立方体中是否包含至少一个点来判断每个所述立方体是否为有效立方体,当一个所述立方体中包含至少一个点时,则该立方体为有效立方体;当所述立方体中没有包含一个点时,则该立方体不为有效立方体;及
(a4)将所有有效立方体及每个有效立方体所包含的点存储于有效立方体链表中,所述有效立方体链表数组存储着每个有效立方体的编号及有效立方体中所有点的编号。
3.如权利要求1所述的点云精简方法,其特征在于,所述计算步骤二中计算一个有效立方体的平均曲率的具体过程为:
计算子步骤一,计算所述有效立方体中每个点的邻域点;
计算子步骤二,根据所述有效立方体中每个点的邻域点计算所述有效立方体中每个点的平均曲率;及
计算子步骤三,根据所述有效立方体中每个点的平均曲率计算所述有效立方体的平均曲率。
4.如权利要求3所述的点云精简方法,其特征在于,所述计算子步骤一中计算一个点的邻域点的具体过程为:
(b1)根据该点的编号搜索包含该点的有效立方体;
(b2)计算该点到所述有效立方体的六个面的最小距离,并计算有效立方体中其他点到该点的距离;
(b3)将所计算的其他点到该点的距离按照升序排序,选取排列靠前的k个距离;
(b4)判断所述k个距离是否都大于最小距离,当所述k个距离都大于最小距离时,则这k个距离所对应的k个点是该点的k个邻域点,当所述k个距离中有n个距离最小距离,其中n<k,则执行(b5);
(b5)外扩该点的包围空间,计算外扩的包围空间中的其他点到该点的距离,重复执行(b3),(b4),直至找到该点的k个邻域点。
5.如权利要求3所述的点云精简方法,其特征在于,所述计算子步骤二中计算一个点的平均曲率的具体过程为:
(c1)根据该点的邻域点拟合一个平面,并计算该平面的单位法向量;
(c2)根据所计算的单位法向量计算过该点的切平面,并计算该点的邻域点在切平面上的投影点坐标;
(c3)根据所计算的该点的邻域点在切平面上的投影点坐标,计算在达布Darboux结构下所述邻域点的局部参数化坐标;
(c4)根据所述邻域点的局部参数化坐标,利用最小二乘法拟合过所述邻域点的抛物面,并计算所述抛物面的系数;及
(c5)根据所计算的所述抛物面的系数,计算该点的平均曲率。
6.如权利要求1所述的点云精简方法,其特征在于,所述采样步骤中对一个有效立方体进行采样的具体过程为:
(d1)接收用户所设置的采样比例;
(d2)把所述有效立方体中的点云数据细分到多个小立方体,并判断每个小立方体中的点云类型;
(d3)按照所述采样比例及每个小立方体中的点云类型,对每个所述小立方体中的点云数据依次采样,并将每个小立方体的采样数据合并为所述有效立方体的采样数据。
7.如权利要求1所述的点云精简方法,其特征在于,所述点云类型包括曲面点云及平面点云。
8.一种点云精简系统,应用于计算装置中,其特征在于,该系统包括:
获取模块,用于接收点云网格化文件,并从该点云网格化文件中获取点云的信息;
计算模块,用于根据所获取的点云的信息计算点云的包围盒,并把所述包围盒切分为多个立方体,并从所切分的多个立方体中选取有效立方体;
所述计算模块,用于计算每个有效立方体的平均曲率;
确定模块,用于根据每个有效立方体的平均曲率判断每个有效立方体中的点云类型;
采样模块,用于根据每个有效立方体中的点云类型分别对每个有效立方体进行采样,将每个有效立方体的采样数据合并为采样后的点云;及
修复模块,用于对采样后的点云的三角结构进行修复。
9.如权利要求8所述的点云精简系统,其特征在于,在所述计算模块把所述包围盒细分为多个立方体的具体过程为:
(a1)根据预设边长值,把所述包围盒切分成多个立方体;
(a2)建立一个链表数组,将每个所述立方体存储于链表数组,所述链表数组存储着每个立方体的编号及立方体中所有点的编号;
(a3)根据每个所述立方体中是否包含至少一个点来判断每个所述立方体是否为有效立方体,当一个所述立方体中包含至少一个点时,则该立方体为有效立方体;当所述立方体中没有包含一个点时,则该立方体不为有效立方体;及
(a4)将所有有效立方体及每个有效立方体所包含的点存储于有效立方体链表中,所述有效立方体链表数组存储着每个有效立方体的编号及有效立方体中所有点的编号。
10.如权利要求8所述的点云精简系统,其特征在于,所述计算模块计算一个有效立方体的平均曲率的具体过程为:
计算子模块一,计算所述有效立方体中每个点的邻域点;
计算子模块二,根据所述有效立方体中每个点的邻域点计算所述有效立方体中每个点的平均曲率;及
计算子模块三,根据所述有效立方体中每个点的平均曲率计算所述有效立方体的平均曲率。
11.如权利要求10所述的点云精简系统,其特征在于,所述计算子模块一计算一个点的邻域点的具体过程为:
(b1)根据该点的编号搜索包含该点的有效立方体;
(b2)计算该点到所述有效立方体的六个面的最小距离,并计算有效立方体中其他点到该点的距离;
(b3)将所计算的其他点到该点的距离按照升序排序,选取排列靠前的k个距离;
(b4)判断所述k个距离是否都大于最小距离,当所述k个距离都大于最小距离时,则这k个距离所对应的k个点是该点的k个邻域点,当所述k个距离中有n个距离最小距离,其中n<k,则执行(b5);
(b5)外扩该点的包围空间,计算外扩的包围空间中的其他点到该点的距离,重复执行(b3),(b4),直至找到该点的k个邻域点。
12.如权利要求10所述的点云精简系统,其特征在于,所述计算子模块二计算一个点的平均曲率的具体过程为:
(c1)根据该点的邻域点拟合一个平面,并计算该平面的单位法向量;
(c2)根据所计算的单位法向量计算过该点的切平面,并计算该点的邻域点在切平面上的投影点坐标;
(c3)根据所计算的该点的邻域点在切平面上的投影点坐标,计算在达布Darboux结构下所述邻域点的局部参数化坐标;
(c4)根据所述邻域点的局部参数化坐标,利用最小二乘法拟合过所述邻域点的抛物面,并计算所述抛物面的系数;及
(c5)根据所计算的所述抛物面的系数,计算该点的平均曲率。
13.如权利要求8所述的点云精简系统,其特征在于,所述采样模块对一个有效立方体进行采样的具体过程为:
(d1)接收用户所设置的采样比例;
(d2)把所述有效立方体中的点云数据细分到多个小立方体,并判断每个小立方体中的点云类型;
(d3)按照所述采样比例及每个小立方体中的点云类型,对每个所述小立方体中的点云数据依次采样,并将每个小立方体的采样数据合并为所述有效立方体的采样数据。
14.如权利要求8所述的点云精简系统,其特征在于,所述点云类型包括曲面点云及平面点云。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410710183.6A CN105631929A (zh) | 2014-11-28 | 2014-11-28 | 点云精简方法及系统 |
US14/688,688 US20160155264A1 (en) | 2014-11-28 | 2015-04-16 | Electronic device and method for reducing point cloud |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410710183.6A CN105631929A (zh) | 2014-11-28 | 2014-11-28 | 点云精简方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN105631929A true CN105631929A (zh) | 2016-06-01 |
Family
ID=56046811
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410710183.6A Pending CN105631929A (zh) | 2014-11-28 | 2014-11-28 | 点云精简方法及系统 |
Country Status (2)
Country | Link |
---|---|
US (1) | US20160155264A1 (zh) |
CN (1) | CN105631929A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108830931A (zh) * | 2018-05-23 | 2018-11-16 | 上海电力学院 | 一种基于动态网格k邻域搜索的激光点云精简方法 |
CN110009726A (zh) * | 2019-03-08 | 2019-07-12 | 浙江中海达空间信息技术有限公司 | 一种根据平面基元间的结构关系对点云提取平面的方法 |
WO2019214193A1 (zh) * | 2018-05-09 | 2019-11-14 | 深圳市华讯方舟太赫兹科技有限公司 | 点云采样方法、图像处理设备及具有存储功能的装置 |
CN113111612A (zh) * | 2021-06-15 | 2021-07-13 | 中国空气动力研究与发展中心计算空气动力研究所 | 一种基于自适应空间剖分的离散点云重复点快速查找方法 |
CN114332369A (zh) * | 2021-12-28 | 2022-04-12 | 埃洛克航空科技(北京)有限公司 | 楼体图像处理方法、装置、设备和存储介质 |
CN117456131A (zh) * | 2023-12-26 | 2024-01-26 | 深圳市信润富联数字科技有限公司 | 缺陷场景下点云的降采样方法及装置 |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2018183754A1 (en) * | 2017-03-29 | 2018-10-04 | Mou Zhijing George | Method and system for real time 3d-space search and point-cloud registration using a dimension-shuffle transform |
US10580114B2 (en) | 2017-03-29 | 2020-03-03 | Zhijing George Mou | Methods and systems for real time 3D-space search and point-cloud registration using a dimension-shuffle transform |
EP3884664A4 (en) | 2019-03-18 | 2022-04-27 | Samsung Electronics Co., Ltd. | METHOD AND APPARATUS FOR ACCESSING AND TRANSFERRING POINT CLOUD CONTENT IN A 360 DEGREE VIDEO ENVIRONMENT |
CN109961512B (zh) * | 2019-03-19 | 2023-03-31 | 汪俊 | 地形机载点云提取方法及装置 |
CN111652855B (zh) * | 2020-05-19 | 2022-05-06 | 西安交通大学 | 一种基于存活概率的点云精简方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101373540B (zh) * | 2007-08-20 | 2011-12-14 | 鸿富锦精密工业(深圳)有限公司 | 点云精简系统及方法 |
-
2014
- 2014-11-28 CN CN201410710183.6A patent/CN105631929A/zh active Pending
-
2015
- 2015-04-16 US US14/688,688 patent/US20160155264A1/en not_active Abandoned
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2019214193A1 (zh) * | 2018-05-09 | 2019-11-14 | 深圳市华讯方舟太赫兹科技有限公司 | 点云采样方法、图像处理设备及具有存储功能的装置 |
CN108830931A (zh) * | 2018-05-23 | 2018-11-16 | 上海电力学院 | 一种基于动态网格k邻域搜索的激光点云精简方法 |
CN108830931B (zh) * | 2018-05-23 | 2022-07-01 | 上海电力学院 | 一种基于动态网格k邻域搜索的激光点云精简方法 |
CN110009726A (zh) * | 2019-03-08 | 2019-07-12 | 浙江中海达空间信息技术有限公司 | 一种根据平面基元间的结构关系对点云提取平面的方法 |
CN110009726B (zh) * | 2019-03-08 | 2022-09-30 | 浙江中海达空间信息技术有限公司 | 一种根据平面基元间的结构关系对点云提取平面的方法 |
CN113111612A (zh) * | 2021-06-15 | 2021-07-13 | 中国空气动力研究与发展中心计算空气动力研究所 | 一种基于自适应空间剖分的离散点云重复点快速查找方法 |
CN114332369A (zh) * | 2021-12-28 | 2022-04-12 | 埃洛克航空科技(北京)有限公司 | 楼体图像处理方法、装置、设备和存储介质 |
CN117456131A (zh) * | 2023-12-26 | 2024-01-26 | 深圳市信润富联数字科技有限公司 | 缺陷场景下点云的降采样方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
US20160155264A1 (en) | 2016-06-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105631929A (zh) | 点云精简方法及系统 | |
CN103745498B (zh) | 一种基于图像的快速定位方法 | |
CN106780458B (zh) | 一种点云骨架提取方法及装置 | |
CN103080982B (zh) | 检测三维网格模型中的重复结构的方法和设备 | |
JP2008527473A (ja) | 3次元モデルの検索方法、検索装置及び検索プログラム | |
CN112613126B (zh) | 一种应用于飞行器外形的壁面距离计算方法及装置 | |
CN105953773A (zh) | 斜坡坡度角获取方法及装置 | |
CN104090882A (zh) | 一种广告订单的快速聚类方法及系统、服务器 | |
CN103793557B (zh) | 面向集成电路互连电容提取的线网高斯面采样方法及系统 | |
CN105701861A (zh) | 点云采样方法及系统 | |
CN110942077A (zh) | 基于权重局部变化度和l1中值优化的特征线提取方法 | |
CN112825199A (zh) | 碰撞检测方法、装置、设备及存储介质 | |
CN108496174B (zh) | 用于面部识别的方法和系统 | |
CN110427506A (zh) | 空间数据边界处理方法、装置、计算机设备及存储介质 | |
CN112100869B (zh) | 电力线补点方法、装置及电子设备 | |
Srivastava et al. | Drought stress classification using 3D plant models | |
CN110910463B (zh) | 全视角点云数据定长有序化编码方法、设备及存储介质 | |
Lee et al. | The DSO feature based point cloud simplification | |
CN111194004B (zh) | 基站指纹定位方法、装置和系统、计算机可读存储介质 | |
CN105741344A (zh) | 点云精简方法及系统 | |
Chouychai | Point cloud data reduction with tangent function method for nurbs curve and surface fitting | |
CN114155410A (zh) | 图池化、分类模型训练、重建模型训练方法和装置 | |
CN110705695B (zh) | 搜索模型结构的方法、装置、设备和存储介质 | |
CN116207721A (zh) | 微电网保护方法和微电网保护装置 | |
CN108985306B (zh) | 基于改进边界代数法的相交多边形提取方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20160601 |
|
WD01 | Invention patent application deemed withdrawn after publication |