CN105701861A - 点云采样方法及系统 - Google Patents
点云采样方法及系统 Download PDFInfo
- Publication number
- CN105701861A CN105701861A CN201410710164.3A CN201410710164A CN105701861A CN 105701861 A CN105701861 A CN 105701861A CN 201410710164 A CN201410710164 A CN 201410710164A CN 105701861 A CN105701861 A CN 105701861A
- Authority
- CN
- China
- Prior art keywords
- effective
- point
- cube
- cloud
- cubical
- 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
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
-
- 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
一种点云采样方法,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,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;给每个有效立方体中的每个点随机分配一个参考值;根据每个有效立方体中的所有点的参考值分别对每个有效立方体进行采样获取每个有效立方体的初始采样点,将每个有效立方体的初始采样点合并成所述点云的初始采样点;根据所述点云中点的总数及预设采样比例对所述点云的初始采样点进行处理以完成对所述点云的采样。本发明还提供一种点云采样系统。本发明能降低计算复杂度,提高运算效率。
Description
技术领域
本发明涉及点云处理技术领域,尤其涉及一种点云采样方法及系统。
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。如果对合幷完的点云进行合适的精简,能有效的提高处理效率。随机采样在对数据精度要求不是非常高的情况下,由于算法复杂度较低,能很好的提高运算效率。
发明内容
鉴于以上内容,有必要提供一种点云采样方法及系统,能够降低计算复杂度,提高运算效率。
一种点云采样方法,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,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;分配步骤,给每个有效立方体中的每个点随机分配一个参考值;采样步骤一,根据每个有效立方体中的所有点的参考值分别对每个有效立方体进行采样获取每个有效立方体的初始采样点,将每个有效立方体的初始采样点合并成所述点云的初始采样点;采样步骤二,根据所述点云中点的总数及预设采样比例对所述点云的初始采样点进行处理以完成对所述点云的采样。
一种点云采样系统,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,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;分配模块,用于给每个有效立方体中的每个点随机分配一个参考值;采样模块,用于根据每个有效立方体中的所有点的参考值分别对每个有效立方体进行采样获取每个有效立方体的初始采样点,将每个有效立方体的初始采样点合并成所述点云的初始采样点;所述采样模块,还用于根据所述点云中点的总数及预设采样比例对所述点云的初始采样点进行处理以完成对所述点云的采样。
相较于现有技术,所述点云采样方法及系统将点云划分为多个立方体,然后对每个立方体随机采样,对每个立方体随机采样后的数据合并处理为所述点云的采样数据,该方法计算复杂度较低,能很好的提高运算效率。
附图说明
图1是本发明点云采样系统较佳实施例的运行环境示意图。
图2是本发明点云采样系统较佳实施例的功能模块图。
图3是本发明点云采样方法较佳实施例的流程图。
主要元件符号说明
计算装置 | 1 |
点云采样系统 | 10 |
存储设备 | 11 |
处理设备 | 12 |
获取模块 | 100 |
计算模块 | 101 |
分配模块 | 102 |
采样模块 | 103 |
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,是本发明点云采样系统较佳实施例的运行环境示意图。所述点云采样系统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。
所述的点云采样系统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,然后对每个立方体随机采样,对每个立方体随机采样后的数据合并处理为所述点云的采样数据,从而降低计算复杂度,提高运算效率。
所述存储设备11用于存储所述点云采样系统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,所述点云采样系统10的功能模块包括:获取模块100、计算模块101、分配模块102及采样模块103。以下将结合图3说明各模块的具体功能。
参阅图3所示,是本发明点云采样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:
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。
建立一个链表数组list[M][N][W],将所述多个立方体的信息存储于链表数组。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。
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。
将所有有效立方体及每个有效立方体所包含的点的信息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,分配模块102给每个有效立方体中的每个点随机分配一个参考值。
在本实施例中,每个有效立方体中的每个点都对应一个参考值、一个状态值。分配模块102随机产生随机数给每个有效立方体中的每个点随机分配一个参考值。每个点的所述状态值用于标识该点是否被选取。所述状态值可以用数值标识,也可以是文字标识等,在本实施例中,该状态标识用数值标识时,对一个点而言,当该点被选为采样点时,则其状态标识为1,当该点没有被选为采样点时,则其状态标识为0。
步骤S13,采样模块103根据每个有效立方体中的所有点的参考值分别对每个有效立方体进行采样以获取每个有效立方体的初始采样点,将每个有效立方体的初始采样点合并成所述点云的初始采样点。
在本实施例中,采样模块103根据预设采样比例计算每个有效立方体的采样数目n。采样模块103对一个有效立方体进行采样的过程为:
(a1)根据所述有效立方体中的每个点的参考值,把所述有效立方体中的所有点排序成一个有序序列。在本实施例中,所述排序可以是从大到小,也可以是从小到大。
(a2)判断所述有效立方体中点的数量是否小于所述有效立方体的采样数目n。当所述有效立方体中点的数量小于所述有效立方体的采样数目n,将选取所述有效立方体中所有点为初始采样点,并将所述有效立方体中所有点的状态值都标记为1。当所述有效立方体中点的数量大于所述有效立方体的采样数目n,执行(a3)。
(a3)采样模块103从所述有序序列中选取排在前面的n个点为初始采样点,并把所述n个点的状态值标识为1。
采样模块103按照上述(a1)、(a2)及(a3)获取每个有效立方体中的初始采样点,将每个有效立方体初始采样点合并为点云的初始采样点。
步骤S14,采样模块103根据所述点云中点的总数及预设采样比例对所述点云的初始采样点进行处理以完成对所述点云的采样。
在本实施例中,所述采样模块103对所述点云的初始采样点进行处理的过程为:
(b1)根据所述点云中点的总数及预设采样比例计算采样点数量N目标。在本实施例中,采样点数量N目标=k*N总数,其中k为预设采样比例,N总数为所述点云中点的总数。
(b2)判断所述点云的初始采样点的数量n1是否等于采样点数量N目标,当所述点云的初始采样点的数量n1等于采样点数量N目标时,所述点云的初始采样点即为所述点云的最终采样点,完成了对所述点云的采样。当所述点云的初始采样点的数量n1不等于采样点数量N目标时,执行(b3)。
(b3)判断所述点云的初始采样点的数量n1是否大于采样点数量N目标。当所述点云的初始采样点的数量n1大于采样点数量N目标,从所述点云的初始采样点中随机去除(n1-N目标)个初始采样点,完成了对所述点云的采样。当所述点云的初始采样点的数量n1小于采样点数量N目标,执行(b4)。
(b4)判断(N目标-n1)是否大于所有有效立方体的数量N有效立方体;当(N目标-n1)不大于所有有效立方体的数量N有效立方体,执行(b5);当(N目标-n1)大于所有有效立方体的数量N有效立方体时,执行(b6)。
(b5)从所有有效立方体中随机去除(N目标-n1)个有效立方体,当剩余的有效立方体中有某个有效立方体中点的个数不足(n+1)时,就外扩所述有效立方体,根据外扩后的所述有效立方体中的点的参考值对外扩后的所述有效立方体中的点进行排序成有序序列,将该有序序列更新为所述有效立方体的有序序列。
再从剩余的每个有效立方体的有序序列中再取排序排在第n+1位的一个点,并把该点的状态值标记为1,将所述点云的初始采样点和从剩余的每个有效立方体的有序序列中所取的所述第n+1位的点合并成所述点云的新的初始采样点,返回步骤(b4),直至完成获取到所述点云的最终采样点。
(b6)当所有有效立方体中有某个有效立方体中点的个数不足(n+1)时,就外扩所述有效立方体,根据外扩后的所述有效立方体中的点的参考值对外扩后的所述有效立方体中的点进行排序成有序序列,将该有序序列更新为所述有效立方体的有序序列。
再从所有每个有效立方体中的有序序列中再取排序排在第n+1位的一个点,将所述点云的初始采样点和从剩余的每个有效立方体的有序序列中所取的所述第n+1位的点合并成所述点云的新的初始采样点(即n1=n1+N有效立方体),返回步骤(b4),直至完成获取到所述点云的最终采样点。
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 (10)
1.一种点云采样方法,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,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;
分配步骤,给每个有效立方体中的每个点随机分配一个参考值;
采样步骤一,根据每个有效立方体中的所有点的参考值分别对每个有效立方体进行采样获取每个有效立方体的初始采样点,将每个有效立方体的初始采样点合并成所述点云的初始采样点;及
采样步骤二,根据所述点云中点的总数及预设采样比例对所述点云的初始采样点进行处理以完成对所述点云的采样。
2.如权利要求1所述的点云采样方法,其特征在于,所述计算步骤中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的具体过程为:
根据预设边长值,把所述包围盒切分成多个立方体;
建立一个链表数组,将每个所述立方体的信息存储于所述链表数组,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;
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
将所有有效立方体及每个有效立方体所包含的点的信息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所述的点云采样方法,其特征在于,所述每个有效立方体中的每个点都对应一个状态值。
4.如权利要求3所述的点云采样方法,其特征在于,在所述采样步骤一中对一个有效立方体进行采样的过程为:
(a1)根据所述有效立方体中的每个点的参考值,把所述有效立方体中的所有点排序成一个有序序列;
(a2)判断所述有效立方体中点的数量是否小于所述有效立方体的采样数目n,当所述有效立方体中点的数量小于所述有效立方体的采样数目n,将选取所述有效立方体中所有点为初始采样点,并将所述有效立方体中所有点的状态值都标记为1,当所述有效立方体中点的数量大于所述有效立方体的采样数目n,执行(a3);及
(a3)从所述有序序列中选取排在前面的n个点为初始采样点,并把所述n个点的状态值标识为1。
5.如权利要求3所述的点云采样方法,其特征在于,所述采样步骤二中对所述点云的初始采样点进行处理的过程为:
(b1)根据所述点云中点的总数及预设采样比例计算采样点数量N目标;
(b2)判断所述点云的初始采样点的数量n1是否等于采样点数量N目标,当所述点云的初始采样点的数量n1等于采样点数量N目标时,所述点云的初始采样点即为所述点云的最终采样点,完成了对所述点云的采样,当所述点云的初始采样点的数量n1不等于采样点数量N目标时,执行(b3);
(b3)判断所述点云的初始采样点的数量n1是否大于采样点数量N目标,当所述点云的初始采样点的数量n1大于采样点数量N目标,从所述点云的初始采样点中随机去除(n1-N目标)个初始采样点,完成对所述点云的采样,当所述点云的初始采样点的数量n1小于采样点数量N目标,执行(b4);
(b4)判断(N目标-n1)是否大于所有有效立方体的数量N有效立方体;当(N目标-n1)不大于所有有效立方体的数量N有效立方体,执行(b5);当(N目标-n1)大于所有有效立方体的数量N有效立方体时,执行(b6);
(b5)当剩余的有效立方体中有某个有效立方体中点的个数不足(n+1)时,就外扩所述有效立方体,根据外扩后的所述有效立方体中的点的参考值对外扩后的所述有效立方体中的点进行排序成有序序列,将该有序序列更新为所述有效立方体的有序序列;
再分别从剩余的每个有效立方体的有序序列中再取排序排在第n+1位的一个点,并把该点的状态值标记为1,将所述点云的初始采样点和从剩余的每个有效立方体的有序序列中所取的所述第n+1位的点合并成所述点云的新的初始采样点,返回步骤(b4),直至完成获取到所述点云的最终采样点;
(b6)当所有有效立方体中有某个有效立方体中点的个数不足(n+1)时,就外扩所述有效立方体,根据外扩后的所述有效立方体中的点的参考值对外扩后的所述有效立方体中的点进行排序成有序序列,将该有序序列更新为所述有效立方体的有序序列;
从所有每个有效立方体中的有序序列中再取排序排在第n+1位的一个点,将所述点云的初始采样点和从剩余的每个有效立方体的有序序列中所取的所述第n+1位的点合并成所述点云的新的初始采样点,返回步骤(b4),直至获取到所述点云的最终采样点。
6.一种点云采样系统,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,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;
分配模块,用于给每个有效立方体中的每个点随机分配一个参考值;
采样模块,用于根据每个有效立方体中的所有点的参考值分别对每个有效立方体进行采样获取每个有效立方体的初始采样点,将每个有效立方体的初始采样点合并成所述点云的初始采样点;及
所述采样模块,还用于根据所述点云中点的总数及预设采样比例对所述点云的初始采样点进行处理以完成对所述点云的采样。
7.如权利要求6所述的点云采样系统,其特征在于,所述计算模块中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的具体过程为:
根据预设边长值,把所述包围盒切分成多个立方体;
建立一个链表数组,将每个所述立方体的信息存储于所述链表数组,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;
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
将所有有效立方体及每个有效立方体所包含的点的信息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。
8.如权利要求6所述的点云采样系统,其特征在于,所述每个有效立方体中的每个点都对应一个状态值。
9.如权利要求8所述的点云采样系统,其特征在于,所述采样模块对一个有效立方体进行采样的过程为:
(a1)根据所述有效立方体中的每个点的参考值,把所述有效立方体中的所有点排序成一个有序序列;
(a2)判断所述有效立方体中点的数量是否小于所述有效立方体的采样数目n,当所述有效立方体中点的数量小于所述有效立方体的采样数目n,将选取所述有效立方体中所有点为初始采样点,并将所述有效立方体中所有点的状态值都标记为1,当所述有效立方体中点的数量大于所述有效立方体的采样数目n,执行(a3);及
(a3)从所述有序序列中选取排在前面的n个点为初始采样点,并把所述n个点的状态值标识为1。
10.如权利要求8所述的点云采样方法,其特征在于,所述采样模块对所述点云的初始采样点进行处理的过程为:
(b1)根据所述点云中点的总数及预设采样比例计算采样点数量N目标;
(b2)判断所述点云的初始采样点的数量n1是否等于采样点数量N目标,当所述点云的初始采样点的数量n1等于采样点数量N目标时,所述点云的初始采样点即为所述点云的最终采样点,完成了对所述点云的采样,当所述点云的初始采样点的数量n1不等于采样点数量N目标时,执行(b3);
(b3)判断所述点云的初始采样点的数量n1是否大于采样点数量N目标,当所述点云的初始采样点的数量n1大于采样点数量N目标,从所述点云的初始采样点中随机去除(n1-N目标)个初始采样点,完成对所述点云的采样,当所述点云的初始采样点的数量n1小于采样点数量N目标,执行(b4);
(b4)判断(N目标-n1)是否大于所有有效立方体的数量N有效立方体;当(N目标-n1)不大于所有有效立方体的数量N有效立方体,执行(b5);当(N目标-n1)大于所有有效立方体的数量N有效立方体时,执行(b6);
(b5)当剩余的有效立方体中有某个有效立方体中点的个数不足(n+1)时,就外扩所述有效立方体,根据外扩后的所述有效立方体中的点的参考值对外扩后的所述有效立方体中的点进行排序成有序序列,将该有序序列更新为所述有效立方体的有序序列;
再分别从剩余的每个有效立方体的有序序列中再取排序排在第n+1位的一个点,并把该点的状态值标记为1,将所述点云的初始采样点和从剩余的每个有效立方体的有序序列中所取的所述第n+1位的点合并成所述点云的新的初始采样点,返回步骤(b4),直至完成获取到所述点云的最终采样点;
(b6)当所有有效立方体中有某个有效立方体中点的个数不足(n+1)时,就外扩所述有效立方体,根据外扩后的所述有效立方体中的点的参考值对外扩后的所述有效立方体中的点进行排序成有序序列,将该有序序列更新为所述有效立方体的有序序列;
从所有每个有效立方体中的有序序列中再取排序排在第n+1位的一个点,将所述点云的初始采样点和从剩余的每个有效立方体的有序序列中所取的所述第n+1位的点合并成所述点云的新的采样点,返回步骤(b4),直至获取到所述点云的最终采样点。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410710164.3A CN105701861A (zh) | 2014-11-28 | 2014-11-28 | 点云采样方法及系统 |
US14/796,420 US20160155265A1 (en) | 2014-11-28 | 2015-07-10 | Electronic device and point cloud sampling method |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410710164.3A CN105701861A (zh) | 2014-11-28 | 2014-11-28 | 点云采样方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN105701861A true CN105701861A (zh) | 2016-06-22 |
Family
ID=56079491
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410710164.3A Pending CN105701861A (zh) | 2014-11-28 | 2014-11-28 | 点云采样方法及系统 |
Country Status (2)
Country | Link |
---|---|
US (1) | US20160155265A1 (zh) |
CN (1) | CN105701861A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111046776A (zh) * | 2019-12-06 | 2020-04-21 | 杭州成汤科技有限公司 | 基于深度相机的移动机器人行进路径障碍物检测的方法 |
CN114299240A (zh) * | 2021-12-20 | 2022-04-08 | 重庆市勘测院 | 一种基于距离阈值的并行点云抽稀方法 |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9508186B2 (en) * | 2013-11-07 | 2016-11-29 | Autodesk, Inc. | Pre-segment point cloud data to run real-time shape extraction faster |
CN109062223A (zh) * | 2018-09-06 | 2018-12-21 | 智久(厦门)机器人科技有限公司上海分公司 | 控制自动化设备运动路径的方法、装置、设备和储存介质 |
KR102585498B1 (ko) * | 2019-03-20 | 2023-10-06 | 엘지전자 주식회사 | 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신장치 및 포인트 클라우드 데이터 수신 방법 |
Family Cites Families (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7804498B1 (en) * | 2004-09-15 | 2010-09-28 | Lewis N Graham | Visualization and storage algorithms associated with processing point cloud data |
US8525848B2 (en) * | 2009-11-16 | 2013-09-03 | Autodesk, Inc. | Point cloud decimation engine |
US8199977B2 (en) * | 2010-05-07 | 2012-06-12 | Honeywell International Inc. | System and method for extraction of features from a 3-D point cloud |
US9189862B2 (en) * | 2010-06-10 | 2015-11-17 | Autodesk, Inc. | Outline approximation for point cloud of building |
US8682037B2 (en) * | 2011-07-29 | 2014-03-25 | Ratheon Company | Method and system for thinning a point cloud |
KR101740259B1 (ko) * | 2011-10-07 | 2017-05-29 | 한국전자통신연구원 | 3차원 포인트 클라우드의 공간 분할 방법 |
US9811880B2 (en) * | 2012-11-09 | 2017-11-07 | The Boeing Company | Backfilling points in a point cloud |
US9390556B2 (en) * | 2013-03-15 | 2016-07-12 | Teledyne Caris, Inc. | Systems and methods for generating a large scale polygonal mesh |
US9305241B2 (en) * | 2013-07-29 | 2016-04-05 | Google Inc. | Systems and methods for reducing a data set |
US9489598B2 (en) * | 2014-08-26 | 2016-11-08 | Qualcomm Incorporated | Systems and methods for object classification, object detection and memory management |
-
2014
- 2014-11-28 CN CN201410710164.3A patent/CN105701861A/zh active Pending
-
2015
- 2015-07-10 US US14/796,420 patent/US20160155265A1/en not_active Abandoned
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111046776A (zh) * | 2019-12-06 | 2020-04-21 | 杭州成汤科技有限公司 | 基于深度相机的移动机器人行进路径障碍物检测的方法 |
CN111046776B (zh) * | 2019-12-06 | 2023-06-09 | 杭州成汤科技有限公司 | 基于深度相机的移动机器人行进路径障碍物检测的方法 |
CN114299240A (zh) * | 2021-12-20 | 2022-04-08 | 重庆市勘测院 | 一种基于距离阈值的并行点云抽稀方法 |
Also Published As
Publication number | Publication date |
---|---|
US20160155265A1 (en) | 2016-06-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7072054B2 (ja) | 貨物を仕分けるための方法および装置 | |
US11325780B2 (en) | Method and device for sorting cargo | |
CN105701861A (zh) | 点云采样方法及系统 | |
KR101700340B1 (ko) | 대용량 데이터의 클러스터 결과 분석 시스템 및 방법 | |
CN105631929A (zh) | 点云精简方法及系统 | |
US9305241B2 (en) | Systems and methods for reducing a data set | |
CN108805174A (zh) | 聚类方法及装置 | |
CN106534302A (zh) | 多任务需求服务组合方法和系统 | |
CN109063935A (zh) | 一种预测任务处理时间的方法、装置及存储介质 | |
CN105953773A (zh) | 斜坡坡度角获取方法及装置 | |
CN110457704B (zh) | 目标字段的确定方法、装置、存储介质及电子装置 | |
CN108229536A (zh) | 分类预测模型的优化方法、装置及终端设备 | |
CN111210158B (zh) | 目标地址确定方法、装置、计算机设备和存储介质 | |
CN112614207B (zh) | 等值线绘制方法、装置和设备 | |
CN107767155A (zh) | 一种评估用户画像数据的方法及系统 | |
CN113674425A (zh) | 点云采样方法、装置、设备及计算机可读存储介质 | |
CN106844420B (zh) | 基于社交网络和大数据分析的用户分组方法及装置 | |
CN112465321A (zh) | 一种任务分析方法、装置、设备及存储介质 | |
CN110209656A (zh) | 数据处理方法及装置 | |
CN114089770B (zh) | 一种变电站巡检机器人的巡检点位生成方法及相关装置 | |
CN114913330A (zh) | 点云部件分割方法、装置、电子设备与存储介质 | |
CN104765776A (zh) | 一种数据样本的聚类方法和装置 | |
CN113723405A (zh) | 区域轮廓的确定方法、装置和电子设备 | |
CN115293126A (zh) | 大规模文本数据的去重方法及装置、电子设备和存储介质 | |
CN107783896A (zh) | 一种数据处理模型的优化方法和装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20160622 |
|
WD01 | Invention patent application deemed withdrawn after publication |