CN109767483B - 一种三维点云快速抽稀去重方法 - Google Patents
一种三维点云快速抽稀去重方法 Download PDFInfo
- Publication number
- CN109767483B CN109767483B CN201711099002.0A CN201711099002A CN109767483B CN 109767483 B CN109767483 B CN 109767483B CN 201711099002 A CN201711099002 A CN 201711099002A CN 109767483 B CN109767483 B CN 109767483B
- Authority
- CN
- China
- Prior art keywords
- point cloud
- point
- coordinate
- xyz
- axis
- 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.)
- Active
Links
Images
Landscapes
- Image Processing (AREA)
Abstract
一种三维点云快速抽稀去重方法,读取原始点云点数n和三维坐标空间范围;清零并申请内存空间;根据抽稀距离计算坐标去重系数;依次遍历读取点云坐标;将当前点转换为整型坐标;使用随机数产生器生成4个信息标记再映射到1‑8×n中的4个自然数n1,n2,n3,n4;判断第n1,n2,n3,n4二进制位是否全部为1,如为1则过滤删除,如果不为1,则将全部置为1,并将该点输出到目标点云文件;依次处理,直到所有点处理完毕,完成空间重复点过滤。本发明优点在于:处理效率非常高,和点云数据量成线性关系;处理后点云空间分布非常均匀,消除点云近密远稀问题,去除冗余重复;数据同时空间特征得到很好保留。
Description
技术领域
本发明涉及一种在测绘地理信息、多波束和三维激光技术领域中的三维点云处理方法,特别是一种对移动测量的多波束点云和三维激光点云简化抽稀去重的方法。
背景技术
现有技术中,随着多波束和三维激光移动测量的技术发展,传感器获取的三维点云越来越密、精度越来越高,已经在测绘地理信息技术中得到非常广泛应用。但与此同时也伴随着三维点云内业处理的一些问题,包括:
1)多工程多传感器之间三维点云产生重复冗余;
2)移动测量三维点云,因载体行驶速度不均匀,导致点云密度不均匀;
3)移动测量多波束和三维激光点云,存在近密远稀问题;
4)三维激光静态扫描点云,存在近密远稀问题。
由于以上缺陷,会大大影响三维点云内业处理效率和基于三维点云进行提取生产加工矢量数据的效率。
传统点云抽稀去重主要采用网格化方法:将原始点云进行网格化裁切,将裁切后网格范围内点云,再次进行网格法标记去重处理,每个网格范围内只保留一个点。此方法需要借助临时文件存储网格裁切点云,存在额外增加的文件读写任务,每个网格进行二次网格化取保留点时需要做多次对比,对比次数取决于网格内点数。
发明内容
本发明所要解决的技术问题是克服上述现有技术中所存在的缺陷,提供一种三维激光点云和多波束三维点云,根据空间距离快速去重抽稀简化的方法。
本发明采用了下列技术方案解决了其技术问题:一种三维点云快速抽稀去重方法,包括以下处理步骤:
(1)程序读取原始点云点数n和三维坐标空间范围,x轴最小值xmin,y轴最小值ymin,z轴最小值zmin,x轴最大值xmax,y轴最大值ymax,z轴最大值zmax;
(2)根据云点数n申请内存空间8×n 比特二进制流内存缓存,并将二进制全部清零;
(3)根据抽稀距离d,计算坐标去重系数S=1/d,S四舍五入取整;
(4)依次遍历读取点云坐标xyzd,d表示双精度浮点数;
(5)将当前点转换为整型坐标:对每个点的xyzd坐标减去偏移量xmin,ymin,zmin得到相对坐标xyzf,f表示单精度浮点数,将xyzf相对坐标乘以去重系数S,保存为整型坐标xyzi,每个坐标分量占用4字节,总共占用12字节;
(6)将整型坐标xyzi的12个字节内存,使用4个随机数产生器R1,R2,R3,R4,生成4个信息标记,再用一个随机数产生器R将这4个信息标记映射到1-8×n中的4个自然数n1,n2,n3,n4;
(7)判断内存缓存的第n1,n2,n3,n4二进制位是否全部为1,如果全部为1则该点已经存在,需要过滤删除,不输出到目标点云文件,如果不全部为1,则将4个二进制位全部置为1,并将该点输出到目标点云文件;
(8)依次处理,直到所有点处理完毕,完成空间重复点过滤。
本发明与现有技术相比,具有如下优点:
1、处理效率非常高,和点云数据量成线性关系;
2、查询一个点是否存在重复,使用的时间是常数时间,和点云数据量无关;
3、处理后点云空间分布非常均匀,消除点云近密远稀问题,去除冗余重复;
4、数据同时空间特征得到很好保留。
本发明适合用于移动测量三维激光点云和多波束点云在内业预处理应用,根据空间距离去除冗余重复坐标点数据,加快基于三维点云进行内业生产提取矢量数据效率。
附图说明
图1 为本发明处理流程图。
图2 为激光扫描仪FARO原始地面站静态扫描激光点云(约40米远处)图。
图3 为使用1cm抽稀去重后激光扫描仪FARO地面站静态扫描激光点云图。
图4 为原始车载移动测量激光扫描仪RIEGL三维激光点云图。
图5 为使用3cm抽稀去重后车载移动测量激光扫描仪RIEGL三维激光点云图。
具体实施方式
以下结合实施例以及附图对本发明作进一步的描述。
实施例1
参照图2和图3,本实施例是地面站激光扫描仪FARO三维激光扫描点云,点云处理前如图2,抽稀去重处理后如图3。处理前原始点数41452991,按1cm过滤去重处理后点数8568314,点数大大减少,40米远处特征得到很好保留。
处理步骤:
1)程序读取输入点云文件点数量,设置空间抽稀距离d=0.01m,根据抽稀距离d计算坐标去重系数S=1/d=100;
2)程序依次读取点坐标xyzf,使用坐标去重系数S乘以xyz每个坐标分量,转换为整形化坐标xyzi;
3)将xyzi所占用12个字节内存,使用4个随机数产生器R1,R2,R3,R4,生成4个信息标记,再用一个随机数产生器R将这4个信息标记映射到1-8×n中的4个自然数n1,n2,n3,n4;
4)判断内存缓存的第n1,n2,n3,n4二进制位是否全部设置为1,如果全部为1则该点已经存在,需要过滤删除,不输出到目标点云文件,如果不全部为1,则将4个二进制位全部置为1,并将该点输出到目标点云文件;
依次处理,直到所有点处理完毕,完成空间抽稀去重过滤。
实施例2:
参照图2和图3,本实施例2是车载移动测量激光扫描仪RIEGL三维激光点云,处理前点云效果如图4,抽稀去重处理后效果如图5。处理前原始点数是15244944,按3cm过滤去重处理后点数是9828058。如果是多工程多激光扫描重叠区域,可以得到有效去重。
处理步骤:
1)程序读取输入点云文件点数量,设置空间抽稀距离d=0.03m,根据抽稀距离d计算坐标去重系数S=1/d=33;
2)程序依次读取点坐标xyzf,使用坐标去重系数S乘以xyz每个坐标分量,转换为整形化坐标xyzi;
3)将xyzi所占用12个字节内存,使用4个随机数产生器R1,R2,R3,R4,生成4个信息标记,再用一个随机数产生器R将这4个信息标记映射到1-8×n中的4个自然数n1,n2,n3,n4;
4)判断内存缓存的第n1,n2,n3,n4二进制位是否全部设置为1,如果全部为1则该点已经存在,需要过滤删除,不输出到目标点云文件,如果不全部为1,则将4个二进制位全部置为1,并将该点输出到目标点云文件;
依次处理,直到所有点处理完毕,完成空间抽稀去重过滤。
Claims (1)
1.一种三维点云快速抽稀去重方法,包括以下处理步骤:
(1)程序读取原始点云点数n和三维坐标空间范围,x轴最小值xmin,y轴最小值ymin,z轴最小值zmin,x轴最大值xmax,y轴最大值ymax,z轴最大值zmax;
(2)根据云点数n申请内存空间8×n 比特二进制流内存缓存,并将二进制全部清零;
(3)根据抽稀距离d,计算坐标去重系数S=1/d,S四舍五入取整;
(4)依次遍历读取点云坐标xyzd,d表示双精度浮点数;
(5)将当前点转换为整型坐标:对每个点的xyzd坐标减去偏移量xmin,ymin,zmin得到相对坐标xyzf,f表示单精度浮点数,将xyzf相对坐标乘以去重系数S,保存为整型坐标xyzi,每个坐标分量占用4字节,总共占用12字节;
(6)将整型坐标xyzi的12个字节内存,使用4个随机数产生器R1,R2,R3,R4,生成4个信息标记,再用一个随机数产生器R将这4个信息标记映射到1-8×n中的4个自然数n1,n2,n3,n4;
(7)判断内存缓存的第n1,n2,n3,n4二进制位是否全部为1,如果全部为1则该点已经存在,需要过滤删除,不输出到目标点云文件,如果不全部为1,则将4个二进制位全部置为1,并将该点输出到目标点云文件;
(8)依次处理,直到所有点处理完毕,完成空间重复点过滤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711099002.0A CN109767483B (zh) | 2017-11-09 | 2017-11-09 | 一种三维点云快速抽稀去重方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711099002.0A CN109767483B (zh) | 2017-11-09 | 2017-11-09 | 一种三维点云快速抽稀去重方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109767483A CN109767483A (zh) | 2019-05-17 |
CN109767483B true CN109767483B (zh) | 2023-03-24 |
Family
ID=66449730
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711099002.0A Active CN109767483B (zh) | 2017-11-09 | 2017-11-09 | 一种三维点云快速抽稀去重方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109767483B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113836095A (zh) * | 2021-09-26 | 2021-12-24 | 广州极飞科技股份有限公司 | 一种点云数据存储方法、装置、存储介质及电子设备 |
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 |
CN114267211B (zh) * | 2021-12-29 | 2024-04-05 | 飞友科技有限公司 | 一种多维时空数据抽稀与还原算法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104392477A (zh) * | 2014-12-11 | 2015-03-04 | 大连大学 | 基于面片夹角的去重叠的三角网格曲面恢复后处理方法 |
CN104391906A (zh) * | 2014-11-18 | 2015-03-04 | 武汉海达数云技术有限公司 | 车载海量点云数据动态浏览方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9305241B2 (en) * | 2013-07-29 | 2016-04-05 | Google Inc. | Systems and methods for reducing a data set |
-
2017
- 2017-11-09 CN CN201711099002.0A patent/CN109767483B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104391906A (zh) * | 2014-11-18 | 2015-03-04 | 武汉海达数云技术有限公司 | 车载海量点云数据动态浏览方法 |
CN104392477A (zh) * | 2014-12-11 | 2015-03-04 | 大连大学 | 基于面片夹角的去重叠的三角网格曲面恢复后处理方法 |
Non-Patent Citations (1)
Title |
---|
保留路面特征的车载激光点云非均匀压缩方法;刘如飞等;《遥感信息》;20170215(第01期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN109767483A (zh) | 2019-05-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109767483B (zh) | 一种三维点云快速抽稀去重方法 | |
CN112241997B (zh) | 基于多尺度点云上采样的三维模型建立、修复方法及系统 | |
CN104299260B (zh) | 一种基于sift和lbp的点云配准的接触网三维重建方法 | |
KR101555426B1 (ko) | 지형 렌더링 방법 및 장치 | |
CN105654483A (zh) | 三维点云全自动配准方法 | |
CN110728689A (zh) | 一种基于点云数据的既有铁路中线提取方法 | |
Li | Filtering airborne lidar data by an improved morphological method based on multi-gradient analysis | |
CN112215958B (zh) | 一种基于分布式计算的激光雷达点云数据投影方法 | |
CN103080982A (zh) | 检测三维网格模型中的重复结构的方法和设备 | |
CN111275633A (zh) | 基于图像分割的点云去噪方法、系统、装置和存储介质 | |
CN104408055A (zh) | 一种激光雷达点云数据的存储方法及装置 | |
CN105069845A (zh) | 基于曲面变化的点云精简方法 | |
CN108629001A (zh) | 一种地理信息大数据的去重方法 | |
CN112465991B (zh) | 一种隧道点云去噪和生成可视化模型的方法 | |
CN103870636A (zh) | 一种基于地理分片的海量离散数据网格化处理方法 | |
CN110363863B (zh) | 一种神经网络的输入数据生成方法和系统 | |
CN111369604A (zh) | 一种基于网格的地形特征点提取方法及处理终端 | |
CN104463924B (zh) | 基于散乱点高程采样数据的数字高程地形模型生成方法 | |
WO2003051034A1 (fr) | Procede d'insertion et d'extraction d'informations electroniques, dispositif d'insertion et d'extraction d'informations electroniques et programmes associes | |
Kulawiak et al. | 3D object shape reconstruction from underwater multibeam data and over ground LiDAR scanning | |
CN109934837B (zh) | 一种3d植物叶片轮廓的提取方法、装置及系统 | |
CN116385684B (zh) | 一种基于库岸点云的河道断面自动提取方法 | |
Qing et al. | Classified denoising method for laser point cloud data of stored grain bulk surface based on discrete wavelet threshold | |
CN110619675A (zh) | 基于OsgEarth的面矢量数据的加载方法 | |
CN116051782B (zh) | 基于正交网格曲线插值的数据处理及重构建模方法、设备和存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |