CN110766733B - 单空间点云配准方法及装置 - Google Patents
单空间点云配准方法及装置 Download PDFInfo
- Publication number
- CN110766733B CN110766733B CN201911040741.1A CN201911040741A CN110766733B CN 110766733 B CN110766733 B CN 110766733B CN 201911040741 A CN201911040741 A CN 201911040741A CN 110766733 B CN110766733 B CN 110766733B
- Authority
- CN
- China
- Prior art keywords
- point cloud
- point
- pieces
- source
- target
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
- G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
- G06T7/344—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods involving models
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10028—Range image; Depth image; 3D point clouds
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Generation (AREA)
- Image Analysis (AREA)
Abstract
本发明提供一种单空间点云配准方法及装置，涉及点云配准领域。方法包括：从单空间获取多片点云，任取两片作为源点云和目标点云；对两片点云旋转得到高度方向垂直于地面且轮廓边平行于XOY平面坐标系中任一坐标轴的两片点云；利用两种点云数据中表示门窗的点信息进行方位匹配，获取三维点信息准确匹配的门窗对并对目标点云再次旋转；计算源点云中心到目标点云中心的矢量，根据源点云中心、目标点云中心以及矢量的关系获取重合源点云和目标点云；根据迭代最近点算法对重合源点云和目标点云再配准。本发明实施例的单空间点云配准方法及装置能够对单空间进行精确点云配准，得到精确重建的三维模型，使得可减少设计师上门测量次数，提高工作效率。
Description
技术领域
本发明涉及点云配准技术领域，尤其是涉及一种单空间点云配准方法及装置。
背景技术
目前，在对户型图的单空间进行房型设计或家具设计的过程中，需要设计师实地进行多次上门测量，这使得对于设计师来说耗时耗力，并且使其工作效率低下，同时由于进行的是人工测量，也使得测量精度不能得到保证。
发明内容
有鉴于此，本发明的目的在于提供一种单空间点云配准方法及装置，以改善设计师工作效率低下以及测量精度不能得到保证的技术问题。
第一方面，本发明实施例提供了一种单空间点云配准方法，所述方法包括以下步骤：
从户型图的单空间中获取多片点云，并从所述多片点云中任取两片点云分别作为源点云和目标点云；其中，所述源点云和所述目标点云携带有源点云数据和目标点云数据，所述源点云数据和所述目标点云数据中存储有三维点信息；
对所述两片点云进行旋转，得到高度方向垂直于地面并且轮廓边平行于XOY平面坐标系中的任一坐标轴的所述两片点云；其中，所述轮廓边为对每片点云的一高度进行截取的平行于所述地面的轮廓图形的一边；
利用所述源点云数据和所述目标点云数据中的表示门窗的所述三维点信息进行方位匹配，获取所述三维点信息准确匹配的门窗对，并对所述目标点云进行再次旋转；
计算所述源点云的中心到所述目标点云的中心的相对位置矢量，根据所述源点云的中心、所述目标点云的中心以及所述相对位置矢量的关系获取重合的所述源点云和所述目标点云；
根据迭代最近点算法对所述重合的所述源点云和所述目标点云进行再配准。
结合第一方面，本发明实施例提供了第一方面的第一种可能的实施方式，其中，所述对所述两片点云进行旋转，得到高度方向垂直于地面并且轮廓边平行于XOY平面坐标系中的任一坐标轴的所述两片点云的步骤包括：
对所述两片点云进行XOY平面外旋转，获取高度方向垂直于地面的经XOY平面外旋转的两片点云；
对所述经面外旋转的两片点云进行面内旋转，得到高度方向垂直于地面并且轮廓边平行于XOY平面坐标系中的任一坐标轴的所述两片点云。
结合第一方面，本发明实施例提供了第一方面的第二种可能的实施方式，其中，所述利用所述源点云数据和所述目标点云数据中的表示门窗的所述三维点信息进行方位匹配，获取所述三维点信息准确匹配的门窗对，并对所述目标点云进行再次旋转的步骤包括：
对每片点云的一高度进行截取，分别获取平行于地面的源点云轮廓图形和目标点云轮廓图形；
根据所述源点云轮廓图形和所述目标点云轮廓图形中的所有点的所述三维点信息中的空间坐标分别进行相邻两点距离计算，以及分别进行相邻两点与最近角点距离的计算；其中，所述角点为构成小于预先设定的角度阈值的角度的相邻三点中的中间点；
当所述源点云轮廓图形和所述目标点云轮廓图形中的所述相邻两点距离近似相等且均大于预先设定的距离阈值，并且所述相邻两点各自与所述最近角点距离也分别近似相等时，分别记录所述相邻两点组成的两个向量，并确定所述两个向量为准确匹配的门窗对；
对所述目标点云进行再次旋转，获取与所述源点云方位一致的所述目标点云。
结合第一方面，本发明实施例提供了第一方面的第三种可能的实施方式，其中，所述计算所述源点云的中心到所述目标点云的中心的相对位置矢量，根据所述源点云的中心、所述目标点云的中心以及所述相对位置矢量的关系获取重合的所述源点云和所述目标点云的步骤包括：
获取所述源点云的第一中心点和所述目标点云的第二中心点的空间坐标，并计算所述第一中心点到所述第二中心点的相对位置矢量；
将所述第二中心点沿所述相对位置矢量移动到所述第一中心点，得到所述第二中心点移动之后的与所述第一中心点重合的第三中心点，并获取重合的所述源点云和所述目标点云；其中，所述第三中心点的空间坐标＝所述第二中心点的空间坐标-相对位置矢量。
结合第一方面，本发明实施例提供了第一方面的第四种可能的实施方式，其中，所述迭代最近点算法为通过多次旋转、平移而使得两个点云中的两个点集之间的距离最小的点云匹配算法。
第二方面，本发明实施例还提供一种单空间点云配准装置，所述装置包括：
第一获取模块，用于从户型图的单空间中获取多片点云，并从所述多片点云中任取两片点云分别作为源点云和目标点云；其中，所述源点云和所述目标点云携带有源点云数据和目标点云数据，所述源点云数据和所述目标点云数据中存储有三维点信息；
第一旋转模块，用于对所述两片点云进行旋转，得到高度方向垂直于地面并且轮廓边平行于XOY平面坐标系中的任一坐标轴的所述两片点云；其中，所述轮廓边为对每片点云的一高度进行截取的平行于所述地面的轮廓图形的一边；
第二旋转模块，用于利用所述源点云数据和所述目标点云数据中的表示门窗的所述三维点信息进行方位匹配，获取所述三维点信息准确匹配的门窗对，并对所述目标点云进行再次旋转；
第二获取模块，用于计算所述源点云的中心到所述目标点云的中心的相对位置矢量，根据所述源点云的中心、所述目标点云的中心以及所述相对位置矢量的关系获取重合的所述源点云和所述目标点云；
再配准模块，用于根据迭代最近点算法对所述重合的所述源点云和所述目标点云进行再配准。
结合第二方面，本发明实施例提供了第二方面的第一种可能的实施方式，其中，所述第二旋转模块用于：
对每片点云的一高度进行截取，分别获取平行于地面的源点云轮廓图形和目标点云轮廓图形；
根据所述源点云轮廓图形和所述目标点云轮廓图形中的所有点的所述三维点信息中的空间坐标分别进行相邻两点距离计算，以及分别进行相邻两点与最近角点距离的计算；其中，所述角点为构成小于预先设定的角度阈值的角度的相邻三点中的中间点；
当所述源点云轮廓图形和所述目标点云轮廓图形中的所述相邻两点距离近似相等且均大于预先设定的距离阈值，并且所述相邻两点各自与所述最近角点距离也分别近似相等时，分别记录所述相邻两点组成的两个向量，并确定所述两个向量为准确匹配的门窗对；
对所述目标点云进行再次旋转，获取与所述源点云方位一致的所述目标点云。
结合第二方面，本发明实施例提供了第二方面的第二种可能的实施方式，其中，所述第二获取模块用于：
获取所述源点云的第一中心点和所述目标点云的第二中心点的空间坐标，并计算所述第一中心点到所述第二中心点的相对位置矢量；
将所述第二中心点沿所述相对位置矢量移动到所述第一中心点，得到所述第二中心点移动之后的与所述第一中心点重合的第三中心点，并获取重合的所述源点云和所述目标点云；其中，所述第三中心点的空间坐标＝所述第二中心点的空间坐标-相对位置矢量。
第三方面，本发明实施例还提供一种服务器，所述服务器包括：处理器和存储器，所述存储器存储有能够被所述处理器执行的计算机可执行指令，所述处理器执行所述计算机可执行指令以实现上文所述的方法。
第四方面，本发明实施例还提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机可执行指令，所述计算机可执行指令在被处理器调用和执行时，所述计算机可执行指令促使处理器实现上文所述的方法。
本发明实施例带来了以下有益效果：本发明实施例提供的一种单空间点云配准方法及装置，通过对从多片点云中任取的两片点云进行旋转、再旋转，并根据两片点云的中心与两片点云的中心的相对位置矢量获取重合的两片点云，并根据算法对该重合的两片点云进行再配准，最终得到精确配准的两片点云。本发明实施例的单空间点云配准方法及装置能够对单空间进行精确点云配准，得到精确重建的三维模型，使得可减少设计师上门测量次数，提高工作效率。
本发明的其他特征和优点将在随后的说明书中阐述，并且部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点在说明书、权利要求书以及附图中所特别指出的结构中实现和获得。
为使本发明的上述目的、特征和优点能够更加明显易懂，下文特举优选实施例，并配合所附附图，作详细说明如下。
附图说明
为了更清楚地说明本发明的具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图进行简单的介绍，显而易见地，下面描述中的附图是本发明的一些实施方式，对于本领域技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的一种单空间点云配准方法的流程图；
图2为本发明实施例提供的另一种单空间点云配准方法的流程图；
图3为本发明实施例提供的一种单空间点云配准装置的结构框图；
图4为本发明实施例提供的一种服务器的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合附图对本发明的技术方案进行清楚、完整的描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
现如今，在对户型图的单空间进行房型设计或家具设计的过程中，需要设计师实地进行多次上门测量，这使得对于设计师来说耗时耗力，并且使其工作效率低下，同时由于进行的是人工测量，也使得测量精度不能得到保证。基于此，本发明实施例提供了一种单空间点云配准方法及装置，以缓解上述问题。
为了便于对本实施例进行理解，首先对本发明实施例所公开的一种单空间点云配准方法进行详细介绍。
在一种可能的实施方式中，本发明提供了一种单空间点云配准方法，应用于显示设备电路。如图1所示为本发明实施例提供的一种单空间点云配准方法的流程图，该方法包括以下步骤：
步骤S102：从户型图的单空间中获取多片点云，并从所述多片点云中任取两片点云分别作为源点云和目标点云。
其中，所述源点云和所述目标点云携带有源点云数据和目标点云数据，所述源点云数据和所述目标点云数据中存储有三维点信息。
步骤S104：对所述两片点云进行旋转，得到高度方向垂直于地面并且轮廓边平行于XOY平面坐标系中的任一坐标轴的所述两片点云。
其中，所述轮廓边为对每片点云的一高度进行截取的平行于所述地面的轮廓图形的一边。
步骤S106：利用所述源点云数据和所述目标点云数据中的表示门窗的所述三维点信息进行方位匹配，获取所述三维点信息准确匹配的门窗对，并对所述目标点云进行再次旋转。
步骤S108：计算所述源点云的中心到所述目标点云的中心的相对位置矢量，根据所述源点云的中心、所述目标点云的中心以及所述相对位置矢量的关系获取重合的所述源点云和所述目标点云。
步骤S110：根据迭代最近点算法对所述重合的所述源点云和所述目标点云进行再配准。
本发明实施例带来了以下有益效果：本发明实施例提供的一种单空间点云配准方法，通过对从多片点云中任取的两片点云进行旋转、再旋转，并根据两片点云的中心与两片点云的中心的相对位置矢量获取重合的两片点云，并根据算法对该重合的两片点云进行再配准，最终得到精确配准的两片点云。本发明实施例的单空间点云配准方法及装置能够对单空间进行精确点云配准，得到精确重建的三维模型，使得可减少设计师上门测量次数，提高工作效率。
为了对本发明实施例中的对从多片点云中任取的两片点云进行旋转、再旋转，并根据两片点云的中心与两片点云的中心的相对位置矢量获取重合的两片点云的过程进行详细描述，本发明实施例在图2中示出了本发明实施例提供的另一种单空间点云配准方法的流程图，该方法包括以下步骤：
步骤S202：从户型图的单空间中获取多片点云，并从所述多片点云中任取两片点云分别作为源点云和目标点云。
步骤S204：对所述两片点云进行XOY平面外旋转，获取高度方向垂直于地面的经XOY平面外旋转的两片点云。
步骤S206：对所述经面外旋转的两片点云进行面内旋转，得到高度方向垂直于地面并且轮廓边平行于XOY平面坐标系中的任一坐标轴的所述两片点云。
其中，对两片点云先后进行面外旋转和面内旋转，目的是为了获取高度方向垂直于地面，水平方向平行于地面且轮廓边平行于XOY平面坐标系中的任一坐标轴的所述两片点云。
步骤S208：对每片点云的一高度进行截取，分别获取平行于地面的源点云轮廓图形和目标点云轮廓图形。
其中，从源点云和目标点云中各截取在一定高度(例如，z＝0)处的轮廓点并进行平面投影处理，分别获取平行于地面的源点云轮廓图形和目标点云轮廓图形。
步骤S210：根据所述源点云轮廓图形和所述目标点云轮廓图形中的所有点的所述三维点信息中的空间坐标分别进行相邻两点距离计算，以及分别进行相邻两点与最近角点距离的计算。
其中，所述角点为构成小于预先设定的角度阈值的角度的相邻三点中的中间点。
进一步地，该相邻两点距离计算是通过该相邻两点的空间坐标来计算的。例如，记相邻两点及其空间坐标分别为A(x1,y1,z1)和B(x2,y2,z2),则A,B之间的距离|AB|为：|AB|＝√[(x2－x1)2+(y2－y1)2+(z2－z1)2]。
步骤S212：当所述源点云轮廓图形和所述目标点云轮廓图形中的所述相邻两点距离近似相等且均大于预先设定的距离阈值，并且所述相邻两点各自与所述最近角点距离也分别近似相等时，分别记录所述相邻两点组成的两个向量，并确定所述两个向量为准确匹配的门窗对。
需要特别说明的是，相邻两点距离近似相等以及相邻两点各自与最近角点距离也分别近似相等是指源点云轮廓图形和目标点云轮廓图形中的相邻两点距离以及相邻两点各自与最近角点距离的各自差值小于等于0.1m。
步骤S214：对所述目标点云进行再次旋转，获取与所述源点云方位一致的所述目标点云。
步骤S216：获取所述源点云的第一中心点和所述目标点云的第二中心点的空间坐标，并计算所述第一中心点到所述第二中心点的相对位置矢量。
步骤S218：将所述第二中心点沿所述相对位置矢量移动到所述第一中心点，得到所述第二中心点移动之后的与所述第一中心点重合的第三中心点，并获取重合的所述源点云和所述目标点云。
其中，所述第三中心点的空间坐标＝所述第二中心点的空间坐标-相对位置矢量。
此时，已完成对源点云和目标点云的初步配准。
步骤S220：根据迭代最近点算法对所述重合的所述源点云和所述目标点云进行再配准。
其中，所述迭代最近点算法为通过多次旋转、平移而使得两个点云中的两个点集之间的距离最小的点云匹配算法。
进一步地，该迭代最近点算法通过设置合适的迭代次数和最小迭代距离来进行精度控制。
此时，在完成对源点云和目标点云的初步配准的基础上，根据迭代最近点算法对该两片点云进行再配准，使得配准精度进一步提高，这有助于后续更精确地重建三维模型，从而使设计师更精确地进行对该单空间的尺寸测量以及对后续的户型以及家具的设计。
综上所述，本发明实施例提供的一种单空间点云配准方法通过对从多片点云中任取的两片点云进行旋转、再旋转，并根据两片点云的中心与两片点云的中心的相对位置矢量获取重合的两片点云，并根据算法对该重合的两片点云进行再配准，最终得到精确配准的两片点云。本发明实施例的单空间点云配准方法及装置能够对单空间进行精确点云配准，得到精确重建的三维模型，使得可减少设计师上门测量次数，提高工作效率。
在另一种可能的实施方式中，对应于上述实施方式提供的单空间点云配准方法，本发明实施例还提供了一种单空间点云配准装置，图3为本发明实施例提供的一种单空间点云配准装置的结构框图。如图3所示，该装置包括：
第一获取模块301，用于从户型图的单空间中获取多片点云，并从所述多片点云中任取两片点云分别作为源点云和目标点云；
其中，所述源点云和所述目标点云携带有源点云数据和目标点云数据，所述源点云数据和所述目标点云数据中存储有三维点信息；
第一旋转模块302，用于对所述两片点云进行旋转，得到高度方向垂直于地面并且轮廓边平行于XOY平面坐标系中的任一坐标轴的所述两片点云；
其中，所述轮廓边为对每片点云的一高度进行截取的平行于所述地面的轮廓图形的一边；
第二旋转模块303，用于利用所述源点云数据和所述目标点云数据中的表示门窗的所述三维点信息进行方位匹配，获取所述三维点信息准确匹配的门窗对，并对所述目标点云进行再次旋转；
第二获取模块304，用于计算所述源点云的中心到所述目标点云的中心的相对位置矢量，根据所述源点云的中心、所述目标点云的中心以及所述相对位置矢量的关系获取重合的所述源点云和所述目标点云；
再配准模块305，用于根据迭代最近点算法对所述重合的所述源点云和所述目标点云进行再配准。
在实际使用时，所述第二旋转模块303用于：
对每片点云的一高度进行截取，分别获取平行于地面的源点云轮廓图形和目标点云轮廓图形；
根据所述源点云轮廓图形和所述目标点云轮廓图形中的所有点的所述三维点信息中的空间坐标分别进行相邻两点距离计算，以及分别进行相邻两点与最近角点距离的计算；其中，所述角点为构成小于预先设定的角度阈值的角度的相邻三点中的中间点；
当所述源点云轮廓图形和所述目标点云轮廓图形中的所述相邻两点距离近似相等且均大于预先设定的距离阈值，并且所述相邻两点各自与所述最近角点距离也分别近似相等时，分别记录所述相邻两点组成的两个向量，并确定所述两个向量为准确匹配的门窗对；
对所述目标点云进行再次旋转，获取与所述源点云方位一致的所述目标点云。
在实际使用时，所述第二获取模块304用于：
获取所述源点云的第一中心点和所述目标点云的第二中心点的空间坐标，并计算所述第一中心点到所述第二中心点的相对位置矢量；
将所述第二中心点沿所述相对位置矢量移动到所述第一中心点，得到所述第二中心点移动之后的与所述第一中心点重合的第三中心点，并获取重合的所述源点云和所述目标点云；其中，所述第三中心点的空间坐标＝所述第二中心点的空间坐标-相对位置矢量。
在又一种可能的实施方式中，本发明实施例还提供了一种服务器，图4示出了本发明实施例提供的一种服务器的结构示意图，参见图4，该服务器包括：处理器400、存储器401、数据总线402和通信接口403，该处理器400、存储器401、通信接口403和通过数据总线402连接；处理器400用于执行存储器401中存储的可执行模块，例如计算机程序。
其中，存储器401存储有能够被处理器400执行的计算机可执行指令，处理器400执行计算机可执行指令以实现上文所述的方法。
进一步地，存储器401可能包含高速随机存取存储器(RAM，Random AccessMemory)，也可能还包括非不稳定的存储器(non-volatile memory)，例如至少一个磁盘存储器。通过至少一个通信接口403(可以是有线或者无线)实现该系统网元与至少一个其他网元之间的通信连接，可以使用互联网，广域网，本地网，城域网等。
数据总线402可以是ISA数据总线、PCI数据总线或EISA数据总线等。该数据总线可以分为地址数据总线、数据数据总线、控制数据总线等。为便于表示，图4中仅用一个双向箭头表示，但并不表示仅有一根数据总线或一种类型的数据总线。
其中，存储器401用于存储程序，处理器400在接收到程序执行指令后，执行所述程序，前述本发明实施例任一实施例揭示的单空间点云配准方法可以应用于处理器400中，或者由处理器400实现。
此外，处理器400可能是一种集成电路芯片，具有信号的处理能力。在实现过程中，上述方法的各步骤可以通过处理器400中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器400可以是通用处理器，包括中央处理器(Central Processing Unit，简称CPU)、网络处理器(Network Processor，简称NP)等；还可以是数字信号处理器(DigitalSignal Processing，简称DSP)、专用集成电路(Application Specific IntegratedCircuit，简称ASIC)、现成可编程门阵列(Field-Programmable Gate Array，简称FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本发明实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器，闪存、只读存储器，可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器401，处理器400读取存储器401中的信息，结合其硬件完成上述方法的步骤。
在又一种可能的实施方式中，本发明实施例还提供了一种计算机可读存储介质，计算机可读存储介质存储有计算机可执行指令，所述计算机可执行指令在被处理器调用和执行时，计算机可执行指令促使处理器实现上文所述的方法。
本发明实施例提供的单空间点云配准装置，与上述实施例提供的单空间点云配准方法具有相同的技术特征，所以也能解决相同的技术问题，达到相同的技术效果。
本发明实施例所提供的单空间点云配准方法及装置的计算机程序产品，包括存储了程序代码的计算机可读存储介质，所述程序代码包括的指令可用于执行前面方法实施例中所述的方法，具体实现可参见方法实施例，在此不再赘述。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的装置的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
另外，在本发明实施例的描述中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，ReaD-Only Memory)、随机存取存储器(RAM，RanDom Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
在本发明的描述中，需要说明的是，术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一”、“第二”、“第三”仅用于描述目的，而不能理解为指示或暗示相对重要性。
最后应说明的是：以上实施例，仅为本发明的具体实施方式，用以说明本发明的技术方案，而非对其限制，本发明的保护范围并不局限于此，尽管参照前述实施例对本发明进行了详细的说明，本领域技术人员应当理解：任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化，或者对其中部分技术特征进行等同替换；而这些修改、变化或者替换，并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。
Claims (8)
1.一种单空间点云配准方法，其特征在于，所述方法包括以下步骤：
从户型图的单空间中获取多片点云，并从所述多片点云中任取两片点云分别作为源点云和目标点云；其中，所述源点云和所述目标点云携带有源点云数据和目标点云数据，所述源点云数据和所述目标点云数据中存储有三维点信息；
对所述两片点云进行旋转，得到高度方向垂直于地面并且轮廓边平行于XOY平面坐标系中的任一坐标轴的所述两片点云；其中，所述轮廓边为对每片点云的一高度进行截取的平行于所述地面的轮廓图形的一边；
利用所述源点云数据和所述目标点云数据中的表示门窗的所述三维点信息进行方位匹配，获取所述三维点信息准确匹配的门窗对，并对所述目标点云进行再次旋转；
计算所述源点云的中心到所述目标点云的中心的相对位置矢量，根据所述源点云的中心、所述目标点云的中心以及所述相对位置矢量的关系获取重合的所述源点云和所述目标点云；
根据迭代最近点算法对所述重合的所述源点云和所述目标点云进行再配准；
所述利用所述源点云数据和所述目标点云数据中的表示门窗的所述三维点信息进行方位匹配，获取所述三维点信息准确匹配的门窗对，并对所述目标点云进行再次旋转的步骤包括：
对每片点云的一高度进行截取，分别获取平行于地面的源点云轮廓图形和目标点云轮廓图形；
根据所述源点云轮廓图形和所述目标点云轮廓图形中的所有点的所述三维点信息中的空间坐标分别进行相邻两点距离计算，以及分别进行相邻两点与最近角点距离的计算；其中，所述角点为构成小于预先设定的角度阈值的角度的相邻三点中的中间点；
当所述源点云轮廓图形和所述目标点云轮廓图形中的所述相邻两点距离近似相等且均大于预先设定的距离阈值，并且所述相邻两点各自与所述最近角点距离也分别近似相等时，分别记录所述相邻两点组成的两个向量，并确定所述两个向量为准确匹配的门窗对；
对所述目标点云进行再次旋转，获取与所述源点云方位一致的所述目标点云。
2.根据权利要求1所述的方法，其特征在于，所述对所述两片点云进行旋转，得到高度方向垂直于地面并且轮廓边平行于XOY平面坐标系中的任一坐标轴的所述两片点云的步骤包括：
对所述两片点云进行XOY平面外旋转，获取高度方向垂直于地面的经XOY平面外旋转的两片点云；
对所述经面外旋转的两片点云进行面内旋转，得到高度方向垂直于地面并且轮廓边平行于XOY平面坐标系中的任一坐标轴的所述两片点云。
3.根据权利要求1所述的方法，其特征在于，所述计算所述源点云的中心到所述目标点云的中心的相对位置矢量，根据所述源点云的中心、所述目标点云的中心以及所述相对位置矢量的关系获取重合的所述源点云和所述目标点云的步骤包括：
获取所述源点云的第一中心点和所述目标点云的第二中心点的空间坐标，并计算所述第一中心点到所述第二中心点的相对位置矢量；
将所述第二中心点沿所述相对位置矢量移动到所述第一中心点，得到所述第二中心点移动之后的与所述第一中心点重合的第三中心点，并获取重合的所述源点云和所述目标点云；其中，所述第三中心点的空间坐标＝所述第二中心点的空间坐标-相对位置矢量。
4.根据权利要求1所述的方法，其特征在于，所述迭代最近点算法为通过多次旋转、平移而使得两个点云中的两个点集之间的距离最小的点云匹配算法。
5.一种单空间点云配准装置，特征在于，所述装置包括：
第一获取模块，用于从户型图的单空间中获取多片点云，并从所述多片点云中任取两片点云分别作为源点云和目标点云；其中，所述源点云和所述目标点云携带有源点云数据和目标点云数据，所述源点云数据和所述目标点云数据中存储有三维点信息；
第一旋转模块，用于对所述两片点云进行旋转，得到高度方向垂直于地面并且轮廓边平行于XOY平面坐标系中的任一坐标轴的所述两片点云；其中，所述轮廓边为对每片点云的一高度进行截取的平行于所述地面的轮廓图形的一边；
第二旋转模块，用于利用所述源点云数据和所述目标点云数据中的表示门窗的所述三维点信息进行方位匹配，获取所述三维点信息准确匹配的门窗对，并对所述目标点云进行再次旋转；
第二获取模块，用于计算所述源点云的中心到所述目标点云的中心的相对位置矢量，根据所述源点云的中心、所述目标点云的中心以及所述相对位置矢量的关系获取重合的所述源点云和所述目标点云；
再配准模块，用于根据迭代最近点算法对所述重合的所述源点云和所述目标点云进行再配准；
所述第二旋转模块用于：
对每片点云的一高度进行截取，分别获取平行于地面的源点云轮廓图形和目标点云轮廓图形；
根据所述源点云轮廓图形和所述目标点云轮廓图形中的所有点的所述三维点信息中的空间坐标分别进行相邻两点距离计算，以及分别进行相邻两点与最近角点距离的计算；其中，所述角点为构成小于预先设定的角度阈值的角度的相邻三点中的中间点；
当所述源点云轮廓图形和所述目标点云轮廓图形中的所述相邻两点距离近似相等且均大于预先设定的距离阈值，并且所述相邻两点各自与所述最近角点距离也分别近似相等时，分别记录所述相邻两点组成的两个向量，并确定所述两个向量为准确匹配的门窗对；
对所述目标点云进行再次旋转，获取与所述源点云方位一致的所述目标点云。
6.根据权利要求5所述的装置，其特征在于，所述第二获取模块用于：
获取所述源点云的第一中心点和所述目标点云的第二中心点的空间坐标，并计算所述第一中心点到所述第二中心点的相对位置矢量；
将所述第二中心点沿所述相对位置矢量移动到所述第一中心点，得到所述第二中心点移动之后的与所述第一中心点重合的第三中心点，并获取重合的所述源点云和所述目标点云；其中，所述第三中心点的空间坐标＝所述第二中心点的空间坐标-相对位置矢量。
7.一种服务器，其特征在于，包括处理器和存储器，所述存储器存储有能够被所述处理器执行的计算机可执行指令，所述处理器执行所述计算机可执行指令以实现权利要求1至4任一项所述的方法。
8.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机可执行指令，所述计算机可执行指令在被处理器调用和执行时，所述计算机可执行指令促使处理器实现权利要求1至4任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911040741.1A CN110766733B (zh) | 2019-10-28 | 2019-10-28 | 单空间点云配准方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911040741.1A CN110766733B (zh) | 2019-10-28 | 2019-10-28 | 单空间点云配准方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110766733A CN110766733A (zh) | 2020-02-07 |
| CN110766733B true CN110766733B (zh) | 2022-08-12 |
Family
ID=69334608
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911040741.1A Active CN110766733B (zh) | 2019-10-28 | 2019-10-28 | 单空间点云配准方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110766733B (zh) |
Families Citing this family (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111986219B (zh) * | 2020-08-10 | 2023-09-19 | 中国科学院光电技术研究所 | 一种三维点云与自由曲面模型的匹配方法 |
| CN112819870B (zh) * | 2021-02-23 | 2023-09-26 | 苏州大学 | 基于坐标数据的点云配准方法 |
| CN114782241A (zh) * | 2022-03-22 | 2022-07-22 | 广东三维家信息科技有限公司 | 空间拓扑结构确定方法、装置、电子设备及存储介质 |
| CN115423933B (zh) * | 2022-08-12 | 2023-09-29 | 北京城市网邻信息技术有限公司 | 户型图生成方法、装置、电子设备及存储介质 |
| CN116485855B (zh) * | 2023-04-27 | 2024-02-02 | 中国民用航空总局第二研究所 | 一种快速自适应区域特征的点云初始配准方法 |
| CN117495932B (zh) * | 2023-12-25 | 2024-04-16 | 国网山东省电力公司滨州供电公司 | 一种电力设备异源点云配准方法及系统 |
Citations (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101051346A (zh) * | 2006-04-07 | 2007-10-10 | 欧姆龙株式会社 | 特定被摄体检测方法和装置 |
| CN101645170A (zh) * | 2009-09-03 | 2010-02-10 | 北京信息科技大学 | 多视点云精确配准方法 |
| CN102136075A (zh) * | 2011-03-04 | 2011-07-27 | 杭州海康威视软件有限公司 | 复杂场景下的多视角人脸检测方法及其装置 |
| CN103841924A (zh) * | 2011-08-15 | 2014-06-04 | 康复米斯公司 | 用于修正接合部关节置换植入物的修正系统、工具和方法 |
| CN106780459A (zh) * | 2016-12-12 | 2017-05-31 | 华中科技大学 | 一种三维点云数据自动配准方法 |
| CN107238396A (zh) * | 2016-03-28 | 2017-10-10 | 美国西门子医疗解决公司 | 超声换能器的姿态恢复 |
| CN108022262A (zh) * | 2017-11-16 | 2018-05-11 | 天津大学 | 一种基于点的邻域重心向量特征的点云配准方法 |
| CN108474737A (zh) * | 2015-11-04 | 2018-08-31 | 奇跃公司 | 光场显示度量 |
| CN109087342A (zh) * | 2018-07-12 | 2018-12-25 | 武汉尺子科技有限公司 | 一种基于特征匹配的三维点云全局配准方法及系统 |
| CN109345620A (zh) * | 2018-08-13 | 2019-02-15 | 浙江大学 | 融合快速点特征直方图的改进icp待测物体点云拼接方法 |
| CN109559346A (zh) * | 2018-11-07 | 2019-04-02 | 西安电子科技大学 | 一种3d点云测量中的待测部位的定位及分割方法、扫描仪 |
| CN109741374A (zh) * | 2019-01-30 | 2019-05-10 | 重庆大学 | 点云配准旋转变换方法、点云配准方法、设备及可读存储介质 |
| CN109767463A (zh) * | 2019-01-09 | 2019-05-17 | 重庆理工大学 | 一种三维点云自动配准方法 |
| CN109801316A (zh) * | 2018-12-19 | 2019-05-24 | 中国农业大学 | 一种果树树冠三维点云自动化配准方法及重构方法 |
| CN110276790A (zh) * | 2019-06-28 | 2019-09-24 | 易思维（杭州）科技有限公司 | 基于形状约束的点云配准方法 |
-
2019
- 2019-10-28 CN CN201911040741.1A patent/CN110766733B/zh active Active
Patent Citations (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101051346A (zh) * | 2006-04-07 | 2007-10-10 | 欧姆龙株式会社 | 特定被摄体检测方法和装置 |
| CN101645170A (zh) * | 2009-09-03 | 2010-02-10 | 北京信息科技大学 | 多视点云精确配准方法 |
| CN102136075A (zh) * | 2011-03-04 | 2011-07-27 | 杭州海康威视软件有限公司 | 复杂场景下的多视角人脸检测方法及其装置 |
| CN103841924A (zh) * | 2011-08-15 | 2014-06-04 | 康复米斯公司 | 用于修正接合部关节置换植入物的修正系统、工具和方法 |
| CN108474737A (zh) * | 2015-11-04 | 2018-08-31 | 奇跃公司 | 光场显示度量 |
| CN107238396A (zh) * | 2016-03-28 | 2017-10-10 | 美国西门子医疗解决公司 | 超声换能器的姿态恢复 |
| CN106780459A (zh) * | 2016-12-12 | 2017-05-31 | 华中科技大学 | 一种三维点云数据自动配准方法 |
| CN108022262A (zh) * | 2017-11-16 | 2018-05-11 | 天津大学 | 一种基于点的邻域重心向量特征的点云配准方法 |
| CN109087342A (zh) * | 2018-07-12 | 2018-12-25 | 武汉尺子科技有限公司 | 一种基于特征匹配的三维点云全局配准方法及系统 |
| CN109345620A (zh) * | 2018-08-13 | 2019-02-15 | 浙江大学 | 融合快速点特征直方图的改进icp待测物体点云拼接方法 |
| CN109559346A (zh) * | 2018-11-07 | 2019-04-02 | 西安电子科技大学 | 一种3d点云测量中的待测部位的定位及分割方法、扫描仪 |
| CN109801316A (zh) * | 2018-12-19 | 2019-05-24 | 中国农业大学 | 一种果树树冠三维点云自动化配准方法及重构方法 |
| CN109767463A (zh) * | 2019-01-09 | 2019-05-17 | 重庆理工大学 | 一种三维点云自动配准方法 |
| CN109741374A (zh) * | 2019-01-30 | 2019-05-10 | 重庆大学 | 点云配准旋转变换方法、点云配准方法、设备及可读存储介质 |
| CN110276790A (zh) * | 2019-06-28 | 2019-09-24 | 易思维（杭州）科技有限公司 | 基于形状约束的点云配准方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110766733A (zh) | 2020-02-07 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110766733B (zh) | 单空间点云配准方法及装置 | |
| CN112927370B (zh) | 三维建筑物模型构建方法、装置、电子设备及存储介质 | |
| CN108732582B (zh) | 车辆定位方法和装置 | |
| CN110411464B (zh) | 三维点云地图生成方法、装置、设备及存储介质 | |
| KR102068419B1 (ko) | 포인트 클라우드 데이터 수집 궤적을 조정하기 위한 방법, 장치 및 컴퓨터 판독 가능한 매체 | |
| CN107886546B (zh) | 利用球像及公共自极三角形标定抛物折反射摄像机的方法 | |
| CN109714699B (zh) | 定位方法及终端设备 | |
| CN113570665B (zh) | 路沿提取的方法、装置及电子设备 | |
| CN113345044B (zh) | 户型图生成方法及装置 | |
| CN113048980B (zh) | 位姿优化方法、装置、电子设备及存储介质 | |
| CN113177974B (zh) | 一种点云配准方法、装置、电子设备及存储介质 | |
| US20220044433A1 (en) | Method and system for distance measurement based on binocular camera, device and computer-readable storage medium | |
| CN112381921B (zh) | 一种边缘重建方法及系统 | |
| CN115081195A (zh) | 一种激光雷达仿真的方法、装置、电子设备及存储介质 | |
| Recker et al. | Statistical angular error-based triangulation for efficient and accurate multi-view scene reconstruction | |
| CN112712466A (zh) | 三维点云拼接方法、装置及电子设备 | |
| CN117095002B (zh) | 轮毂缺陷的检测方法及装置、存储介质 | |
| CN110825079A (zh) | 一种地图构建方法及装置 | |
| CN117590362A (zh) | 一种多激光雷达外参标定方法、装置和设备 | |
| Dreher et al. | Global localization in meshes | |
| CN115953696B (zh) | 立体卫星影像精度质检的方法、装置和电子设备 | |
| CN112051921A (zh) | Ar导航地图生成方法、装置、计算机设备和可读存储介质 | |
| CN115294277B (zh) | 一种物体的三维重建方法、装置、电子设备及存储介质 | |
| CN116543134A (zh) | 数字孪生模型的构建方法、装置、计算机设备和介质 | |
| CN114648618B (zh) | 一种室内空间三维拓扑关系构建方法及系统 |
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 |