CN111429568A - 点云处理方法和装置、电子设备和存储介质 - Google Patents
点云处理方法和装置、电子设备和存储介质 Download PDFInfo
- Publication number
- CN111429568A CN111429568A CN202010231048.9A CN202010231048A CN111429568A CN 111429568 A CN111429568 A CN 111429568A CN 202010231048 A CN202010231048 A CN 202010231048A CN 111429568 A CN111429568 A CN 111429568A
- Authority
- CN
- China
- Prior art keywords
- point
- point cloud
- unit space
- density
- points
- 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.)
- Granted
Links
- 238000003672 processing method Methods 0.000 title claims abstract description 30
- 238000003860 storage Methods 0.000 title claims abstract description 20
- 238000000034 method Methods 0.000 claims abstract description 57
- 238000012545 processing Methods 0.000 claims description 72
- 239000011159 matrix material Substances 0.000 claims description 45
- 230000009466 transformation Effects 0.000 claims description 30
- 230000003321 amplification Effects 0.000 claims description 20
- 238000003199 nucleic acid amplification method Methods 0.000 claims description 20
- 238000004590 computer program Methods 0.000 claims description 17
- 238000006243 chemical reaction Methods 0.000 claims description 7
- 230000009467 reduction Effects 0.000 claims description 5
- 230000004044 response Effects 0.000 claims description 3
- 230000000694 effects Effects 0.000 abstract description 9
- 238000010586 diagram Methods 0.000 description 9
- 238000009826 distribution Methods 0.000 description 6
- 230000000007 visual effect Effects 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000005070 sampling Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 238000007792 addition Methods 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 238000009616 inductively coupled plasma Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000005215 recombination Methods 0.000 description 1
- 230000006798 recombination Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000004904 shortening Methods 0.000 description 1
- 239000013598 vector Substances 0.000 description 1
Images
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
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
- G06T3/4038—Image mosaicing, e.g. composing plane images from plane sub-images
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/77—Determining position or orientation of objects or cameras using statistical methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/80—Analysis of captured images to determine intrinsic or extrinsic camera parameters, i.e. camera calibration
-
- 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)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Probability & Statistics with Applications (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computer Graphics (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- Image Processing (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本公开实施例公开了一种点云处理方法和装置、电子设备和存储介质，其中，点云处理方法包括：获取针对目标对象采集的点云；获取所述点云中各预设的单位空间内点的密度；按照预设方式，基于所述各单位空间内点的密度对相应单位空间内点的尺寸进行放大处理，得到处理后点云；其中，单位空间内点的密度越小，点的尺寸的放大比例越大。本公开实施例可以有效辨识距离采集位置较远的点覆盖的物体表面，解决了由于距离采集位置较远的点过于稀疏而难以识别相应部分点云覆盖的物体表面的问题，提高了三维重建效果。
Description
技术领域
本公开涉及计算机技术，尤其是一种点云处理方法和装置、电子设备和存储介质。
背景技术
三维重建技术是一种将实际三维物体数字化，并利用计算机技术将其重现的技术。在三维重建过程中，使用点云采集设备(例如2D/3D激光雷达，立体摄像头(stereocamera)，越渡时间(time-of-flight camera，ToF)摄像头)扫描获取部分场景或物体的三维点云(Point Cloud)，通过将不同时刻和/或不同位置的点云进行拼接融合，形成整个物体或者场景的三维全景模型。其中，点云是在同一空间参考系下表达目标空间分布和目标表面特性的海量点集合，主要用来代表物体的外表面形状。
在实现本公开的过程中，本发明人通过研究发现，目前进行点云采集时，由于点云采集设备所在的采集位置与场景或物体之间的采集距离不同，导致点云中点的密度有所差异，距离采集位置越近点的密度越大、距离采集位置越远点的密度越小，而在虚拟空间中查点云时，点云中的每个点的尺寸都是相同的，这就导致从不同的观看视角查看点云时，会由于距离采集位置较远的点过于稀疏而难以识别相应部分点云覆盖的物体表面，从而影响三维重建效果。
发明内容
本公开实施例提供一种点云处理方法和装置、电子设备和存储介质，以解决由于距离采集位置较远的点过于稀疏而难以识别相应部分点云覆盖的物体表面的问题。
本公开实施例的一个方面，提供的一种点云处理方法，包括：
获取针对目标对象采集的点云；
获取所述点云中各预设的单位空间内点的密度；
按照预设方式，基于所述各单位空间内点的密度对相应单位空间内点的尺寸进行放大处理，得到处理后点云；其中，单位空间内点的密度越小，点的尺寸的放大比例越大。
可选地，在基于本公开上述任一实施例的方法中，所述获取所述点云中各预设的单位空间内点的密度之后，还包括：
分别比较各单位空间内点的密度是否小于预设阈值；
所述按照预设方式，基于所述各单位空间内点的密度对相应单位空间内点的尺寸进行放大处理，包括：
针对点的密度小于预设阈值的各第一单位空间，分别所述按照预设方式，基于各所述第一单位空间内点的密度对相应第一单位空间内点的尺寸进行放大处理。
可选地，在基于本公开上述任一实施例的方法中，还包括：
针对点的密度不小于预设阈值的各第二单位空间，按照预设方式，基于各所述第二单位空间内点的密度对相应单位空间内点的尺寸进行缩小处理，得到所述处理后点云。
可选地，在基于本公开上述任一实施例的方法中，所述处理后点云中，任意相邻的两个点之间的不重叠、且任意相邻的两个点之间的距离小于预设距离。
可选地，在基于本公开上述任一实施例的方法中，所述获取针对目标对象采集的点云，包括：获取至少两个视角下针对所述目标对象采集的至少两个点云；
所述获取至少两个视角下针对所述目标对象采集的至少两个点云之后，还包括：
获取采集所述至少两个点云的各点云采集设备的外参矩阵；
分别基于各点云采集设备的外参矩阵，对相应点云采集设备采集的点云进行转换处理，获得全局坐标系下的至少两个点云；
对所述全局坐标系下的至少两个点云中的任意两个相邻点云进行配准，获得任意两个相邻点云之间的变换矩阵；
基于任意两个相邻点云之间的变换矩阵，对相应的两个相邻点云进行变换处理后拼接，获得整体点云；
针对所述整体点云，执行所述获取所述点云中各预设的单位空间内点的密度的操作、以及所述按照预设方式，基于所述各单位空间内点的密度对相应单位空间内点的尺寸进行放大处理的操作，得到处理后的整体点云。
可选地，在基于本公开上述任一实施例的方法中，所述获取针对目标对象采集的点云，包括：获取至少两个视角下针对所述目标对象采集的至少两个点云；
分别针对所述至少两个点云中的各点云，执行所述获取所述点云中各预设的单位空间内点的密度的操作、以及所述按照预设方式，基于所述各单位空间内点的密度对相应单位空间内点的尺寸进行放大处理的操作，得到至少两个处理后点云；
所述得到至少两个处理后点云之后，还包括：
获取采集所述至少两个点云的各点云采集设备的外参矩阵；
分别基于各点云采集设备的外参矩阵，对相应的处理后点云进行转换处理，获得全局坐标系下的至少两个处理后点云；
对所述全局坐标系下的至少两个处理后点云中的任意两个相邻处理后点云进行配准，获得任意两个相邻处理后点云之间的变换矩阵；
基于所述任意两个相邻处理后点云之间的变换矩阵，对相应的两个相邻处理后点云进行变换处理后拼接，得到处理后的整体点云。
可选地，在基于本公开上述任一实施例的方法中，所述得到处理后的整体点云之后，还包括：
使用预设的曲面重建算法，基于所述处理后的整体点云进行三维曲面重建，得到三维全景模型。
可选地，在基于本公开上述任一实施例的方法中，还包括：
响应于接收到观看请求，获取观看点的视角和所述观看点到待观看对象中各点的距离；所述待观看对象包括：所述处理后点云、处理后的整体点云或三维全景模型；
根据所述观看点的视角和所述观看点到所述待观看对象中各点的距离，对所述待观看对象中各点进行缩放处理。
本公开实施例的另一个方面，提供的一种点云处理装置，包括：
第一获取模块，用于获取针对目标对象采集的点云；
第二获取模块，用于获取所述点云中各预设的单位空间内点的密度；
第一处理模块，用于按照预设方式，基于所述各单位空间内点的密度对相应单位空间内点的尺寸进行放大处理，得到处理后点云；其中，单位空间内点的密度越小，点的尺寸的放大比例越大。
可选地，在基于本公开上述任一实施例的方法中，还包括：
比较模块，用于分别比较各单位空间内点的密度是否小于预设阈值；
所述第一处理模块，具体用于：针对点的密度小于预设阈值的各第一单位空间，分别所述按照预设方式，基于各所述第一单位空间内点的密度对相应第一单位空间内点的尺寸进行放大处理。
可选地，在基于本公开上述任一实施例的方法中，所述第一处理模块，还用于：针对点的密度不小于预设阈值的各第二单位空间，按照预设方式，基于各所述第二单位空间内点的密度对相应单位空间内点的尺寸进行缩小处理，得到所述处理后点云。
可选地，在基于本公开上述任一实施例的方法中，所述处理后点云中，任意相邻的两个点之间的不重叠、且任意相邻的两个点之间的距离小于预设距离。
可选地，在基于本公开上述任一实施例的方法中，所述第一获取模块，具体用于：获取至少两个视角下针对所述目标对象采集的至少两个点云；
所述装置还包括：
第三获取模块，用于获取采集所述至少两个点云的各点云采集设备的外参矩阵；
转换处理模块，用于分别基于各点云采集设备的外参矩阵，对相应点云采集设备采集的点云进行转换处理，获得全局坐标系下的至少两个点云；
点云配准模块，用于对所述全局坐标系下的至少两个点云中的任意两个相邻点云进行配准，获得任意两个相邻点云之间的变换矩阵；
拼接模块，用于基于任意两个相邻点云之间的变换矩阵，对相应的两个相邻点云进行变换处理后拼接，获得整体点云；
所述第二获取模块，具体用于：获取所述整体点云中各预设的单位空间内点的密度；
所述第一处理模块，具体用于按照预设方式，基于所述各单位空间内点的密度对相应单位空间内点的尺寸进行放大处理，得到处理后的整体点云。
可选地，在基于本公开上述任一实施例的方法中，所述第一获取模块，具体用于：获取至少两个视角下针对所述目标对象采集的至少两个点云；
所述第二获取模块，具体用于：分别针对所述至少两个点云中的各点云，获取所述点云中各预设的单位空间内点的密度；
所述第一处理模块，具体用于：分别针对所述至少两个点云中的各点云，按照预设方式，基于所述各单位空间内点的密度对相应单位空间内点的尺寸进行放大处理的操作，得到至少两个处理后点云；
所述装置还包括：
第三获取模块，用于获取采集所述至少两个点云的各点云采集设备的外参矩阵；
转换处理模块，用于分别基于各点云采集设备的外参矩阵，对相应的处理后点云进行转换处理，获得全局坐标系下的至少两个处理后点云；
点云配准模块，用于对所述全局坐标系下的至少两个处理后点云中的任意两个相邻处理后点云进行配准，获得任意两个相邻处理后点云之间的变换矩阵；
拼接模块，用于基于所述任意两个相邻处理后点云之间的变换矩阵，对对应的两个相邻处理后点云进行变换处理后拼接，得到处理后的整体点云。
可选地，在基于本公开上述任一实施例的方法中，还包括：
模型构建模块，用于使用预设的曲面重建算法，基于所述处理后的整体点云进行三维曲面重建，得到三维全景模型。
可选地，在基于本公开上述任一实施例的方法中，还包括：
第四获取模块，用于响应于接收到观看请求，获取观看点的视角和所述观看点到待观看对象中各点的距离；所述待观看对象包括：所述处理后点云、处理后的整体点云或三维全景模型；
第二处理模块，用于根据所述观看点的视角和所述观看点到所述待观看对象中各点的距离，对所述待观看对象中各点进行缩放处理。
本公开实施例的又一个方面，提供一种电子设备，包括：
存储器，用于存储计算机程序；
处理器，用于执行所述存储器中存储的计算机程序，且所述计算机程序被执行时，实现本公开上述任一实施例所述的方法。
本公开实施例的再一个方面，提供一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时，实现本公开上述任一实施例所述的方法。
基于本公开上述实施例提供的点云处理方法和装置、电子设备和存储介质，获取针对目标对象采集的点云后，获取所述点云中各预设的单位空间内点的密度，然后，按照预设方式，基于所述各单位空间内点的密度对相应单位空间内点的尺寸进行放大处理，这样，可以减少点云中不同点之间的空隙，其中，单位空间内点的密度越小，点的尺寸的放大比例越大，这样对距离采集位置越远的点的放大比例越大，使得距离采集位置较远的点可以有效覆盖对应的物体表面，当移动视角(与拍摄视角不同)查看三维点云时可以有效辨识距离采集位置较远的点覆盖的物体表面，解决了由于距离采集位置较远的点过于稀疏而难以识别相应部分点云覆盖的物体表面的问题，提高了三维重建效果。另外，单位空间内点的密度越小，点的尺寸的放大比例越大，与采集位置距离不同的点放大比例不同，使得距离采集位置越远的点尺寸越大，既不会由于点与点之间的空隙过大而难以覆盖相应物体表面、从而无法识别物体的轮廓和颜色，也不会由于点与点之间相互重叠导致其覆盖的物体表面色彩重叠、从而影响视觉效果，可以更合理、真实的表达目标空间分布和目标表面特性，从而提高三维重建效果。
下面通过附图和实施例，对本公开的技术方案做进一步的详细描述。
附图说明
构成说明书的一部分的附图描述了本公开的实施例，并且连同描述一起用于解释本公开的原理。
参照附图，根据下面的详细描述，可以更加清楚地理解本公开，其中：
图1为本公开点云处理方法一个实施例的流程图。
图2a为一个示例中采用深度摄像机采集的点云。
图2b为对图2a所示点云中点的尺寸进行放大处理后得到的处理后点云。
图3为本公开点云处理方法另一个实施例的流程图。
图4为本公开点云处理方法又一个实施例的流程图。
图5为本公开点云处理方法再一个实施例的流程图。
图6为本公开点云处理装置一个实施例的结构示意图。
图7为本公开点云处理装置另一个实施例的结构示意图。
图8为本公开点云处理装置又一个实施例的结构示意图。
图9为本公开电子设备一个实施例的结构示意图。
具体实施方式
现在将参照附图来详细描述本公开的各种示例性实施例。应注意到：除非另外具体说明，否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本公开的范围。
本领域技术人员可以理解，本公开实施例中的“第一”、“第二”等术语仅用于区别不同步骤、设备或模块等，既不代表任何特定技术含义，也不表示它们之间的必然逻辑顺序。
还应理解，在本公开实施例中，“多个”可以指两个或两个以上，“至少一个”可以指一个、两个或两个以上。
还应理解，对于本公开实施例中提及的任一部件、数据或结构，在没有明确限定或者在前后文给出相反启示的情况下，一般可以理解为一个或多个。
另外，本公开中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本公开中字符“/”，一般表示前后关联对象是一种“或”的关系。
还应理解，本公开对各个实施例的描述着重强调各个实施例之间的不同之处，其相同或相似之处可以相互参考，为了简洁，不再一一赘述。
同时，应当明白，为了便于描述，附图中所示出的各个部分的尺寸并不是按照实际的比例关系绘制的。
以下对至少一个示例性实施例的描述实际上仅仅是说明性的，决不作为对本公开及其应用或使用的任何限制。
对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论，但在适当情况下，所述技术、方法和设备应当被视为说明书的一部分。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步讨论。
本公开实施例可以应用于终端设备、计算机系统、服务器等电子设备，其可与众多其它通用或专用计算系统环境或配置一起操作。适于与终端设备、计算机系统、服务器等电子设备一起使用的众所周知的终端设备、计算系统、环境和/或配置的例子包括但不限于：个人计算机系统、服务器计算机系统、瘦客户机、厚客户机、手持或膝上设备、基于微处理器的系统、机顶盒、可编程消费电子产品、网络个人电脑、小型计算机系统﹑大型计算机系统和包括上述任何系统的分布式云计算技术环境，等等。
终端设备、计算机系统、服务器等电子设备可以在由计算机系统执行的计算机系统可执行指令(诸如程序模块)的一般语境下描述。通常，程序模块可以包括例程、程序、目标程序、组件、逻辑、数据结构等等，它们执行特定的任务或者实现特定的抽象数据类型。计算机系统/服务器可以在分布式云计算环境中实施，分布式云计算环境中，任务是由通过通信网络链接的远程处理设备执行的。在分布式云计算环境中，程序模块可以位于包括存储设备的本地或远程计算系统存储介质上。
图1为本公开点云处理方法一个实施例的流程图。如图1所示，该实施例的点云处理方法包括：
102，获取针对目标对象采集的点云。
其中，点云可以由三维坐标系统中的一组向量的集合来表示，主要用来代表一个物体的外表面形状。点云本身除了可以包括对应于目标对象上各目标点的三维坐标(x，y，z)位置信息外，还可以进一步包括：对应于目标对象上各目标点的红绿蓝(RGB)颜色信息、灰度值、深度信息、分割结果等任意一项或多项。
其中，所述点云可以是通过点云采集设备采集得到的原始点云，也可以是将至少两个点云采集设备针对同一目标对象采集的多个点云进行拼接得到的点云，本公开实施例对至少两个点云的获取方式不做限制。
在本公开其中一些可能的实现方式中，上述点云采集设备可以有多种，例如颜色和深度(RGBD)设备、2D/3D激光雷达、立体摄像头、ToF摄像头、结构光摄像头等，其采集的点云可以包括深度信息和RGB颜色信息。本公开实施例对采集设备的具体实现方式不做限制。
在其中一些可能的实现方式中，其中的目标对象可以是客厅、卧室、餐厅、厨房、卫生间等，相应地，点云可以是客厅、卧室、餐厅、厨房、卫生间等的三维结构点云图，客厅、卧室、餐厅、厨房、卫生间等目标对象上的一个点可以称为目标点。本公开实施例可以针对任意目标对象执行，对具体目标对象不做限制。
104，获取所述点云中各预设的单位空间内点的密度。
其中，点的密度与该点表示的物体表面的点的位置与点云采集设备的采集位置之间的距离、以及物体表面的法线方向相关。在采集位置与该点之间的直线方向、以及该点表示的物体表面的法线方向确定的情况下，与点云采集设备的采集位置之间的距离越大，点的密度越小；与点云采集设备的采集位置之间的距离越小，点的密度越大。本公开实施例中的单位空间的具体大小可以根据实际场景需求设置，并可以根据实际需求实时调整，本公开实施例对预设的单位空间的大小不做限制。
106，按照预设方式，基于所述各单位空间内点的密度对相应单位空间内点的尺寸进行放大处理，得到处理后点云。
其中，单位空间内点的密度越小，点的尺寸的放大比例越大。
例如，在其中一些可能的实现方式中，针对目标对象采集的点云中的点都是大小(即尺寸)一致的点，如图2a所示，为采用深度摄像机针对包括item1和item2两个对象的目标对象采集的点云，其中各点的大小一致。由于深度摄像机所在的采集位置与item1、item2之间的采集距离不同，导致点云中点的密度不同，距离深度摄像机越近点的密度越大、距离深度摄像机越远点的密度越小，这样，从图2a中观看视觉的位置查看该点云时，由于距离深度摄像机较远的用于表示item2表面的点过于稀疏而难以识别item2的物体表面。基于本公开实施例，可以将距离深度摄像机较远的用于表示item2表面的点的尺寸放大，其中，距离深度摄像机越远的点的尺寸放大比例越大，距离深度摄像机较近(例如小于预设采集距离)的点的尺寸可以保持不变或者缩小。如图2b所示，为对图2a所示点云中点的尺寸进行放大处理后得到的处理后点云。
基于本公开上述实施例提供的点云处理方法，获取针对目标对象采集的点云后，获取所述点云中各预设的单位空间内点的密度，然后，按照预设方式，基于所述各单位空间内点的密度对相应单位空间内点的尺寸进行放大处理，这样，可以减少点云中不同点之间的空隙，其中，单位空间内点的密度越小，点的尺寸的放大比例越大，这样对距离采集位置越远的点的放大比例越大，使得距离采集位置较远的点可以有效覆盖对应的物体表面，当移动视角(与拍摄视角不同)查看三维点云时可以有效辨识距离采集位置较远的点覆盖的物体表面，解决了由于距离采集位置较远的点过于稀疏而难以识别相应部分点云覆盖的物体表面的问题，提高了三维重建效果。另外，单位空间内点的密度越小，点的尺寸的放大比例越大，与采集位置距离不同的点放大比例不同，使得距离采集位置越远的点尺寸越大，既不会由于点与点之间的空隙过大而难以覆盖相应物体表面、从而无法识别物体的轮廓和颜色，也不会由于点与点之间相互重叠导致其覆盖的物体表面色彩重叠、从而影响视觉效果，可以更合理、真实的表达目标空间分布和目标表面特性，从而提高三维重建效果。
可选地，在其中一些可能的实现方式中，操作102中，可以通过颜色和深度(RGBD)设备、2D/3D激光雷达、立体摄像头、ToF摄像头、结构光摄像头等，采集目标对象的深度信息，得到一张二维的深度(Depth)图，深度图是包含与观看点(即视点)的目标对象的表面的距离有关的信息的图像或图像通道。深度图类似于灰度图像，深度图中的每个像素代表空间(目标对象)中的一个点，像素位置代表空间中的点在图像上透视的相对位置，像素颜色(即像素值)代表深度的大小，深度图中的每个像素值是点云采集设备(即采集位置)距离目标对象的表面上对应的一个目标点的实际距离(L)，每个像素值占用一个短(short)长度来存储点云采集设备到对应的一个目标点的距离。在深度图中，近处的物体(即距离点云采集设备距离较小的物体)呈现的像素点的密度更大，而远处的物体像素点密度更小。根据深度图，可以在虚拟的三维空间内建立点云模型，将深度图的每个像素点“摆放”至虚拟的三维空间当中，即得到相应的点云。
图3为本公开点云处理方法另一个实施例的流程图。如图3所示，该实施例的点云处理方法包括：
202，获取针对目标对象采集的点云。
204，获取所述点云中各预设的单位空间内点的密度。
206，分别比较各单位空间内点的密度是否小于预设阈值。
针对点的密度小于预设阈值的各第一单位空间，执行操作208。
208，分别所述按照预设方式，基于各所述第一单位空间内点的密度对相应第一单位空间内点的尺寸进行放大处理，得到处理后点云。
其中，单位空间内点的密度越小，点的尺寸的放大比例越大。
在本公开任一实施例的其中一些实施方式中，操作106中，可以将点的密度划分为多个区间分别设置相应的尺寸放大比例，基于操作104获取的每个点的密度所属的区间来确定其尺寸放大比例，然后按照该确定的尺寸放大比例对各点的尺寸进行放大处理。例如，可以设置密度区间【a，b】、(b，c】、(c，d】、(d，e】、(e，f】对应的尺寸放大比例k的取值分别为A、B、C、D、E，所属预设阈值为f，即，对点的密度小于预设阈值f的单位空间中点的尺寸进行放大处理，对密度小于f的点的尺寸进行放大处理。其中，a、b、c、d、e分别为大于0的数值，且a<b<c<d<e，A、B、C、D、E分别为大于1的数值，且A>B>C>D>E。
另外，再参见图3，在进一步实施例中，针对点的密度不小于预设阈值的各第二单位空间，可以对其相应单位空间内点的尺寸进行缩放处理，或者也可以通过操作210，按照预设方式，基于各所述第二单位空间内点的密度对相应单位空间内点的尺寸进行缩小处理，得到处理后点云。
其中，可以设置点的密度越大，缩小比例越大，由此可以避免由于点与点之间相互重叠导致其覆盖的物体表面色彩重叠、从而影响视觉效果，可以更合理、真实的表达目标空间分布和目标表面特性，从而提高三维重建效果。
在本公开任一实施例的其中一些实施方式中，操作106中，按照预设方式，对相应单位空间内点的尺寸进行放大处理后，使得所述处理后点云中，任意相邻的两个点之间的不重叠、且任意相邻的两个点之间的距离小于预设距离。
这样，既不会由于点与点之间的空隙过大而难以覆盖相应物体表面、从而无法识别物体的轮廓和颜色，也不会由于点与点之间相互重叠导致其覆盖的物体表面色彩重叠、从而影响视觉效果，可以更合理、真实的表达目标空间分布和目标表面特性，从而提高三维重建效果。
另外，在本公开实施例中，如果从不同位置和/或不同时刻采集了同一目标对象的多个点云，还可以对同一目标对象的多个点云进行拼接，该拼接操作可以在对点的尺寸进行放大处理(对应于操作104-106或208)之前执行，也可以在对点的尺寸进行放大处理(对应于操作106或208)之后执行，其中，多个点云可以是至少两个点云采集设备(例如，三个、六个点云采集设备等等)针对同一目标对象在至少两个视角下采集的至少两个点云，也可以是控制同一个点云采集设备通过旋转等方式，针对同一目标对象在至少两个视角下采集的至少两个点云，本公开实施例对此不作限制。
图4为本公开点云处理方法又一个实施例的流程图。该实施例示出了在对点的尺寸进行放大处理之前进行点云拼接的实施例，如图4所示，该实施例的点云处理方法包括：
302，通过至少一个点云采集设备，获取至少两个视角下和/或不同时刻针对目标对象采集的至少两个点云。
304，获取各点云采集设备的外参矩阵。
外参矩阵用于将每个点云采集设备从相机坐标系转换到全局坐标系。
306，分别基于各点云采集设备的外参矩阵，对相应点云采集设备采集的点云进行转换处理，获得全局坐标系下的至少两个点云。
在获得点云后，需要确定点云采集设备采集的点云的全局坐标，才能将至少两个点云配准融合以重建完整的三维全景模型。本公开实施例中，获取采集设备的外参矩阵，基于外参矩阵对与此点云采集设备采集的点云进行转换处理，可获得位于全局坐标系下的点云。此外参矩阵可以预先通过测试获得，可以为该点云采集设备所在点位的初始位姿矩阵。
308，对所述全局坐标系下的至少两个点云中的任意两个相邻点云进行配准，获得任意两个相邻点云之间的变换矩阵。
在其中一些可能的实现方式中，可以采用预设配准算法，对任意两个相邻点云进行配准，其中的配准算法可以有多种，例如可以采用迭代最近点(Iterative ClosestPoints，ICP)算法等。本公开实施例对点云配准算法和具体实现方式不做限制。
在通过ICP算法对点云进行配准处理时，由于ICP算法对点云的初始位姿依赖很大，对位于不同拍摄点的点云采集设备采集的点云进行点云配准前，可以由用户先手动设置每个点云的放置位置，提供相对准确的初始位姿矩阵，该初始位姿矩阵是点云采集设备在全局坐标系下的外参矩阵，从而提高点云配准结果的准确性。
310，基于任意两个相邻点云之间的变换矩阵，对相应的任意两个相邻点云进行变换处理后拼接，获得整体点云。
312，获取所述整体点云中各预设的单位空间内点的密度。
314，按照预设方式，基于各单位空间内点的密度对相应单位空间内点的尺寸进行放大处理，得到处理后的整体点云。
其中，单位空间内点的密度越小，点的尺寸的放大比例越大。
例如，可以针对点的密度小于预设阈值的各第一单位空间，按照预设方式，基于各单位空间内点的密度对相应单位空间内点的尺寸进行放大处理。
基于本实施例，可以对至少两个视角下针对所述目标对象采集的至少两个点云进行配准和拼接，以累积的方式组合成较大(例如，整个单元)的整体点云，也可以对不同时刻采集的点云进行配准和拼接，组合到之前采集的较大点云中，得到一个大的整体点云以用于重建三维全景模型，再基于各单位空间内点的密度对相应单位空间内点的尺寸进行放大处理，从而针对一个点云执行操作312-314即可，可以提高处理效率。
图5为本公开点云处理方法再一个实施例的流程图。该实施例示出了在对点的尺寸进行放大处理之后进行点云拼接的实施例，如图5所示，该实施例的点云处理方法包括：
402，通过至少一个点云采集设备，获取至少两个视角下和/或不同时刻针对目标对象采集的至少两个点云。
分别针对所述至少两个点云中的各点云，执行操作404-406。
404，获取所述点云中各预设的单位空间内点的密度。
406，按照预设方式，基于各单位空间内点的密度对相应单位空间内点的尺寸进行放大处理，得到至少两个处理后点云。
其中，单位空间内点的密度越小，点的尺寸的放大比例越大。
例如，可以针对点的密度小于预设阈值的各第一单位空间，按照预设方式，基于各单位空间内点的密度对相应单位空间内点的尺寸进行放大处理。
408，获取各点云采集设备的外参矩阵。
外参矩阵用于将每个点云采集设备从相机坐标系转换到全局坐标系。
410，分别基于各点云采集设备的外参矩阵，对相应的处理后点云进行转换处理，获得所述至少两个点云对应的全局坐标系下的至少两个处理后点云。
在获得点云后，需要确定点云采集设备采集的点云的全局坐标，才能将至少两个点云配准融合以重建完整的三维全景模型。本公开实施例中，获取采集设备的外参矩阵，基于外参矩阵对与此点云采集设备采集的点云进行转换处理，可获得位于全局坐标系下的点云。此外参矩阵可以预先通过测试获得，可以为该点云采集设备所在点位的初始位姿矩阵。
412，对全局坐标系下的至少两个处理后点云中的任意两个相邻处理后点云进行配准，获得任意两个相邻处理后点云之间的变换矩阵。
在其中一些可能的实现方式中，可以采用预设配准算法，对任意两个相邻处理后点云进行配准，其中的配准算法可以有多种，例如可以采用ICP算法等。本公开实施例对点云配准算法和具体实现方式不做限制。
414，基于任意两个相邻处理后点云之间的变换矩阵，对相应的两个相邻处理后点云进行变换处理后拼接，得到处理后的整体点云。
基于本公开实施例，可以分别针对在至少两个视角下和/或不同时刻针对所述目标对象采集的至少两个点云，基于各单位空间内点的密度对相应单位空间内点的尺寸进行放大处理，然后再进行配准和拼接，得到一个大的整体点云，以用于重建三维全景模型。
另外，在上述图4或图5所示实施例中，可以在操作308或412进行点云配准前，对位于全局坐标系下的至少两个点云或处理后点云进行优化处理，其中的优化处理例如可以包括但不限于：去噪、点云空洞修补等处理。可以采用多种预设方法进行去噪、点云空洞修补等处理。其中，去噪处理为对点云通过滤波消除孤立的噪声点和毛刺，突出点云的特征信息。对于经过滤波去噪后的点云，确定点云的内外边缘，确定内边缘为空洞边缘，进行空洞边缘提取。点云空洞修补为在提取的空洞边缘内部，利用局部邻域信息进行空洞修补。
基于本实施例，进行点云配准前，对位于全局坐标系下的点云进行优化处理，可以减少了噪声点的影响、突出点云的特征信息，并使得点云密度更加均匀、外观轮廓更加平滑，从而提高点云配准的精确性和准确性。
另外，在上述图4或图5所示实施例中，还可以在操作308或412进行点云配准前，分别对各点云中的点进行采样，得到所述至少两个点云或处理后点云中的多个采样点。例如，可以采用向下采样算法(如体素网格向下采样算法)，分别提取各点云中的关键点，点云中的关键点包含可以表示点云的形状和空间特征的位置处的点。相应地，操作308或412中，可以基于两个相邻点云或处理后点云中各采样点的三维坐标位置信息和法线信息、或进一步结合颜色信息，对所述两个相邻点云或处理后点云进行配准。
本实施例分别对各两个点云中的点进行采样，基于各采样点的三维坐标位置信息和法线信息、或进一步结合颜色信息，对所述两个相邻点云或处理后点云进行配准，在保留原始点云信息的同时，精简了点云数量，从而提高了点云配准的速度和效率，大大缩短了点云配准时间。
进一步地，基于上述图4或图5所示实施例得到处理后的整体点云后，还可以使用预设的曲面重建算法，基于所述处理后的整体点云进行三维曲面重建，得到三维全景模型。
其中，基于整体点云构建三维全景模型可以使用多种方法。例如，在其中一些可能的实现方式中，可以使用预设的曲面重建算法，基于所述放大处理的整体点云进行三维曲面重建，获得三维全景模型。其中的曲面重建算法例如可以是泊松(poisson)曲面重建算法，或者也可以采用其他曲面重建算法；所述三维全景模型可以是多边形网格全景模型或者其他三维全景模型。例如，本公开实施例使用泊松曲面重建算法进行三维曲面重建，获得三角网格模型。本公开实施例对采用的曲面重建算法和重建的具体三维全景模型不做限制。
进一步地，在上述任一实施例中，得到处理后点云、处理后的整体点云或三维全景模型等对象后，用户可以观看这些对象。
在本公开任一实施例的其中一些实施方式中，响应于接收到观看请求，获取观看点的视角和所述观看点到待观看对象中各点的距离，其中的所述待观看对象可以包括：所述处理后点云、处理后的整体点云或三维全景模型，还可以是本公开上述实施例中的其他任意对象，例如对点的尺寸进行放大处理前的原始点云；根据所述观看点的视角和所述观看点到所述待观看对象中各点的距离，对待观看对象中各点进行缩放处理。
基于本实施例，可以基于用户发送的观看请求后，获取观看点的视角和所述观看点到待观看对象中各点的距离，根据所述观看点的视角和所述观看点到所述待观看对象中各点的距离，对待观看对象中各点进行缩放处理，从而实现对待观看对象的显示效果。
本公开实施例提供的任一种点云处理方法可以由任意适当的具有数据处理能力的设备执行，包括但不限于：终端设备和服务器等。或者，本公开实施例提供的任一种点云处理方法可以由处理器执行，如处理器通过调用存储器存储的相应指令来执行本公开实施例提及的任一种点云处理方法。下文不再赘述。
本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于一计算机可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
图6为本公开点云处理装置一个实施例的结构示意图。该实施例的点云处理装置可用于实现本公开上述各点云处理方法实施例。如图6所示，该实施例的点云处理装置包括：第一获取模块，第二获取模块和第一处理模块。其中：
第一获取模块，用于获取针对目标对象采集的点云。
第二获取模块，用于获取所述点云中各预设的单位空间内点的密度。
第一处理模块，用于按照预设方式，基于所述各单位空间内点的密度对相应单位空间内点的尺寸进行放大处理，得到处理后点云；其中，单位空间内点的密度越小，点的尺寸的放大比例越大。
基于本公开上述实施例提供的点云处理装置，获取针对目标对象采集的点云后，获取所述点云中各预设的单位空间内点的密度，然后，按照预设方式，基于所述各单位空间内点的密度对相应单位空间内点的尺寸进行放大处理，这样，可以减少点云中不同点之间的空隙，其中，单位空间内点的密度越小，点的尺寸的放大比例越大，这样对距离采集位置越远的点的放大比例越大，使得距离采集位置较远的点可以有效覆盖对应的物体表面，当移动视角(与拍摄视角不同)查看三维点云时可以有效辨识距离采集位置较远的点覆盖的物体表面，解决了由于距离采集位置较远的点过于稀疏而难以识别相应部分点云覆盖的物体表面的问题，提高了三维重建效果。另外，单位空间内点的密度越小，点的尺寸的放大比例越大，与采集位置距离不同的点放大比例不同，使得距离采集位置越远的点尺寸越大，既不会由于点与点之间的空隙过大而难以覆盖相应物体表面、从而无法识别物体的轮廓和颜色，也不会由于点与点之间相互重叠导致其覆盖的物体表面色彩重叠、从而影响视觉效果，可以更合理、真实的表达目标空间分布和目标表面特性，从而提高三维重建效果。
在本公开任一实施例的其中一些实施方式中，所述处理后点云中，任意相邻的两个点之间的不重叠、且任意相邻的两个点之间的距离小于预设距离。
图7为本公开点云处理装置另一个实施例的结构示意图。如图7所示，与图6所示的实施例相比，该实施例的点云处理装置还包括：比较模块，用于分别比较各单位空间内点的密度是否小于预设阈值。相应地，该实施例中，所述第一处理模块，具体用于：针对点的密度小于预设阈值的各第一单位空间，分别所述按照预设方式，基于各所述第一单位空间内点的密度对相应第一单位空间内点的尺寸进行放大处理。
另外，在本公开点云处理装置的又一个实施例中，所述第一处理模块，还可用于：针对点的密度不小于预设阈值的各第二单位空间，按照预设方式，基于各所述第二单位空间内点的密度对相应单位空间内点的尺寸进行缩小处理，得到所述处理后点云。
另外，在上述任一实施例中，所述第一获取模块，具体用于：获取至少两个视角下针对所述目标对象采集的至少两个点云。该第一获取模块可以包括至少一个点云采集设备，在不同位置和/或时刻针对同一目标对象采集得到至少两个点云；或者，可以利用至少一个点云采集设备，在不同位置和/或时刻针对同一目标对象采集得到至少两个点云，所述第一获取模块从所述至少一个点云采集设备获取采集得到的所述至少两个点云。
再参见图7，在本公开点云处理装置的又一个实施例中，还可以包括：第三获取模块，转换处理模块，点云配准模块和拼接模块。
如图7所示，在其中一些可能的实现方式中，第三获取模块，用于获取采集所述至少两个点云的各点云采集设备的外参矩阵。转换处理模块，用于分别基于各点云采集设备的外参矩阵，对相应点云采集设备采集的点云进行转换处理，获得全局坐标系下的至少两个点云。点云配准模块，用于对所述全局坐标系下的至少两个点云中的任意两个相邻点云进行配准，获得任意两个相邻点云之间的变换矩阵。拼接模块，用于基于任意两个相邻点云之间的变换矩阵，对相应的两个相邻点云进行变换处理后拼接，获得整体点云。相应地，该实施例中，所述第二获取模块，具体用于：获取所述整体点云中各预设的单位空间内点的密度。所述第一处理模块，具体用于按照预设方式，基于所述各单位空间内点的密度对相应单位空间内点的尺寸进行放大处理，得到处理后的整体点云。
如图8所示，在其中一些可能的实现方式中，所述第二获取模块，具体用于：分别针对所述至少两个点云中的各点云，获取所述点云中各预设的单位空间内点的密度。所述第一处理模块，具体用于：分别针对所述至少两个点云中的各点云，按照预设方式，基于所述各单位空间内点的密度对相应单位空间内点的尺寸进行放大处理的操作，得到至少两个处理后点云。第三获取模块，用于获取采集所述至少两个点云的各点云采集设备的外参矩阵。转换处理模块，用于分别基于各点云采集设备的外参矩阵，对相应的处理后点云进行转换处理，获得全局坐标系下的至少两个处理后点云。点云配准模块，用于对所述全局坐标系下的至少两个处理后点云中的任意两个相邻处理后点云进行配准，获得任意两个相邻处理后点云之间的变换矩阵。拼接模块，用于基于所述任意两个相邻处理后点云之间的变换矩阵，对相应的两个相邻处理后点云进行变换处理后拼接，得到处理后的整体点云。
另外，再参见图7或图8，在本公开点云处理装置的再一个实施例中，还可以包括：模型构建模块，用于使用预设的曲面重建算法，基于所述处理后的整体点云进行三维曲面重建，得到三维全景模型。
另外，再参见图7或图8，在本公开点云处理装置的上述各实施例中，还可以包括：第四获取模块和第二处理模块。其中：
第四获取模块，用于响应于接收到观看请求，获取观看点的视角和所述观看点到待观看对象中各点的距离；所述待观看对象包括：所述处理后点云、处理后的整体点云或三维全景模型。
第二处理模块，用于根据所述观看点的视角和所述观看点到所述待观看对象中各点的距离，对所述待观看对象中各点进行缩放处理。
另外，本公开实施例还提供了一种电子设备，包括：
存储器，用于存储计算机程序；
处理器，用于执行所述存储器中存储的计算机程序，且所述计算机程序被执行时，实现本公开上述任一实施例所述的点云处理方法。
下面，参考图9来描述根据本公开实施例的电子设备。该电子设备可以是第一设备和第二设备中的任一个或两者、或与它们独立的单机设备，该单机设备可以与第一设备和第二设备进行通信，以从它们接收所采集到的输入信号。
图9图示了根据本公开实施例的电子设备的框图。
如图9所示，电子设备包括一个或多个处理器和存储器。
处理器可以是中央处理单元(CPU)或者具有数据处理能力和/或指令执行能力的其他形式的处理单元，并且可以控制电子设备中的其他组件以执行期望的功能。
存储器可以包括一个或多个计算机程序产品，所述计算机程序产品可以包括各种形式的计算机可读存储介质，例如易失性存储器和/或非易失性存储器。所述易失性存储器例如可以包括随机存取存储器(RAM)和/或高速缓冲存储器(cache)等。所述非易失性存储器例如可以包括只读存储器(ROM)、硬盘、闪存等。在所述计算机可读存储介质上可以存储一个或多个计算机程序指令，处理器可以运行所述程序指令，以实现上文所述的本公开的各个实施例的点云处理方法以及/或者其他期望的功能。
在一个示例中，电子设备还可以包括：输入装置和输出装置，这些组件通过总线系统和/或其他形式的连接机构(未示出)互连。
此外，该输入装置还可以包括例如键盘、鼠标等等。该输出装置可以向外部输出各种信息，包括确定出的距离信息、方向信息等。该输出装置可以包括例如显示器、扬声器、打印机、以及通信网络及其所连接的远程输出装置等等。
当然，为了简化，图9中仅示出了该电子设备中与本公开有关的组件中的一些，省略了诸如总线、输入/输出接口等等的组件。除此之外，根据具体应用情况，电子设备还可以包括任何其他适当的组件。
除了上述方法和设备以外，本公开的实施例还可以是计算机程序产品，其包括计算机程序指令，所述计算机程序指令在被处理器运行时使得所述处理器执行本说明书上述部分中描述的根据本公开各种实施例的点云处理方法中的步骤。
所述计算机程序产品可以以一种或多种程序设计语言的任意组合来编写用于执行本公开实施例操作的程序代码，所述程序设计语言包括面向对象的程序设计语言，诸如Java、C++等，还包括常规的过程式程序设计语言，诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。
此外，本公开的实施例还可以是计算机可读存储介质，其上存储有计算机程序指令，所述计算机程序指令在被处理器运行时使得所述处理器执行本说明书上述部分中描述的根据本公开各种实施例的点云处理方法中的步骤。
所述计算机可读存储介质可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以包括但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
以上结合具体实施例描述了本公开的基本原理，但是，需要指出的是，在本公开中提及的优点、优势、效果等仅是示例而非限制，不能认为这些优点、优势、效果等是本公开的各个实施例必须具备的。另外，上述公开的具体细节仅是为了示例的作用和便于理解的作用，而非限制，上述细节并不限制本公开为必须采用上述具体的细节来实现。
本说明书中各个实施例均采用递进的方式描述，每个实施例重点说明的都是与其它实施例的不同之处，各个实施例之间相同或相似的部分相互参见即可。对于系统实施例而言，由于其与方法实施例基本对应，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
本公开中涉及的器件、装置、设备、系统的方框图仅作为例示性的例子并且不意图要求或暗示必须按照方框图示出的方式进行连接、布置、配置。如本领域技术人员将认识到的，可以按任意方式连接、布置、配置这些器件、装置、设备、系统。诸如“包括”、“包含”、“具有”等等的词语是开放性词汇，指“包括但不限于”，且可与其互换使用。这里所使用的词汇“或”和“和”指词汇“和/或”，且可与其互换使用，除非上下文明确指示不是如此。这里所使用的词汇“诸如”指词组“诸如但不限于”，且可与其互换使用。
可能以许多方式来实现本公开的方法和装置。例如，可通过软件、硬件、固件或者软件、硬件、固件的任何组合来实现本公开的方法和装置。用于所述方法的步骤的上述顺序仅是为了进行说明，本公开的方法的步骤不限于以上具体描述的顺序，除非以其它方式特别说明。此外，在一些实施例中，还可将本公开实施为记录在记录介质中的程序，这些程序包括用于实现根据本公开的方法的机器可读指令。因而，本公开还覆盖存储用于执行根据本公开的方法的程序的记录介质。
还需要指出的是，在本公开的装置、设备和方法中，各部件或各步骤是可以分解和/或重新组合的。这些分解和/或重新组合应视为本公开的等效方案。
提供所公开的方面的以上描述以使本领域的任何技术人员能够做出或者使用本公开。对这些方面的各种修改对于本领域技术人员而言是非常显而易见的，并且在此定义的一般原理可以应用于其他方面而不脱离本公开的范围。因此，本公开不意图被限制到在此示出的方面，而是按照与在此公开的原理和新颖的特征一致的最宽范围。
为了例示和描述的目的已经给出了以上描述。此外，此描述不意图将本公开的实施例限制到在此公开的形式。尽管以上已经讨论了多个示例方面和实施例，但是本领域技术人员将认识到其某些变型、修改、改变、添加和子组合。
Claims (10)
1.一种点云处理方法，其特征在于，包括：
获取针对目标对象采集的点云；
获取所述点云中各预设的单位空间内点的密度；
按照预设方式，基于所述各单位空间内点的密度对相应单位空间内点的尺寸进行放大处理，得到处理后点云；其中，单位空间内点的密度越小，点的尺寸的放大比例越大。
2.根据权利要求1所述的方法，其特征在于，所述获取所述点云中各预设的单位空间内点的密度之后，还包括：
分别比较各单位空间内点的密度是否小于预设阈值；
所述按照预设方式，基于所述各单位空间内点的密度对相应单位空间内点的尺寸进行放大处理，包括：
针对点的密度小于预设阈值的各第一单位空间，分别所述按照预设方式，基于各所述第一单位空间内点的密度对相应第一单位空间内点的尺寸进行放大处理。
3.根据权利要求2所述的方法，其特征在于，还包括：
针对点的密度不小于预设阈值的各第二单位空间，按照预设方式，基于各所述第二单位空间内点的密度对相应单位空间内点的尺寸进行缩小处理，得到所述处理后点云。
4.根据权利要求1-3任一所述的方法，其特征在于，所述处理后点云中，任意相邻的两个点之间的不重叠、且任意相邻的两个点之间的距离小于预设距离。
5.根据权利要求1-4任一所述的方法，其特征在于，所述获取针对目标对象采集的点云，包括：获取至少两个视角下针对所述目标对象采集的至少两个点云；
所述获取至少两个视角下针对所述目标对象采集的至少两个点云之后，还包括：
获取采集所述至少两个点云的各点云采集设备的外参矩阵；
分别基于各点云采集设备的外参矩阵，对相应点云采集设备采集的点云进行转换处理，获得全局坐标系下的至少两个点云；
对所述全局坐标系下的至少两个点云中的任意两个相邻点云进行配准，获得任意两个相邻点云之间的变换矩阵；
基于任意两个相邻点云之间的变换矩阵，对相应的两个相邻点云进行变换处理后拼接，获得整体点云；
针对所述整体点云，执行所述获取所述点云中各预设的单位空间内点的密度的操作、以及所述按照预设方式，基于所述各单位空间内点的密度对相应单位空间内点的尺寸进行放大处理的操作，得到处理后的整体点云。
6.根据权利要求1-4任一所述的方法，其特征在于，所述获取针对目标对象采集的点云，包括：获取至少两个视角下针对所述目标对象采集的至少两个点云；
分别针对所述至少两个点云中的各点云，执行所述获取所述点云中各预设的单位空间内点的密度的操作、以及所述按照预设方式，基于所述各单位空间内点的密度对相应单位空间内点的尺寸进行放大处理的操作，得到至少两个处理后点云；
所述得到至少两个处理后点云之后，还包括：
获取采集所述至少两个点云的各点云采集设备的外参矩阵；
分别基于各点云采集设备的外参矩阵，对相应的处理后点云进行转换处理，获得全局坐标系下的至少两个处理后点云；
对所述全局坐标系下的至少两个处理后点云中的任意两个相邻处理后点云进行配准，获得任意两个相邻处理后点云之间的变换矩阵；
基于所述任意两个相邻处理后点云之间的变换矩阵，对相应的两个相邻处理后点云进行变换处理后拼接，得到处理后的整体点云。
7.根据权利要求1-6任一所述的方法，其特征在于，还包括：
响应于接收到观看请求，获取观看点的视角和所述观看点到待观看对象中各点的距离；所述待观看对象包括：所述处理后点云、处理后的整体点云或三维全景模型；
根据所述观看点的视角和所述观看点到所述待观看对象中各点的距离，对所述待观看对象中各点进行缩放处理。
8.一种点云处理装置，其特征在于，包括：
第一获取模块，用于获取针对目标对象采集的点云；
第二获取模块，用于获取所述点云中各预设的单位空间内点的密度；
第一处理模块，用于按照预设方式，基于所述各单位空间内点的密度对相应单位空间内点的尺寸进行放大处理，得到处理后点云；其中，单位空间内点的密度越小，点的尺寸的放大比例越大。
9.一种电子设备，其特征在于，包括：
存储器，用于存储计算机程序；
处理器，用于执行所述存储器中存储的计算机程序，且所述计算机程序被执行时，实现上述权利要求1-7任一所述的方法。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时，实现上述权利要求1-7任一所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010231048.9A CN111429568B (zh) | 2020-03-27 | 2020-03-27 | 点云处理方法和装置、电子设备和存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010231048.9A CN111429568B (zh) | 2020-03-27 | 2020-03-27 | 点云处理方法和装置、电子设备和存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111429568A true CN111429568A (zh) | 2020-07-17 |
| CN111429568B CN111429568B (zh) | 2023-06-06 |
Family
ID=71551697
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010231048.9A Active CN111429568B (zh) | 2020-03-27 | 2020-03-27 | 点云处理方法和装置、电子设备和存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111429568B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113362446A (zh) * | 2021-05-25 | 2021-09-07 | 上海奥视达智能科技有限公司 | 基于点云数据重建对象的方法及装置 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5822466A (en) * | 1993-05-27 | 1998-10-13 | Max-Planck-Gesselschaft Zur Forderburg Der Wissenschaften E. V | Method and means of spatial filtering |
| US20160027178A1 (en) * | 2014-07-23 | 2016-01-28 | Sony Corporation | Image registration system with non-rigid registration and method of operation thereof |
| CN107767375A (zh) * | 2017-11-02 | 2018-03-06 | 广东电网有限责任公司电力科学研究院 | 一种点云质量评估方法及装置 |
| JP2018197949A (ja) * | 2017-05-24 | 2018-12-13 | 東海旅客鉄道株式会社 | モデル作成装置 |
| CN109191584A (zh) * | 2018-08-16 | 2019-01-11 | Oppo广东移动通信有限公司 | 三维模型处理方法、装置、电子设备及可读存储介质 |
-
2020
- 2020-03-27 CN CN202010231048.9A patent/CN111429568B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5822466A (en) * | 1993-05-27 | 1998-10-13 | Max-Planck-Gesselschaft Zur Forderburg Der Wissenschaften E. V | Method and means of spatial filtering |
| US20160027178A1 (en) * | 2014-07-23 | 2016-01-28 | Sony Corporation | Image registration system with non-rigid registration and method of operation thereof |
| JP2018197949A (ja) * | 2017-05-24 | 2018-12-13 | 東海旅客鉄道株式会社 | モデル作成装置 |
| CN107767375A (zh) * | 2017-11-02 | 2018-03-06 | 广东电网有限责任公司电力科学研究院 | 一种点云质量评估方法及装置 |
| CN109191584A (zh) * | 2018-08-16 | 2019-01-11 | Oppo广东移动通信有限公司 | 三维模型处理方法、装置、电子设备及可读存储介质 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113362446A (zh) * | 2021-05-25 | 2021-09-07 | 上海奥视达智能科技有限公司 | 基于点云数据重建对象的方法及装置 |
| CN113362446B (zh) * | 2021-05-25 | 2023-04-07 | 上海奥视达智能科技有限公司 | 基于点云数据重建对象的方法及装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111429568B (zh) | 2023-06-06 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111325779B (zh) | 点云配准方法和装置、电子设备和存储介质 | |
| JP6471448B2 (ja) | 視差深度画像のノイズ識別方法及びノイズ識別装置 | |
| US9767596B2 (en) | Method and apparatus for processing depth image | |
| JP6040882B2 (ja) | 複数の３次元モデルをつなぎ合わせる装置、方法及びプログラム | |
| CN109521879B (zh) | 交互式投影控制方法、装置、存储介质及电子设备 | |
| CN111986239B (zh) | 点云配准方法、装置、计算机可读存储介质及电子设备 | |
| JP2016537901A (ja) | ライトフィールド処理方法 | |
| EP3579195A1 (en) | Image processing for index-based storage of a polygonal mesh generated from a depth camera image | |
| JP2024508024A (ja) | 画像データの処理方法及び装置 | |
| CN116071236A (zh) | 图像特征转换方法、电子设备及存储介质 | |
| Chan et al. | On the hardware/software design and implementation of a high definition multiview video surveillance system | |
| CN113132708B (zh) | 利用鱼眼相机获取三维场景图像的方法和装置、设备和介质 | |
| CN111429568A (zh) | 点云处理方法和装置、电子设备和存储介质 | |
| CN112328150B (zh) | 自动截图方法、装置以及设备、存储介质 | |
| CN116188660B (zh) | 一种基于流式渲染的点云数据处理方法及相关装置 | |
| CN116386048A (zh) | 一种印章去除方法、装置、设备及存储介质 | |
| CN113284075B (zh) | 图像去噪方法、装置以及电子设备、存储介质 | |
| CN115346020A (zh) | 点云处理方法、避障方法、装置、机器人和存储介质 | |
| Choi et al. | Implementation of Real‐Time Post‐Processing for High‐Quality Stereo Vision | |
| CN112991451A (zh) | 图像识别方法、相关装置及计算机程序产品 | |
| US11550387B2 (en) | Stereo correspondence search | |
| CN116503562B (zh) | 空间建筑信息模型的确定及三维空间模型图像融合方法 | |
| CN115438712B (zh) | 一种基于卷积神经网络与车路协同的感知融合方法、装置、设备及存储介质 | |
| CN116958269A (zh) | 摄像设备的外参标定方法、电子设备和存储介质 | |
| WO2024069727A1 (en) | Training apparatus, training method, and non-transitory computer-readable storage medium |
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 | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20200921 Address after: 100085 Floor 102-1, Building No. 35, West Second Banner Road, Haidian District, Beijing Applicant after: Seashell Housing (Beijing) Technology Co.,Ltd. Address before: 300 457 days Unit 5, Room 1, 112, Room 1, Office Building C, Nangang Industrial Zone, Binhai New Area Economic and Technological Development Zone, Tianjin Applicant before: BEIKE TECHNOLOGY Co.,Ltd. |
|
| TA01 | Transfer of patent application right | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20220324 Address after: 100085 8th floor, building 1, Hongyuan Shouzhu building, Shangdi 6th Street, Haidian District, Beijing Applicant after: As you can see (Beijing) Technology Co.,Ltd. Address before: 100085 Floor 101 102-1, No. 35 Building, No. 2 Hospital, Xierqi West Road, Haidian District, Beijing Applicant before: Seashell Housing (Beijing) Technology Co.,Ltd. |
|
| TA01 | Transfer of patent application right | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| EE01 | Entry into force of recordation of patent licensing contract |
Application publication date: 20200717 Assignee: Beijing Intellectual Property Management Co.,Ltd. Assignor: As you can see (Beijing) Technology Co.,Ltd. Contract record no.: X2023110000092 Denomination of invention: Point cloud processing methods and devices, electronic devices, and storage media Granted publication date: 20230606 License type: Common License Record date: 20230818 |
|
| EE01 | Entry into force of recordation of patent licensing contract |