CN111524235A - 三维点云数据的处理方法及装置 - Google Patents

三维点云数据的处理方法及装置 Download PDF

Info

Publication number
CN111524235A
CN111524235A CN202010291508.7A CN202010291508A CN111524235A CN 111524235 A CN111524235 A CN 111524235A CN 202010291508 A CN202010291508 A CN 202010291508A CN 111524235 A CN111524235 A CN 111524235A
Authority
CN
China
Prior art keywords
triangles
quadrangle
point cloud
curvature
point clouds
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
Application number
CN202010291508.7A
Other languages
English (en)
Other versions
CN111524235B (zh
Inventor
杨顺波
杨智慧
宋明岑
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Gree Electric Appliances Inc of Zhuhai
Zhuhai Gree Intelligent Equipment Co Ltd
Original Assignee
Gree Electric Appliances Inc of Zhuhai
Zhuhai Gree Intelligent Equipment Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Gree Electric Appliances Inc of Zhuhai, Zhuhai Gree Intelligent Equipment Co Ltd filed Critical Gree Electric Appliances Inc of Zhuhai
Priority to CN202010291508.7A priority Critical patent/CN111524235B/zh
Publication of CN111524235A publication Critical patent/CN111524235A/zh
Application granted granted Critical
Publication of CN111524235B publication Critical patent/CN111524235B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • 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
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • 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)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Computer Graphics (AREA)
  • Geometry (AREA)
  • Software Systems (AREA)
  • Processing Or Creating Images (AREA)
  • Image Generation (AREA)

Abstract

本发明公开了一种三维点云数据的处理方法及装置。该发明包括：获取多组点云；将多组点云分割为多个三角形，其中，每两个相邻的三角形共用一条边；将每两个相邻的三角形确定为一个四边形，并判断每个四边形中包含的两个三角形是否为钝角三角形；如果四边形中的两个三角形为钝角三角形，则将两个三角形转换为锐角三角形。通过本发明，解决了相关技术中点云稀疏时，导致重构的三维图像失真严重的技术问题。

Description

三维点云数据的处理方法及装置
技术领域
本发明涉及双目视觉领域，具体而言，涉及一种三维点云数据的处理方法及装置。
背景技术
随着人工智能、大数据时代的到来，三维点云数据处理技术越来越受到重视，点云数据的获取方式有很多，双目视觉获取的三维点云数据就是其中一种，对其点云数据处理的好坏直接影响后续三维重建。
相关技术中在点云数据较稀疏时，其三维重构效果较差，只有存在点云数据的地方才能被重构出来，三维重构失真较大。
针对相关技术中存在的上述问题，目前尚未提出有效的解决方案。
发明内容
本发明的主要目的在于提供一种三维点云数据的处理方法及装置，以解决相关技术中点云稀疏时，导致重构的三维图像失真严重的技术问题。
为了实现上述目的，根据本发明的一个方面，提供了一种三维点云数据的处理方法。该发明包括：获取多组点云；将多组点云分割为多个三角形，其中，每两个相邻的三角形共用一条边；将每两个相邻的三角形确定为一个四边形，并判断每个四边形中包含的两个三角形是否为钝角三角形；如果四边形中的两个三角形为钝角三角形，则将两个三角形转换为锐角三角形。
进一步地，在获取多组点云之前，该方法还包括：获取目标点云；计算目标点云中每个点的曲率，并得到多个曲率。
进一步地，获取多组点云包括：获取多个预设曲率区间；依据每个点云的曲率和多个预设曲率区间，将目标点云分为多组点云。
进一步地，计算多组点云中每个点的曲率包括：调用曲率计算函数对每个点云的曲率进行计算，其中，曲率计算函数由PCL点云库提供。
进一步地，将多组点云分割为多个三角形包括：通过Delaunay三角剖分算法将多组点云分割为多个三角形。
进一步地，如果四边形中的两个三角形为钝角三角形，则将两个三角形转换为锐角三角形，包括：确定四边形中的第一对角线，其中，第一对角线为四边形中存在的对角线，存在于第一对角线上的四边形的两个顶点为第一顶点，四边形上除两个第一顶点的其余两个顶点为第二顶点；删除第一对角线；将两个第二顶点进行连接形成第二对角线，在四边形中存在第二对角线的情况下，四边形中的两个三角形为锐角三角形。
为了实现上述目的，根据本发明的另一方面，提供了一种三维点云数据的处理装置。该装置包括：获取单元，用于获取多组点云；分割单元，用于将多组点云分割为多个三角形，其中，每两个相邻的三角形共用一条边；确定单元，用于将每两个相邻的三角形确定为一个四边形，并判断每个四边形中包含的两个三角形是否为钝角三角形；转换单元，用于在四边形中的两个三角形为钝角三角形的情况下，将两个三角形转换为锐角三角形。
通过本发明，采用以下步骤：获取多组点云；将多组点云分割为多个三角形，其中，每两个相邻的三角形共用一条边；将每两个相邻的三角形确定为一个四边形，并判断每个四边形中包含的两个三角形是否为钝角三角形；如果四边形中的两个三角形为钝角三角形，则将两个三角形转换为锐角三角形，解决了相关技术中点云稀疏时，导致重构的三维图像失真严重的技术问题，实现了三维重构后的物体表面更具可视化的效果。
附图说明
构成本发明的一部分的附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：
图1是根据本发明实施例提供的一种三维点云数据的处理方法的流程图；以及
图2为本申请实施例提供的通过不同的预设曲率区间将点云分成多组点云的示意图；
图3为将点云进行三角剖分后获得的三角三维图；
图4为对点云进行三角剖分后获得的四边形进行最小角最大化的示意图；
图5是根据本发明实施例提供的一种三维点云数据的处理装置的示意图。
具体实施方式
需要说明的是，在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本发明。
为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通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，都应当属于本发明保护的范围。
需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
根据本发明的实施例，提供了一种三维点云数据的处理方法。
图1是根据本发明实施例提供的一种三维点云数据的处理方法的流程图。如图1所示，该发明包括以下步骤：
步骤S101，获取多组点云；
步骤S102，将多组点云分割为多个三角形，其中，每两个相邻的三角形共用一条边；
步骤S103，将每两个相邻的三角形确定为一个四边形，并判断每个四边形中包含的两个三角形是否为钝角三角形；
步骤S104，如果四边形中的两个三角形为钝角三角形，则将两个三角形转换为锐角三角形。
在本申请中，通过将基于曲率的点云分割方法与点云三角剖分方法相结构，优化了基于曲率的传统分割方法，为三维点云分割提供新思路。
具体地，在相关技术中通过三角剖分将点云分割成多个小区域后，当分割出来的小区域内的点云数据较稀疏时，其三维重构失真较大，为改善这一问题，本申请实施例中，将曲率分割与三角剖分结合起来，对分割后的点云数据进一步处理。
本发明实施例提供的一种三维点云数据的处理方法，通过获取多组点云；将多组点云分割为多个三角形，其中，每两个相邻的三角形共用一条边；将每两个相邻的三角形确定为一个四边形，并判断每个四边形中包含的两个三角形是否为钝角三角形；如果四边形中的两个三角形为钝角三角形，则将两个三角形转换为锐角三角形，解决了相关技术中点云稀疏时，导致重构的三维图像失真严重的技术问题，实现了三维重构后的物体表面更具可视化的效果。
可选地，在获取多组点云之前，该方法还包括：获取目标点云；计算目标点云中每个点的曲率，并得到多个曲率。
可选地，计算目标点云中每个点的曲率包括：调用曲率计算函数对每个点云的曲率进行计算，其中，曲率计算函数由PCL点云库提供。
具体地，获取要处理的点云，并通过调用PCL点云库中提供的函数对点云中每个点的曲率进行计算，并获得多个曲率。
可选地，获取多组点云包括：获取多个预设曲率区间；依据每个点云的曲率和多个预设曲率区间，将目标点云分为多组点云。
在本申请实施例中，提供了一种通过多个预设曲率区间，一个很小的邻域内的点曲率比较相近，通过预设曲率区间判定的方式，将点云分割成很多小区域，获得多组点云，其中，判断每个点云对应的曲率属于哪个预设曲率区间，将曲率属于同一个曲率预设区间的点云划分为一组。
如图2所示，图2为通过不同的预设曲率区间将点云分成多组点云的示意图，分组后的点云进行三角剖分处理。
可选地，将多组点云分割为多个三角形包括：通过Delaunay三角剖分算法将多组点云分割为多个三角形。
优选地，对点云进行三角剖分采用的算法为Delaunay三角剖分算法。其他可以实现将点云剖分为多个三角形的算法也在不申请的限定范围内，在此不一一赘述。
可选地，如果四边形中的两个三角形为钝角三角形，则将两个三角形转换为锐角三角形，包括：确定四边形中的第一对角线，其中，第一对角线为四边形中存在的对角线，存在于第一对角线上的四边形的两个顶点为第一顶点，四边形上除两个第一顶点的其余两个顶点为第二顶点；删除第一对角线；将两个第二顶点进行连接形成第二对角线，在四边形中存在第二对角线的情况下，四边形中的两个三角形为锐角三角形。
上述地，理论上，点云完成三角剖分后，所有四边形均由两个共边的三角形组成，其中三角三维图如图3所示，其中，在三角剖分之后，每个区域内四个点的三角剖分示意图，如图4所示，当四边形由钝角三角形组成时，重建网格的稳定性不高，而且公共边长度较大，连接在两端的点相关性较小，通过最小角最大化的原理，当连接另一条对角线时，分割出的两个三角面，各点间最接近，而且这样剖分后的三角网，最外层边界能形成一个凸多边形的外壳，使得三维重构后的表面更具可视化。
因此，通过本申请改进后的点云分割方法，为进一步完善三维点云重构提供了新方法，在特征点云数据稀疏时，重构的三维图像失真严重，使用上述方法，能有效改善这一问题。
需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
本发明实施例还提供了一种三维点云数据的处理装置，需要说明的是，本发明实施例的一种三维点云数据的处理装置可以用于执行本发明实施例所提供的用于一种三维点云的处理方法。以下对本发明实施例提供的一种三维点云数据的处理装置进行介绍。
图5是根据本发明实施例提供的一种三维点云数据的处理装置的示意图。如图5所示，该装置包括：第一获取单元501，用于获取多组点云；分割单元502，用于将多组点云分割为多个三角形，其中，每两个相邻的三角形共用一条边；确定单元503，用于将每两个相邻的三角形确定为一个四边形，并判断每个四边形中包含的两个三角形是否为钝角三角形；转换单元504，用于在四边形中的两个三角形为钝角三角形的情况下，将两个三角形转换为锐角三角形。
本发明实施例提供的一种三维点云数据的处理装置，通过第一获取单元501，用于获取多组点云；分割单元502，用于将多组点云分割为多个三角形，其中，每两个相邻的三角形共用一条边；确定单元503，用于将每两个相邻的三角形确定为一个四边形，并判断每个四边形中包含的两个三角形是否为钝角三角形；转换单元504，用于在四边形中的两个三角形为钝角三角形的情况下，将两个三角形转换为锐角三角形，解决了相关技术中点云稀疏时，导致重构的三维图像失真严重的技术问题，实现了三维重构后的物体表面更具可视化的效果。
可选地，该装置还包括：第二获取单元，用于在获取多组点云之前，获取目标点云；计算单元，用于计算目标点云中每个点的曲率，并得到多个曲率。
可选地，获取单元包括：获取子单元，用于获取多个预设曲率区间；分组子单元，用于依据每个点云的曲率和多个预设曲率区间，将多个点云分为多组点云。
可选地，计算单元包括：计算子单元，用于调用曲率计算函数对每个点云的曲率进行计算，其中，曲率计算函数由PCL点云库提供。
可选地，分割单元502包括：分割子单元，用于通过Delaunay三角剖分算法将多组点云分割为多个三角形。
可选地，转换单元504包括：确定子单元，用于确定四边形中的第一对角线，其中，第一对角线为四边形中存在的对角线，存在于第一对角线上的四边形的两个顶点为第一顶点，四边形上除两个第一顶点的其余两个顶点为第二顶点；删除子单元，用于删除第一对角线；连接子单元，用于将两个第二顶点进行连接形成第二对角线，在四边形中存在第二对角线的情况下，四边形中的两个三角形为锐角三角形。
一种三维点云数据的处理装置包括处理器和存储器，上述第一获取单元501等均作为程序单元存储在存储器中，由处理器执行存储在存储器中的上述程序单元来实现相应的功能。
处理器中包含内核，由内核去存储器中调取相应的程序单元。内核可以设置一个或以上，通过调整内核参数来解决相关技术中点云稀疏时，导致重构的三维图像失真严重的技术问题。
存储器可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)，存储器包括至少一个存储芯片。
本发明实施例提供了一种存储介质，其上存储有程序，该程序被处理器执行时实现一种三维点云数据的处理方法。
本发明实施例提供了一种处理器，处理器用于运行程序，其中，程序运行时执行一种三维点云数据的处理方法。
本发明实施例提供了一种设备，设备包括处理器、存储器及存储在存储器上并可在处理器上运行的程序，处理器执行程序时实现以下步骤：获取多组点云；将多组点云分割为多个三角形，其中，每两个相邻的三角形共用一条边；将每两个相邻的三角形确定为一个四边形，并判断每个四边形中包含的两个三角形是否为钝角三角形；如果四边形中的两个三角形为钝角三角形，则将两个三角形转换为锐角三角形。
进一步地，在获取多组点云之前，该方法还包括：获取目标点云；计算目标点云中每个点的曲率，并得到多个曲率。
进一步地，获取多组点云包括：获取多个预设曲率区间；依据每个点云的曲率和多个预设曲率区间，将目标点云分为多组点云。
进一步地，计算多组点云中每个点的曲率包括：调用曲率计算函数对每个点云的曲率进行计算，其中，曲率计算函数由PCL点云库提供。
进一步地，将多组点云分割为多个三角形包括：通过Delaunay三角剖分算法将多组点云分割为多个三角形。
进一步地，如果四边形中的两个三角形为钝角三角形，则将两个三角形转换为锐角三角形，包括：确定四边形中的第一对角线，其中，第一对角线为四边形中存在的对角线，存在于第一对角线上的四边形的两个顶点为第一顶点，四边形上除两个第一顶点的其余两个顶点为第二顶点；删除第一对角线；将两个第二顶点进行连接形成第二对角线，在四边形中存在第二对角线的情况下，四边形中的两个三角形为锐角三角形。本文中的设备可以是服务器、PC、PAD、手机等。
本发明还提供了一种计算机程序产品，当在数据处理设备上执行时，适于执行初始化有如下方法步骤的程序：获取多组点云；将多组点云分割为多个三角形，其中，每两个相邻的三角形共用一条边；将每两个相邻的三角形确定为一个四边形，并判断每个四边形中包含的两个三角形是否为钝角三角形；如果四边形中的两个三角形为钝角三角形，则将两个三角形转换为锐角三角形。
进一步地，在获取多组点云之前，该方法还包括：获取目标点云；计算目标点云中每个点的曲率，并得到多个曲率。
进一步地，获取多组点云包括：获取多个预设曲率区间；依据每个点云的曲率和多个预设曲率区间，将目标点云分为多组点云。
进一步地，计算多组点云中每个点的曲率包括：调用曲率计算函数对每个点云的曲率进行计算，其中，曲率计算函数由PCL点云库提供。
进一步地，将多组点云分割为多个三角形包括：通过Delaunay三角剖分算法将多组点云分割为多个三角形。
进一步地，如果四边形中的两个三角形为钝角三角形，则将两个三角形转换为锐角三角形，包括：确定四边形中的第一对角线，其中，第一对角线为四边形中存在的对角线，存在于第一对角线上的四边形的两个顶点为第一顶点，四边形上除两个第一顶点的其余两个顶点为第二顶点；删除第一对角线；将两个第二顶点进行连接形成第二对角线，在四边形中存在第二对角线的情况下，四边形中的两个三角形为锐角三角形。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
存储器可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。存储器是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。
还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括要素的过程、方法、商品或者设备中还存在另外的相同要素。
本领域技术人员应明白，本发明的实施例可提供为方法、系统或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
以上仅为本发明的实施例而已，并不用于限制本发明。对于本领域技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本发明的权利要求范围之内。

Claims (10)

1.一种三维点云数据的处理方法，其特征在于，包括：
获取多组点云；
将所述多组点云分割为多个三角形，其中，每两个相邻的三角形共用一条边；
将每两个相邻的所述三角形确定为一个四边形，并判断每个所述四边形中包含的两个所述三角形是否为钝角三角形；
如果所述四边形中的两个所述三角形为钝角三角形，则将两个所述三角形转换为锐角三角形。
2.根据权利要求1所述的方法，其特征在于，在获取多组点云之前，所述方法还包括：
获取目标点云；
计算所述目标点云中每个点的曲率，并得到多个曲率。
3.根据权利要求2所述的方法，其特征在于，获取多组点云包括：
获取多个预设曲率区间；
依据每个所述点云的曲率和所述多个预设曲率区间，将所述目标点云分为所述多组点云。
4.根据权利要求2所述的方法，其特征在于，计算所述目标点云中每个点的曲率包括：
调用曲率计算函数对每个所述点云的曲率进行计算，其中，所述曲率计算函数由PCL点云库提供。
5.根据权利要求1所述的方法，其特征在于，将所述多组点云分割为多个三角形包括：
通过Delaunay三角剖分算法将所述多组点云分割为多个三角形。
6.根据权利要求1所述的方法，其特征在于，如果所述四边形中的两个所述三角形为钝角三角形，则将两个所述三角形转换为锐角三角形，包括：
确定所述四边形中的第一对角线，其中，所述第一对角线为所述四边形中存在的对角线，存在于所述第一对角线上的所述四边形的两个顶点为第一顶点，所述四边形上除两个所述第一顶点的其余两个顶点为第二顶点；
删除所述第一对角线；
将两个所述第二顶点进行连接形成第二对角线，在所述四边形中存在所述第二对角线的情况下，所述四边形中的两个所述三角形为锐角三角形。
7.一种三维点云数据的处理装置，其特征在于，包括：
第一获取单元，用于获取多组点云；
分割单元，用于将所述多组点云分割为多个三角形，其中，每两个相邻的三角形共用一条边；
确定单元，用于将每两个相邻的所述三角形确定为一个四边形，并判断每个所述四边形中包含的两个所述三角形是否为钝角三角形；
转换单元，用于在所述四边形中的两个所述三角形为钝角三角形的情况下，将两个所述三角形转换为锐角三角形。
8.根据权利要求7所述的装置，其特征在于，所述装置还包括：
第二获取单元，用于在获取多组点云之前，获取目标点云；
计算单元，用于计算所述目标点云中每个点的曲率，并得到多个曲率。
9.一种存储介质，其特征在于，所述存储介质包括存储的程序，其中，所述程序执行权利要求1至6中任意一项所述的一种三维点云数据的处理方法。
10.一种处理器，其特征在于，所述处理器用于运行程序，其中，所述程序运行时执行权利要求1至6中任意一项所述的一种三维点云数据的处理方法。
CN202010291508.7A 2020-04-14 2020-04-14 三维点云数据的处理方法及装置 Active CN111524235B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010291508.7A CN111524235B (zh) 2020-04-14 2020-04-14 三维点云数据的处理方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010291508.7A CN111524235B (zh) 2020-04-14 2020-04-14 三维点云数据的处理方法及装置

Publications (2)

Publication Number Publication Date
CN111524235A true CN111524235A (zh) 2020-08-11
CN111524235B CN111524235B (zh) 2023-07-14

Family

ID=71902589

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010291508.7A Active CN111524235B (zh) 2020-04-14 2020-04-14 三维点云数据的处理方法及装置

Country Status (1)

Country Link
CN (1) CN111524235B (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101067868A (zh) * 2007-05-25 2007-11-07 同济大学 基于自适应平坦度将无序点云转换为三角网格的系统及方法
CN103279989A (zh) * 2013-05-30 2013-09-04 北京航天控制仪器研究所 一种三维激光成像系统平面点云数据三角化处理方法
CN103985155A (zh) * 2014-05-14 2014-08-13 北京理工大学 基于映射法的散乱点云Delaunay三角剖分曲面重构方法
CN110517354A (zh) * 2018-05-21 2019-11-29 北京京东尚科信息技术有限公司 用于三维点云分割的方法、装置、系统及介质

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101067868A (zh) * 2007-05-25 2007-11-07 同济大学 基于自适应平坦度将无序点云转换为三角网格的系统及方法
CN103279989A (zh) * 2013-05-30 2013-09-04 北京航天控制仪器研究所 一种三维激光成像系统平面点云数据三角化处理方法
CN103985155A (zh) * 2014-05-14 2014-08-13 北京理工大学 基于映射法的散乱点云Delaunay三角剖分曲面重构方法
CN110517354A (zh) * 2018-05-21 2019-11-29 北京京东尚科信息技术有限公司 用于三维点云分割的方法、装置、系统及介质

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
成建梅: "具特征约束的有限元三角网格自动生成方法", 《长江科学院院报》 *

Also Published As

Publication number Publication date
CN111524235B (zh) 2023-07-14

Similar Documents

Publication Publication Date Title
Han et al. Guided 3D point cloud filtering
CN112652011B (zh) 目标血管的提取方法、提取装置与计算机可读存储介质
KR20180107192A (ko) 3차원 메쉬들의 직교-투사-기반 텍스처 아틀라스 패킹
CN113409336B (zh) 提取河流干涸断流区域及频率的方法、装置、介质和设备
Wang et al. Feature‐preserving surface reconstruction from unoriented, noisy point data
CN111582054A (zh) 点云数据处理方法及装置、障碍物检测方法及装置
CN106910216B (zh) 一种基于船体外板点云数据的网格曲面确定方法及装置
CN111768353A (zh) 一种三维模型的孔洞填补方法及装置
CN111009034B (zh) 一种三维模型单体化方法、系统、存储介质及设备
CN112614206A (zh) 道路中心线提取方法和装置
CN113744408A (zh) 网格生成方法、装置及存储介质
US9563969B2 (en) Method of generating implicit terrain data by performing lossless compression and lossy compression and electronic apparatus for performing the method
CN111524235B (zh) 三维点云数据的处理方法及装置
CN117115391B (zh) 模型更新方法、装置、计算机设备及计算机可读存储介质
CN107808410B (zh) 阴影深度偏移的处理方法及装置
CN113506305A (zh) 三维点云数据的图像增强方法、语义分割方法及装置
CN108573510A (zh) 一种栅格地图矢量化方法及设备
CN114997085B (zh) 一维水动力模型构建方法、装置、电子设备及存储介质
CN113269806B (zh) 测量血管内部血流流量的方法、装置与处理器
CN110544292A (zh) 一种基于三维网格的模型裁剪方法、系统及电子设备
CN113031010A (zh) 检测天气的方法、装置、计算机可读存储介质与处理器
JP7403175B2 (ja) 画像を分割する方法
CN117115392B (zh) 模型图像压缩方法、装置、计算机设备及可读存储介质
TWI835692B (zh) 鏡頭成像品質評價方法、裝置、電腦設備和儲存介質
CN112950452A (zh) 跳线点云数据的处理方法、装置、存储介质及处理器

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