CN113190723A - 一种基于网格化的点云数据检索方法 - Google Patents

Abstract

本申请涉及一种基于网格化的点云数据检索方法，该方法包括以下步骤：确定点云数据的边界值；根据边界值，确定点云数据的边界范围和基准点；根据边界范围和预设网格边长，将点云数据划分为点云网格，并确定点云网格的数量；根据基准点和点云网格的数量，确定点云网格中离散点的索引编号；根据预设检索方法对点云数据按照索引编号进行检索。通过以上步骤，将由大量的离散点构成的点云数据网格化，在对点云数据检索的过程中，按照网格化的点云网格为单位，根据相邻聚类算法进行检索，避免了现有方式对点云数据进行遍历而效率低下的问题，提高了数据检索的效率，满足对点云数据快速分析的需求。

Description

一种基于网格化的点云数据检索方法

技术领域

本申请涉及点云数据检索技术领域，尤其涉及一种基于网格化的点云数据检索方法。

背景技术

在架空输电线路巡检中，普遍采用机载激光雷达设备对线路通道进行激光点云数据的采集。通过对架空输电线路通道的激光点云数据进行分析，可发现线路通道中植被、建筑物等与电力线之间的距离是否在安全距离范围内，也可核查线路杆塔的倾斜、精准坐标等数据，从而为架空输电线路通道环境中的隐患消除、设备台账核查等业务场景提供技术支撑，保障架空输电线路的运行安全。

目前对激光点云数据的分析需要将数据中的离散点进行归集、分类，要实现输电杆塔的台账核查、通道的电力线安全距离的分析，首先需要将激光点云数据的所有点分为地面、植被、建筑物、杆塔、电力线等五类，然后通过对这五类数据的相关性进行分析，得出架空线路通道中的隐患，并形成对应的隐患分析报告和精准台账分析报告。

在对激光点云数据进行归类、搜索、分析的过程中，目前常规的手段则是进行离散点的遍历，在遍历过程中匹配符合条件的点。但由于激光点云数据是由大量的点构成，如果针对架空输电线路两基杆塔间的通道点云进行点云数据遍历，则一般需要遍历十万次乃至百万次，因此，现有的激光点云数据检索方式在实际运用中效率低下，不能满足对激光点云数据快速分析的需求。

发明内容

本申请提供了一种基于网格化的点云数据检索方法，以解决传统点云数据检索方式检索效率低的问题。

本申请解决上述技术问题所采取的技术方案如下：

一种基于网格化的点云数据检索方法，所述方法包括以下步骤：

确定所述点云数据的边界值；

根据所述边界值，确定点云数据的边界范围和基准点；

根据所述边界范围和预设网格边长，将所述点云数据划分为点云网格，并确定点云网格的数量；

根据所述基准点和所述点云网格的数量，确定所述点云数据中离散点所在的点云网格的点云网格编号；

根据预设检索方法对所述点云数据按照所述点云网格编号进行检索。

进一步，所述边界值为所述点云数据中所有离散点的坐标值中的最小值和最大值，所述坐标值为每个离散点的X坐标值、Y坐标值和Z坐标值。

更进一步，所述点云数据的边界范围包括：X坐标方向的边界范围、Y坐标方向的边界范围和Z坐标方向的边界范围。

更进一步，所述根据所述边界值，确定点云数据的边界范围和基准点，包括以下步骤：

分别确定所述所有离散点的X、Y和Z三个坐标方向坐标值中的最小值和最大值；

根据所述X、Y和Z三个坐标方向坐标值中的最小值和最大值的差值，分别确定所述X、Y和Z三个坐标方向的边界范围；

将所述点云数据中的任意一个离散点设定为基准点。

更进一步，所述点云网格的数量包括X坐标方向点云网格的数量、Y坐标方向点云网格的数量和Z坐标方向点云网格的数量。

更进一步，所述确定所述点云数据中离散点所在的点云网格的点云网格编号，包括以下步骤：

将所述基准点所在的点云网格设定为基准网格；

根据预设的点云网格编号方法和所述点云网格数量，以所述基准网格为基准，确定所述点云网格的点云网格编号。

更进一步，所述预设检索方法，包括以下步骤：

以检索基点所处的点云网格作为基准点云网格，所述检索基点为所述点云数据中的任意一个离散点；

根据相邻聚类算法，判断与所述基准点云网格的编号相邻的点云网格编号对应的点云网格中，是否存在与所述检索基点是同一个检索目标中的离散点；

若所述相邻的点云网格编号对应的点云网格中，存在与所述检索基点是同一个检索目标中的离散点，则对所述存在与所述检索基点是同一个检索目标中的离散点所在的点云网格编号相邻的点云网格，继续根据相邻聚类算法进行检索，直至检索的点云网格中不存在与所述检索基点为所述同一个检索目标的离散点，则检索目标包括的离散点全部检出，检索结束。

本申请提供的技术方案包括以下有益技术效果：

本申请提供的基于网格化的点云数据检索方法，首先确定需要检索的点云数据的边界值，然后根据边界值确定点云数据的边界范围和基准点，再根据确定的边界范围，对点云数据按照预设的网格边长进行网格化处理，得到点云网格，最后以基准点所在的点云网格为基础，确定所有点云网格的点云网格编号，通过以上步骤，将由大量的离散点构成的点云数据网格化，在对点云数据检索的过程中，按照网格化的点云网格为单位，采用相邻聚类算法进行检索，避免了现有方式对点云数据进行遍历而效率低下的问题，提高了数据检索的效率，满足对点云数据快速分析的需求。

附图说明

为了更清楚地说明本申请的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，对于本领域普通技术人员而言，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为本申请实施例提供的基于网格化的点云数据检索方法流程图。

具体实施方式

为了使本领域技术人员更好地理解本申请中的技术方案，下面将结合本申请实施例中的附图，对申请实施例中的技术方案进行清楚、完整地描述；显然，所描述的实施例仅是本申请的一部分实施例，而不是全部的实施例。基于本申请中的实施例，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，都应当属于本申请保护的范围。

点云数据是指在一个三维坐标系统中的一组向量的集合，扫描资料以点的形式记录，每一个点包含有三维坐标，有些可能含有颜色、反射强度等信息。

本申请实施例的基于网格化的点云数据检索方法，是利用点云数据中的每一个离散点包含的三维坐标信息，经过对点云数据网格化处理后，根据相邻聚类算法，对点云数据进行快速检索的一种方法，该方法的主要过程如图1所示，具体的对点云数据进行快速检索的方法如下：

点云数据的每个离散点中都存储UTM坐标的X、Y、Z三个坐标方向的坐标值，对应地理空间坐标的经度、纬度和高程，从该点云数据中确定所有离散点的坐标值中最小值和最大值，即所有离散点在X、Y和Z三个坐标方向的坐标值中最小的X、Y、Z坐标值和最大的X、Y、Z坐标值，将获得的最小的X、Y、Z坐标值，分别定义为X_Min、Y_Min、Z_Min，将获得的最大的X、Y、Z坐标值，分别定义为X_Max、Y_Max、Z_Max。

根据获得的坐标值的最小值和最大值，确定点云数据在X、Y、Z三个坐标方向的边界范围，X坐标方向的边界范围为：X_Range＝X_Max-X_Min，Y坐标方向的边界范围为：Y_Range＝Y_Max-Y_Min，Z坐标方向的边界范围为：Z_Range＝Z_Max-Z_Min。

根据获得的坐标值的最小值和最大值，确定一个基准点，例如，将三个坐标值为X_Min、Y_Min、Z_Min的离散点确定为基准点。

在获取了点云数据的边界范围后，根据预设的网格边长a，分别确定X、Y、Z三个坐标方向点云网格的数量，具体为：X坐标方向点云网格的数量X_Num根据X_Range/a确定，Y坐标方向点云网格的数量Y_Num根据Y_Range/a确定，Z坐标方向点云网格的数量Z_Num根据Z_Range/a确定，其中X_Range/a、Y_Range/a、Z_Range/a的计算结果为小数时，X_Num、Y_Num、Z_Num的值为计算结果向上取整所得的数值，则点云数据被划分为X_Num*Y_Num*Z_Num个点云网格，以基准点所在的点云网格为点云网格编号的起始网格，对每个相邻的点云网格依次以X_NUM～Y_NUM～Z_NUM的格式进行编号，如1～2～1、14～23～17。

根据以上所述，则可以对点云数据中所有的点云网格进行编号，假设X_Min＝10，Y_Min＝30，Z_Min＝5，X_Max＝100，Y_Max＝118，Z_Max＝74，则X_Range＝90，Y_Range＝88，Z_Range＝83，基准点为(10,30,5)。

预设网格边长a＝5，则X_Num＝18，Y_Num＝17，Z_Num＝16,若从1～1～1开始为点云网格编号，则以基准点(10,30,5)所在的点云网格为编号的起始网格，对其编号为1～1～1，然后对每个相邻的点云网格依次进行编号，最终点云网格编号为：从1～1～1、1～1～2、……，到2～1～1、2～1～2、……，再到18～17～14、18～17～15至18～17～16。

对所有点云网格进行编号后，即可确定每一个离散点的索引编号，每个离散点的索引编号即为该离散点所在的点云网格的点云网格编号。每一个离散点的索引编号具体的确定过程如下：

将任意一个离散点的X、Y、Z三个坐标方向的坐标值与基准点的对应坐标值相减，再将所得差值除以预设的网格边长a，所得数值为小数时，向上取整即为该离散点在该坐标方向的索引编号。

例如，除基准点以外的任意一个离散点的坐标值X＝53.45632，Y＝78.37562，Z＝6.89787，则该离散点的索引编号确定过程为：先用该离散点的X坐标值减去基准点的X坐标值，即X-X_Min＝43.45632，然后将43.45632再除以网格的边长5，所得数值为8.69126，8.69126向上取整为9，则可以得出该点在X方向上的索引编号为9，按照同样的方法可以确定该点在Y方向的索引编号为10，在Z方向的索引编号为1，即该离散点的索引编号为9～10～1。

同样的，若已知一个点云网格的编号，则可以确定该点云网格编号所涵盖的地理坐标范围。

例如，已知一个点云网格编号为9～10～1，预设网格边长为5，X_Min＝10，Y_Min＝30，Z_Min＝5，那么可以确定该点云网格的X坐标值的范围在[50，55)，Y坐标值的范围在[75，80)之间，Z坐标值的范围在[5，10)之间。

在确定了点云数据中所有离散点的索引编号后，可以根据相邻聚类算法，对需要的数据进行检索。具体的，从点云数据中确定一个检索基点，以检索基点所处的点云网格作为基准点云网格；根据相邻聚类算法，判断相邻点云网格编号对应的点云网格中，是否存在与检索基点是同一个检索目标中的离散点，该检索目标可以是架空输电线路通道中的地面、植被、建筑物、杆塔、电力线等其中之一；如果相邻点云网格编号对应的点云网格中，存在与检索基点是同一个检索目标中的离散点，则对存在与检索基点是同一个检索目标中的离散点所在的点云网格编号相邻的点云网格，继续根据相邻聚类算法进行判断和检索，直至检索的点云网格中不存在与检索基点为同一个检索目标的离散点，那么需要检索的检索目标所包含的离散点全部检出，检索过程结束。

例如，从架空输电线路通道的激光点云数据中，检索并提取架空输电线路通道中的各类检索目标，具体过程为：

由于地面点高程最低，即点云数据中代表地面的离散点的Z坐标值最小，所以，对网格化的架空输电线路通道点云数据，根据相邻聚类算法，把所有离散点中X和Y坐标值对应的Z坐标值最小的离散点所在的点云网格，可快速的检索出，并提取出点云数据中表示地面的离散点。按离散点的Z坐标轴方向的坐标值由小到大，依次对应的点云网格，采用相邻聚类算法，可以将地面点以上连续的离散点区域自动提取为植被区域。通过上述两步则可将架空输电线路通道点云数据的地面点和地面以上的植被点检索并提取出来，再对点云数据中表示电力线的离散点进行提取，选取一个检索的起始离散点A，例如，离散点A的索引编号为3～6～10，即离散点A所在的点云网格的点云网格编号为3～6～10，采用相邻聚类算法，先对该点云网格中的离散点进行判断，如果不存在连续的离散点，则表明离散点A是存在于点云网格中的一个孤立的、没有与之相连续的离散点，若存在按照某一方向延伸的若干离散点，则根据该点云网格的编号3～6～10，再对点云网格编号为2～6～10、4～6～10、3～5～10、3～7～10、3～6～9、3～6～11的点云网格中是否存在连续的离散点进行判断，若前述六个点云网格的其中一个，存在按照相同方向延伸的若干离散点，则表明离散点A周围有存在连续的离散点的点云网格，那么离散点A可判定为电力线的点，然后按照相同的方式，再以存在连续的离散点的点云网格为基础，根据点云网格编号依次增加或者减少，进行下一次的检索，最终可通过该种方法快速的检索出表示电力线的离散点所在的所有点云网格，进而提取出点云数据中电力线的离散点。

按照本申请实施例的基于网格化的点云数据检索方法，将点云数据网格化处理，对网格进行编号，并确定每个离散点的索引编号，采用相邻聚类算法，根据索引编号对点云数据中所需的目标以点云网格为单位进行检索，可以快速的获取所需的目标。本申请实施例的方法，不需要对点云数据中的所有离散点进行遍历，只需按照点云网格，对部分离散点进行分析判断，可以实现对点云数据的快速检索并提取，避免了现有的激光点云数据检索方式需要对离散点进行多次遍历，而效率低的问题。

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物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、物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，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

以上所述仅是本申请的具体实施方式，使本领域技术人员能够理解或实现本申请。对这些实施例的多种修改对本领域的技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下，在其它实施例中实现。因此，本申请将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

应当理解的是，本申请并不局限于上面已经描述并在附图中示出的内容，并且可以在不脱离其范围进行各种修改和改变。本申请的范围仅由所附的权利要求来限制。

Claims (7)

1.一种基于网格化的点云数据检索方法，其特征在于，所述方法包括以下步骤：

确定所述点云数据的边界值；

根据所述边界值，确定点云数据的边界范围和基准点；

根据所述边界范围和预设网格边长，将所述点云数据划分为点云网格，并确定点云网格的数量；

根据所述基准点和所述点云网格的数量，确定所述点云数据中离散点所在的点云网格的点云网格编号；

根据预设检索方法对所述点云数据按照所述点云网格编号进行检索。

2.根据权利要求1所述的基于网格化的点云数据检索方法，其特征在于，所述边界值为所述点云数据中所有离散点的坐标值中的最小值和最大值，所述坐标值为每个离散点的X坐标值、Y坐标值和Z坐标值。

3.根据权利要求2所述的基于网格化的点云数据检索方法，其特征在于，所述点云数据的边界范围包括：X坐标方向的边界范围、Y坐标方向的边界范围和Z坐标方向的边界范围。

4.根据权利要求3所述的基于网格化的点云数据检索方法，其特征在于，所述根据所述边界值，确定点云数据的边界范围和基准点，包括以下步骤：

分别确定所述所有离散点的X、Y和Z三个坐标方向坐标值中的最小值和最大值；

根据所述X、Y和Z三个坐标方向坐标值中的最小值和最大值的差值，分别确定所述X、Y和Z三个坐标方向的边界范围；

将所述点云数据中的任意一个离散点设定为基准点。

5.根据权利要求4所述的基于网格化的点云数据检索方法，其特征在于，所述点云网格的数量包括X坐标方向点云网格的数量、Y坐标方向点云网格的数量和Z坐标方向点云网格的数量。

6.根据权利要求5所述的基于网格化的点云数据检索方法，其特征在于，所述确定所述点云数据中离散点所在的点云网格的点云网格编号，包括以下步骤：

将所述基准点所在的点云网格设定为基准网格；

根据预设的点云网格编号方法和所述点云网格数量，以所述基准网格为基准，确定所述点云网格的点云网格编号。

7.根据权利要求1所述的基于网格化的点云数据检索方法，其特征在于，所述预设检索方法，包括以下步骤：

以检索基点所处的点云网格作为基准点云网格，所述检索基点为所述点云数据中的任意一个离散点；

根据相邻聚类算法，判断与所述基准点云网格的编号相邻的点云网格编号对应的点云网格中，是否存在与所述检索基点是同一个检索目标中的离散点；

若所述相邻的点云网格编号对应的点云网格中，存在与所述检索基点是同一个检索目标中的离散点，则对所述存在与所述检索基点是同一个检索目标中的离散点所在的点云网格编号相邻的点云网格，继续根据相邻聚类算法进行检索，直至检索的点云网格中不存在与所述检索基点为所述同一个检索目标的离散点，则检索目标包括的离散点全部检出，检索结束。

Images