CN114299240A - 一种基于距离阈值的并行点云抽稀方法 - Google Patents
一种基于距离阈值的并行点云抽稀方法 Download PDFInfo
- Publication number
- CN114299240A CN114299240A CN202111563016.XA CN202111563016A CN114299240A CN 114299240 A CN114299240 A CN 114299240A CN 202111563016 A CN202111563016 A CN 202111563016A CN 114299240 A CN114299240 A CN 114299240A
- Authority
- CN
- China
- Prior art keywords
- point cloud
- cube
- parallel
- distance threshold
- point
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 35
- 238000003491 array Methods 0.000 claims description 4
- 238000003860 storage Methods 0.000 claims description 4
- 238000004590 computer program Methods 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 description 8
- 238000004458 analytical method Methods 0.000 description 2
- 238000012432 intermediate storage Methods 0.000 description 2
- ATJFFYVFTNAWJD-UHFFFAOYSA-N Tin Chemical compound [Sn] ATJFFYVFTNAWJD-UHFFFAOYSA-N 0.000 description 1
- 102100029469 WD repeat and HMG-box DNA-binding protein 1 Human genes 0.000 description 1
- 101710097421 WD repeat and HMG-box DNA-binding protein 1 Proteins 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Landscapes
- Image Generation (AREA)
Abstract
本发明提供一种基于距离阈值的并行点云抽稀方法,包括以下步骤:S1、并行统计原始点云空间范围,根据原始点云空间范围划分立方体,构建立方体链表;S2、并行把原始点云放入立方体链表中,确定所有点云在立方体链表中的位置;S3、计算每一个立方体的左下角坐标以及每一个立方体中包含的点云数量,合并所有立方体的链表;S4、根据距离阈值并行迭代每个立方体中的点云,在立方体链表中标记包含至少一个点云的体素,输出被标记体素中的一个点云到抽稀点云集合。本发明可以解决在对点云进行抽稀时,不能保留点云的几何特征,同时抽稀效率较低的技术问题。
Description
技术领域
本发明涉及激光点云数据处理技术领域,具体涉及一种基于距离阈值的并行点云抽稀方法。
背景技术
目前,点云数据可以通过地面三维激光扫描仪,车载移动测量系统或机载雷达等设备高效的获取,但是获取的原始激光点云数据量大,密集度高,冗余数据非常多,导致对点云的处理效率不高。为了加快处理分析的效率,一般需要先对点云进行抽稀。
在现有技术中,对点云进行抽稀方法主要包括:1、按比例抽稀方法,该方法没有考虑点云的空间几何关系,容易损失点云的几何特征,对后续点云的处理与分析影响较大;2.基于邻近距离及高程的抽稀,主要依靠搜索半径及高差阀值这两个参数来控制抽稀程度,但该方法需要首先构建八叉树或k-d树等复杂数据结构的构建,效率很低;3.基于TIN的抽稀方法;该方法也需要首先建立三角网,效率很低。
因此,现在亟需一种能够既保留点云的几何特征,又能提高抽稀效率的点云抽稀方法。
发明内容
针对现有技术存在的不足,本发明提出一种基于距离阈值的并行点云抽稀方法,以解决现有技术中存在的在对点云进行抽稀时,不能保留点云的几何特征,同时抽稀效率较低的技术问题。
本发明采用的技术方案如下:第一方面,提供了一种基于距离阈值的并行点云抽稀方法,包括以下步骤:
S1、并行统计原始点云空间范围,根据原始点云空间范围划分立方体,构建立方体链表;
S2、并行把原始点云放入立方体链表中,确定所有点云在立方体链表中的位置;
S3、计算每一个立方体的左下角坐标以及每一个立方体中包含的点云数量,合并所有立方体的链表;
S4、根据距离阈值并行迭代每个立方体中的点云,在立方体链表中标记包含至少一个点云的体素,输出被标记体素中的一个点云到抽稀点云集合。
进一步的,步骤S1,包括:
S1-1、将原始点云数据划分为多个长度相等的点云段;
S1-2、并行读取每一个点云段中各点云的坐标,得到每一个点云段中的点云坐标最小值及最大值;
S1-3、根据每一个点云段中的点云坐标最小值及最大值对全部点云段进行合并,得到全局坐标最大最小范围;
S1-4、计算全局坐标最大最小范围在x、y、z三个方向上的坐标变化量,再对坐标变化量和点云段长度之商向上取整,得到x、y、z三个方向上的段数;
S1-5、根据x、y、z三个方向上的段数之乘积分配立方体数组,得到立方体个数,每个立方体左下角x、y、z三个方向上的坐标,以及立方体链表。
进一步的,点云段的长度为1024米。
进一步的,步骤S2,包括:
S2-1、并行开启多个线程;
S2-2、根据开启的线程编号获取点云段;
S2-3、计算点云段中的每一个点云的第一索引,根据第一索引确定每一个点云在立方体链表中的位置。
进一步的,第一索引按以下方式进行计算:
在上式中,I表示索引,为Pi.x、Pi.y、Pi.z分别表示点云Pi在x、y、z三个方向上的坐标,E.min.x、E.min.y、E.min.z分别表示全局坐标最大最小范围在x、y、z三个方向上的坐标最小值,nX、nY分别表示在x、y三个方向上的段数,s表示点云段长度。
进一步的,步骤S3中计算每一个立方体的左下角坐标时,包括:
迭代变量为:a从0到nX,b从0到nY,c从0到nZ;
根据迭代变量a、b、c迭代立方体的第二索引I’:
I’=c×nX×nY+b×nX+a
nX、nY分别表示在x、y三个方向上的段数;
结合第二索引计算每一个立方体的左下角坐标:
CellI.MinX=x×s+E.min.x
CellI.MinY=y×s+E.min.y
CellI.MinZ=z×s+E.min.z
在上式中,CellI.MinX、CellI.MinY、CellI.MinZ分别为更新后每一个立方体的左下角在x、y、z三个方向上的坐标。
进一步的,步骤S4,包括:
S4-1、取出每一个立方体链表中多个点云,根据距离阈值计算多个点云分别所在的体素;
S4-2、判断每一个体素内是否存在点云,在各个存在点云的体素中,将该体素和距离体素左下角最近的一个点云在立方体链表中进行标识;
S4-3、将标识的点云加入抽稀后的抽稀点云集合。
第二方面,提供了一种电子设备,包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序;
当一个或多个程序被一个或多个处理器执行,使得一个或多个处理器实现第一方面提供的基于距离阈值的并行点云抽稀方法。
第三方面,提供了一种存储有计算机程序的计算机可读存储介质,计算机程序被处理器执行时实现第一方面提供的基于距离阈值的并行点云抽稀方法。
由上述技术方案可知,本发明的有益技术效果如下:
1.能够在保留原始点云的几何特征的情况下,完成对点云的抽稀。
2.在抽稀过程中不需建立三角网、八叉树、k-d树等复杂结构,计算效率更高,同时采用并行计算方法,进一步大幅提升抽稀效率。
3.在抽稀过程中,首先划分立方体,然后再对立方体中的点云进行处理,中间存储使用的资源少,可以处理更大范围和更多数量的点云。
附图说明
为了更清楚地说明本发明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作简单介绍。在所有附图中,类似的元件或部分一般由类似的附图标记标识。附图中,各元件或部分并不一定按照实际的比例绘制。
图1为本发明实施例的方法流程图。
具体实施方式
下面将结合附图对本发明技术方案的实施例进行详细的描述。以下实施例仅用于更加清楚地说明本发明的技术方案,因此只作为示例,而不能以此来限制本发明的保护范围。
需要注意的是,除非另有说明,本申请使用的技术术语或者科学术语应当为本发明所属领域技术人员所理解的通常意义。
实施例
本实施例提供了一种基于距离阈值的并行点云抽稀方法,如图1所示,包括以下步骤:
S1、并行统计原始点云空间范围,根据原始点云空间范围划分立方体,构建立方体链表
S1-1、将原始点云数据划分为多个长度相等的点云段
设采集到的原始点云数据集合为C,C中包含了n个点云,每个点云记为Pi={x,y,z},x、y、z为三维空间坐标系中的三个方向上的坐标值;则C={P1,P2,P3…Pn}。
将原始点云数据划分为多个长度相等的点云段,划分时点云段长度s的选值根据原始点云数据实际的覆盖范围确定,比如使用机载方式采集的点云范围大,则划分时长度的选值就大,优选的,每一个点云段的长度s=1024米,取1024便于计算机运算,提高数据处理效率。
在本实施例中,举例说明,将原始点云数据C划分后,得到i个长度为s的点云段,这些点云段在空间上是连续的,每一个点云段中有多个点云。
S1-2、并行读取每一个点云段中各点云的坐标,得到每一个点云段中的点云坐标最小值及最大值
读取每一个点云段中的各个点云,获取各个点云的坐标。在同一个点云段内,在x、y、z方向上均存在一个坐标的最小值及最大值,分别记为Ei.min.x,Ei.min.y,Ei.min.z,Ei.max.x,Ei.max.y,Ei.max.z,其中i表示某一个点云段。
S1-3、根据每一个点云段中的点云坐标最小值及最大值对全部点云段进行合并,得到全局坐标最大最小范围
根据Ei.min.x,Ei.min.y,Ei.min.z,Ei.max.x,Ei.max.y,Ei.max.z,对全部的i个点云段进行合并,得到全局坐标最大最小范围E。E所覆盖的空间范围与原始点云数据所覆盖的空间范围相同,且包含了多个点云坐标的最小值及最大值作为标记,供后续计算使用。
S1-4、计算全局坐标最大最小范围在x、y、z三个方向上的坐标变化量,再对坐标变化量和点云段长度之商向上取整,得到x、y、z三个方向上的段数
在具体的实施方式中,全局坐标最大最小范围在x、y、z三个方向上的坐标最小值及最大值,分别记为E.min.x,E.max.x,E.min.y,E.max.y,E.min.z,E.max.z,计算全局坐标最大最小范围在x、y、z三个方向上的坐标变化量dX、dY、dZ,如下:
dX=E.max.x-E.min.x
dY=E.max.y-E.min.y
dZ=E.max.z-E.min.z
再根据坐标变化量dX、dY、dZ和点云段长度s确定x、y、z三个方向上的段数nX、nY、nZ,如下:
在上式中,对坐标变化量与点云段长度之商向上取整,nX、nY、nZ分别表示全局坐标最大最小范围在x、y、z三个方向上,按点云段长度s作为一个单位长度对这三个方向上的坐标变化量进行划分后得到的3个段数的数值。
S1-5、根据x、y、z三个方向上的段数之乘积分配立方体数组,得到立方体个数,每个立方体左下角x、y、z三个方向上的坐标,以及立方体链表
x、y、z三个方向上的段数nX、nY、nZ之乘积为nX×nY×nZ,该乘积的数值表示全局坐标最大最小范围可被分为的立方体数量。按该乘积分配立方体数组,在本实施例中将立方体记为Cell,其中某一个立方体记为Celli,分配的立方体数组中,每一个立方体记为:
Celli=(Count,MinX,MinY,MinZ,Tails[M],Heads[M],Counts[M])
其中:Celli.Count表示每一立方体中的点云个数,初始化为0,点云个数通过后续计算得到;
Celli.MinX,Celli.MinY,Celli.MinZ为该立方体的左下角x、y、z三个方向上的坐标。
Celli.Heads[M],Celli.Tails[M]和Celli.Counts[M]表示Celli在并行计算过程中,线程计算得到的属于该立方体范围的链表之头、尾,以及链表长度;在具体的实施方式中,设Celli.Heads[M],Celli.Tails[M]初始化值为-1,Celli.Counts[M]初始化为0。
在得到立方体链表后,分配整数数组cellList,用于保存每个立方体的链表。在具体的实施方式中,整数数组cellList长度为点云数量n,每个单元中保存链表中下一个点的索引,链表末尾存储-1。
S2、并行把原始点云放入立方体链表中,确定所有点云在立方体链表中的位置
S2-1、并行开启多个线程,在具体的实施方式中,线程的数量设为M个。
S2-2、根据开启的线程编号,获取步骤1中划分的点云段Si。
S2-3、对点云段Si中的每一个点云,设其在原始点云数据集合C中的序号为i,记某一个点云为Pi,Pi在x、y、z三个方向上的坐标分别为Pi.x、Pi.y、Pi.z;设Pi属于某一个立方体CellI时,CellI在立方体链表中对应的第一索引为I:
通过此步骤可以根据索引I确定每一个点云属于哪一个立方体链表。
S2-4、对整数数组cellList中保存的每个立方体的链表进行循环,具体如下:
cellListi=CellI.Heads[m];CellI.Heads[m]=i;如果CellI.Tails[m]=-1,则CellI.Tails[m]=i。
通过循环,确定所有点云在立方体链表中各自的位置。
S3、计算每一个立方体的左下角坐标以及每一个立方体中包含的点云数量,合并所有立方体的链表
S3-1、计算每一个立方体的左下角坐标以及每一个立方体中包含的点云数量
在具体的实施方式中,计算时,迭代变量为:a从0到nX,b从0到nY,c从0到nZ,优选的,迭代步长都为1。根据迭代变量a、b、c迭代立方体的第二索引I’,I’=c×nX×nY+b×nX+a。
然后结合第二索引计算每一个立方体的左下角坐标,具体如下:
CellI.MinX=x×s+E.min.x
CellI.MinY=y×s+E.min.y
CellI.MinZ=z×s+E.min.z
在上式中,CellI.MinX、CellI.MinY、CellI.MinZ分别为更新后每一个立方体的左下角在x、y、z三个方向上的坐标。
在计算每一个立方体包含的点云数量CellI.Count,具体如下:
在上式中,M为并行线程的数量。
S3-2、合并所有立方体的链表
在合并的过程中,合并CellI中的M个链表到0号链表,则有:CellI.Heads[0]指向其点云链表头,尾节点为-1。
S4、根据距离阈值并行迭代每个立方体中的点云,在立方体链表中标记包含至少一个点云的体素,输出被标记体素中的一个点云到抽稀点云集合
S4-1、取出每一个立方体链表中的第一个点云,根据距离阈值计算该点云在哪一个体素内
具体的,分配位数组Bits[M],每个位数组的长度设为1024×1024×1024;同时分配掩码数组Mask的长度为n,n为点云数量,全部初始化为0。
启动M个线程,并行迭代立方体的索引;
当线程编号为m(0≤m<M),将位数组Bits[M]全置为0,取得某一个立方体CellI;
取出该立方体CellI中的第一个点云,看是否达到立方体链表尾部,即idx=CellI.Heads[0];如果未到立方体链表尾部,进行循环。
根据距离阈值计算该点云在哪一个体素内,具体如下:
S4-2、判断每一个体素内是否存在点云,在各个存在点云的体素中,将该体素和距离体素左下角最近的一个点云在立方体链表中进行标识
对链表中所有的立方体进行迭代,判断每一个体素内是否存在点云,在各个存在点云的体素中,将距离离体素左下角最近的一个点云Pi进行在立方体链表中进行标识,标识后令该点云对应的掩码数组Mask=1。
S4-3、将标识的点云加入抽稀后的抽稀点云集合
迭代掩码数组Mask,如果Mask=1,将点云Pi加入抽稀点云集合,舍去其它点云,完成抽稀。
通过采用本实施例的技术方案,将一个距离阈值空间范围内的多个点云合并视为一个点云,将该空间范围内的其它点云舍去,实现在保留原始点云的几何特征的情况下,完成对点云的抽稀。在抽稀过程中不需建立三角网、八叉树、k-d树等复杂结构,计算效率更高;同时采用并行计算方法,进一步大幅提升抽稀效率;在抽稀过程中,首先划分立方体,然后再对立方体中的点云进行处理,中间存储使用的资源少,可以处理更大范围和更多数量的点云。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围,其均应涵盖在本发明的权利要求和说明书的范围当中。
Claims (9)
1.一种基于距离阈值的并行点云抽稀方法,其特征在于,包括以下步骤:
S1、并行统计原始点云空间范围,根据原始点云空间范围划分立方体,构建立方体链表;
S2、并行把原始点云放入立方体链表中,确定所有点云在立方体链表中的位置;
S3、计算每一个立方体的左下角坐标以及每一个立方体中包含的点云数量,合并所有立方体的链表;
S4、根据距离阈值并行迭代每个立方体中的点云,在立方体链表中标记包含至少一个点云的体素,输出被标记体素中的一个点云到抽稀点云集合。
2.根据权利要求1所述的基于距离阈值的并行点云抽稀方法,其特征在于,步骤S1,包括:
S1-1、将原始点云数据划分为多个长度相等的点云段;
S1-2、并行读取每一个点云段中各点云的坐标,得到每一个点云段中的点云坐标最小值及最大值;
S1-3、根据每一个点云段中的点云坐标最小值及最大值对全部点云段进行合并,得到全局坐标最大最小范围;
S1-4、计算全局坐标最大最小范围在x、y、z三个方向上的坐标变化量,再对坐标变化量和点云段长度之商向上取整,得到x、y、z三个方向上的段数;
S1-5、根据x、y、z三个方向上的段数之乘积分配立方体数组,得到立方体个数,每个立方体左下角x、y、z三个方向上的坐标,以及立方体链表。
3.根据权利要求2所述的基于距离阈值的并行点云抽稀方法,其特征在于,点云段的长度为1024米。
4.根据权利要求1所述的基于距离阈值的并行点云抽稀方法,其特征在于,步骤S2,包括:
S2-1、并行开启多个线程;
S2-2、根据开启的线程编号获取点云段;
S2-3、计算点云段中的每一个点云的第一索引,根据第一索引确定每一个点云在立方体链表中的位置。
6.根据权利要求1所述的基于距离阈值的并行点云抽稀方法,其特征在于,步骤S3中计算每一个立方体的左下角坐标时,包括:
迭代变量为:a从0到nX,b从0到nY,c从0到nZ;
根据迭代变量a、b、c迭代立方体的第二索引I’:
I’=c×nX×nY+b×nX+a
nX、nY分别表示在x、y三个方向上的段数;
结合第二索引计算每一个立方体的左下角坐标:
CellI.MinX=x×s+E.min.x
CellI.MinY=y×s+E.min.y
CellI.MinZ=z×s+E.min.z
在上式中,CellI.MinX、CellI.MinY、CellI.MinZ分别为更新后每一个立方体的左下角在x、y、z三个方向上的坐标。
7.根据权利要求1所述的基于距离阈值的并行点云抽稀方法,其特征在于,步骤S4,包括:
S4-1、取出每一个立方体链表中多个点云,根据距离阈值计算多个点云分别所在的体素;
S4-2、判断每一个体素内是否存在点云,在各个存在点云的体素中,将该体素和距离体素左下角最近的一个点云在立方体链表中进行标识;
S4-3、将标识的点云加入抽稀后的抽稀点云集合。
8.一种电子设备,其特征在于,包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序;
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现权利要求1-7中任一所述的基于距离阈值的并行点云抽稀方法。
9.一种存储有计算机程序的计算机可读存储介质,其特征在于,所述计算机程序被处理器执行时实现权利要求1-7中任一所述的基于距离阈值的并行点云抽稀方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111563016.XA CN114299240A (zh) | 2021-12-20 | 2021-12-20 | 一种基于距离阈值的并行点云抽稀方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111563016.XA CN114299240A (zh) | 2021-12-20 | 2021-12-20 | 一种基于距离阈值的并行点云抽稀方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114299240A true CN114299240A (zh) | 2022-04-08 |
Family
ID=80967973
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111563016.XA Pending CN114299240A (zh) | 2021-12-20 | 2021-12-20 | 一种基于距离阈值的并行点云抽稀方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114299240A (zh) |
Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101763649A (zh) * | 2009-12-30 | 2010-06-30 | 北京航空航天大学 | 一种增强模型轮廓的表面点绘制方法 |
CN103246827A (zh) * | 2013-05-31 | 2013-08-14 | 南京理工大学 | 复杂外形金属目标电磁散射的无网格仿真方法 |
CN104881498A (zh) * | 2015-06-19 | 2015-09-02 | 山东理工大学 | 海量点云的Out-of-Core快速均匀精简方法 |
CN105468375A (zh) * | 2015-11-30 | 2016-04-06 | 扬州大学 | 一种面向面结构光点云数据的对应点搜索结构的构建方法 |
CN105701861A (zh) * | 2014-11-28 | 2016-06-22 | 富泰华工业(深圳)有限公司 | 点云采样方法及系统 |
CN105719261A (zh) * | 2014-12-05 | 2016-06-29 | 富泰华工业(深圳)有限公司 | 点云数据合并系统及方法 |
CN106932271A (zh) * | 2017-03-10 | 2017-07-07 | 厦门大学 | 一种基于逆向工程的球压试验压痕尺寸测量方法 |
CN109767483A (zh) * | 2017-11-09 | 2019-05-17 | 中交上海航道勘察设计研究院有限公司 | 一种三维点云快速抽稀去重方法 |
CN110163065A (zh) * | 2018-12-04 | 2019-08-23 | 腾讯科技(深圳)有限公司 | 点云数据处理方法、点云数据加载方法、及装置和设备 |
CN111766608A (zh) * | 2020-06-12 | 2020-10-13 | 苏州泛像汽车技术有限公司 | 一种基于激光雷达的环境感知系统 |
WO2021000241A1 (zh) * | 2019-07-01 | 2021-01-07 | Oppo广东移动通信有限公司 | 点云模型重建方法、编码器、解码器、及存储介质 |
CN112417965A (zh) * | 2020-10-21 | 2021-02-26 | 湖北亿咖通科技有限公司 | 激光点云处理方法、电子装置和存储介质 |
CN113111612A (zh) * | 2021-06-15 | 2021-07-13 | 中国空气动力研究与发展中心计算空气动力研究所 | 一种基于自适应空间剖分的离散点云重复点快速查找方法 |
CN113160129A (zh) * | 2021-03-08 | 2021-07-23 | 南京理工大学 | 组合式精简点云数据的快速配准方法 |
CN113569915A (zh) * | 2021-06-30 | 2021-10-29 | 广西大学 | 一种基于激光雷达的多策略轨道交通障碍物识别方法 |
-
2021
- 2021-12-20 CN CN202111563016.XA patent/CN114299240A/zh active Pending
Patent Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101763649A (zh) * | 2009-12-30 | 2010-06-30 | 北京航空航天大学 | 一种增强模型轮廓的表面点绘制方法 |
CN103246827A (zh) * | 2013-05-31 | 2013-08-14 | 南京理工大学 | 复杂外形金属目标电磁散射的无网格仿真方法 |
CN105701861A (zh) * | 2014-11-28 | 2016-06-22 | 富泰华工业(深圳)有限公司 | 点云采样方法及系统 |
CN105719261A (zh) * | 2014-12-05 | 2016-06-29 | 富泰华工业(深圳)有限公司 | 点云数据合并系统及方法 |
CN104881498A (zh) * | 2015-06-19 | 2015-09-02 | 山东理工大学 | 海量点云的Out-of-Core快速均匀精简方法 |
CN105468375A (zh) * | 2015-11-30 | 2016-04-06 | 扬州大学 | 一种面向面结构光点云数据的对应点搜索结构的构建方法 |
CN106932271A (zh) * | 2017-03-10 | 2017-07-07 | 厦门大学 | 一种基于逆向工程的球压试验压痕尺寸测量方法 |
CN109767483A (zh) * | 2017-11-09 | 2019-05-17 | 中交上海航道勘察设计研究院有限公司 | 一种三维点云快速抽稀去重方法 |
CN110163065A (zh) * | 2018-12-04 | 2019-08-23 | 腾讯科技(深圳)有限公司 | 点云数据处理方法、点云数据加载方法、及装置和设备 |
WO2021000241A1 (zh) * | 2019-07-01 | 2021-01-07 | Oppo广东移动通信有限公司 | 点云模型重建方法、编码器、解码器、及存储介质 |
CN111766608A (zh) * | 2020-06-12 | 2020-10-13 | 苏州泛像汽车技术有限公司 | 一种基于激光雷达的环境感知系统 |
CN112417965A (zh) * | 2020-10-21 | 2021-02-26 | 湖北亿咖通科技有限公司 | 激光点云处理方法、电子装置和存储介质 |
CN113160129A (zh) * | 2021-03-08 | 2021-07-23 | 南京理工大学 | 组合式精简点云数据的快速配准方法 |
CN113111612A (zh) * | 2021-06-15 | 2021-07-13 | 中国空气动力研究与发展中心计算空气动力研究所 | 一种基于自适应空间剖分的离散点云重复点快速查找方法 |
CN113569915A (zh) * | 2021-06-30 | 2021-10-29 | 广西大学 | 一种基于激光雷达的多策略轨道交通障碍物识别方法 |
Non-Patent Citations (1)
Title |
---|
马鑫程 等: "基于三维声纳点云的水下沉井地形探测技术", 《海洋测绘》, vol. 41, no. 6 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102682103B (zh) | 一种面向海量激光雷达点云模型的三维空间索引方法 | |
US7786991B2 (en) | Applications of interval arithmetic for reduction of number of computations in ray tracing problems | |
CN105118090B (zh) | 一种自适应复杂地形结构的点云滤波方法 | |
CN102779147B (zh) | 用于导航设备的数据库、输出地形三维表示的方法以及产生数据库的方法 | |
TW201403542A (zh) | 圖形處理單元中3d加速結構之完全並列原地建構 | |
Lu et al. | Massive point cloud space management method based on octree-like encoding | |
CN105469445B (zh) | 一种步长可变地图生成方法 | |
CN101853485A (zh) | 一种基于近邻传播聚类的非均匀点云简化处理方法 | |
CN113781667A (zh) | 三维结构简化重建方法、装置、计算机设备和存储介质 | |
CN110765331A (zh) | 一种时空数据的检索方法及系统 | |
CN113610983A (zh) | 一种离散点空间曲面三角网格自动剖分方法 | |
CN115661374B (zh) | 一种基于空间划分和模型体素化的快速检索方法 | |
CN107945189A (zh) | 一种基于正态分布变换单元的点云平面分割方法 | |
CN113868476A (zh) | 一种基于局部密度的八叉树点云预处理方法 | |
CN104361625B (zh) | 一种基于射线原理的带边界保留的云数据精简算法 | |
CN116030218A (zh) | 四面体网格划分方法、装置、系统及存储介质 | |
CN105468375A (zh) | 一种面向面结构光点云数据的对应点搜索结构的构建方法 | |
CN101853526A (zh) | 一种自适应密度的非均匀点云简化处理方法 | |
CN105785919B (zh) | 点云五轴无全局干涉刀轴矢量可行域计算方法 | |
CN114549672A (zh) | 一种面向三维点云目标检测的数据编码方法 | |
CN110910435B (zh) | 建筑物点云提取方法、装置、计算机设备及可读存储介质 | |
CN111736167A (zh) | 一种获取激光点云密度的方法和装置 | |
Huang et al. | Grid interpolation algorithm based on nearest neighbor fast search | |
CN110738726B (zh) | 一种基于八叉树的机器人视觉引导三维物体重建方法 | |
CN114299240A (zh) | 一种基于距离阈值的并行点云抽稀方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20220408 |