CN114463512B - 点云数据的处理方法、矢量化方法及装置 - Google Patents
点云数据的处理方法、矢量化方法及装置 Download PDFInfo
- Publication number
- CN114463512B CN114463512B CN202111615159.0A CN202111615159A CN114463512B CN 114463512 B CN114463512 B CN 114463512B CN 202111615159 A CN202111615159 A CN 202111615159A CN 114463512 B CN114463512 B CN 114463512B
- Authority
- CN
- China
- Prior art keywords
- point cloud
- cloud data
- forest
- determining
- single tree
- 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
- 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
- G06F18/232—Non-hierarchical techniques
- G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Probability & Statistics with Applications (AREA)
- Computer Graphics (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- Image Processing (AREA)
Abstract
本申请实施例提供了一种点云数据的处理方法、矢量化方法及装置。该点云数据的处理方法包括:获取森林区域的点云数据;根据所述森林区域的点云数据的点云密度,确定所述森林区域的点云数据对应的二维网格图;根据所述二维网格图中的每个网格区域所包含的点云数据,确定所述森林区域中的单颗树木的点云数据。本申请实施例通过建立森林区域的点云数据对应的二维网格图,将森林区域分割成多个单树木区域,以对单颗树木的点云数据进行处理,从而提高了对森林区域中的点云数据的处理精度。
Description
技术领域
本申请涉及点云数据处理技术领域,并且更为具体地,涉及一种点云数据的处理方法、矢量化方法及装置。
背景技术
随着技术的发展,基于点云技术的高精度三维地图已经在农业中得到广泛应用。
在建立高精度三维地图的过程中,需要对各个对象的点云数据进行处理。然而,针对具有大片森林的山地种植场景来说,相关技术中,直接以森林区域为粒度,对该森林区域中的点云数据进行处理,存在对森林区的点云数据处理精度较低的问题。
发明内容
本申请提供一种点云数据的处理方法、矢量化方法及装置,能够提高提高对森林区域中的点云数据的处理精度。
第一方面,提供一种点云数据的处理方法,包括:获取森林区域的点云数据;根据所述森林区域的点云数据的点云密度,确定所述森林区域的点云数据对应的二维网格图;根据所述二维网格图中的每个网格区域所包含的点云数据,确定所述森林区域中的单颗树木的点云数据。
可选地,所述根据所述二维网格图中的每个网格区域所包含的点云数据,确定所述森林区域中的单颗树木的点云数据,包括:根据所述二维网格图将所述森林区域划分为多个网格区域,获取每个网格区域对应的点云数据,作为单颗树木的初始点云数据;根据所述初始点云数据中每一点的二维坐标信息,确定所述每个网格区域对应的单颗树木的中心位置;获取每个网格区域对应的数字地表模型数据的高程信息,根据所述高程信息和所述中心位置的二维坐标信息生成目标点;将所述目标点加入所述单颗树木的初始点云数据中,以得到所述单颗树木的点云数据。
可选地,所述根据所述初始点云数据中每一点的二维坐标信息,确定所述每个网格区域对应的单颗树木的中心位置之前,包括:获取所述单颗树木的初始点云数据中每一点的高程信息和二维坐标信息;基于所述高程信息和所述二维坐标信息确定所述单颗树木的初始点云数据是否为满足要求;当所述初始点云数据满足要求时,搜索所述单颗树木的点云数据距离最近的多个点,以更新所述初始点云数据。
可选地,所述基于所述高程信息和所述二维坐标信息确定所述单颗树木的初始点云数据是否为满足要求,包括:根据所述初始点云数据中每一点的高程信息确定所述初始点云数据的高程值是否相同;根据所述初始点云数据中每一点的二维坐标信息,确定所述初始点云数据是否位于所述森林区域内部;当所述初始点云数据中每一点的高程值相同,且所述初始点云数据位于所述森林区域内部时,确定满足要求。
可选地,所述根据所述初始点云数据中每一点的二维坐标信息,确定所述每个网格区域对应的单颗树木的中心位置,包括:获取所述初始点云数据中每一点的置信度;根据所述初始点云数据中每一点的置信度,从所述初始点云数据中选取第一点云数据集合,所述第一点云数据集合中的点云数据的置信度均大于置信度预设阈值;根据所述第一点云数据集合中的点云数据的二维平面数据的均值,确定所述每个网格区域对应的单颗树木的中心位置。
可选地,所述根据所述森林区域的点云数据的点云密度,确定所述森林区域的点云数据的二维网格图,包括:根据所述森林区域的点云数据,确定所述森林区域的点云数据对应的包围框;根据所述森林区域的点云数据的点云密度,确定所述森林区域的点云数据对应的单木分割阈值框;根据所述包围框和所述单木分割阈值框,确定所述森林区域的点云数据的二维网格图,其中所述单木分割阈值框的尺寸大小与所述二维网格图中网格的尺寸大小相同。
可选地,所述根据所述森林区域的点云数据的点云密度,确定所述森林区域的点云数据对应的单木分割阈值框,包括:预设多个尺寸的单木分割阈值框,其中所述多个尺寸的单木分割阈值框对应所述森林区域的点云数据的多个点云密度等级;根据所述森林区域的点云数据,利用最小均值法确定所述森林区域的点云数据的点云密度;根据所述森林区域的点云数据的点云密度等级,确定所述森林区域的点云数据对应的单木分割阈值框。
第二方面,提供一种点云数据矢量化的方法,包括:获取单颗树木的点云数据,所述单颗树木的点云数据通过如第一方面或第一方面中任一实现方式所述的处理方法生成;生成所述单颗树木的点云数据的最小包围框,对比所述最小包围框与标准矢量模型的角度差异和尺寸差异;基于所述角度差异和所述尺寸差异调整所述标准矢量模型,以确定所述单颗树木的树木矢量模型。
可选地,所述基于所述角度差异和所述尺寸差异调整所述标准矢量模型,以得到所述单颗树木的树木矢量模型之后,包括:获取所述单颗树木的点云数据的中心位置,将每一单颗树木的树木矢量模型移动至所述中心位置,以得到所述森林区域的矢量地图。
第三方面,提供一种点云数据的处理装置,所述装置包括:第一获取模块,用于获取森林区域的点云数据;第一确定模块,用于根据所述森林区域的点云数据,确定所述森林区域的点云数据对应的二维网格图;第二确定模块,根据所述二维网格图中的每个网格区域所包含的点云数据,确定所述森林区域中的单颗树木的点云数据。
第四方面,提供一种点云数据矢量化的装置,所述装置包括:第二获取模块,用于获取单颗树木的点云数据,所述单颗树木的点云数据由如第三方面所述的处理处理装置生成;生成模块,用于生成所述单颗树木的点云数据的最小包围框,对比所述最小包围框与标准矢量模型的角度差异和尺寸差异;第三确定模块,用于基于所述角度差异和所述尺寸差异调整所述标准矢量模型,以确定所述单颗树木的树木矢量模型。
第五方面,本申请实施例提供一种存储介质,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如第一方面或第一方面中任一实现方式所述的方法、第二方面或第二方面中任一实现方式所述的方法。
第六方面,本申请实施例提供一种电子设备,包括:处理器和存储器,所述存储器用于存储一个或多个程序;当所述一个或多个程序被所述处理器执行时,实现如第一方面中任一实现方式所述的方法、第二方面或第二方面中任一实现方式所述的方法。
本申请实施例提出一种点云数据的处理方法,通过建立森林区域的点云数据对应的二维网格图,将森林区域分割成多个单树木区域,以对单颗树木的点云数据进行处理。与传统技术中直接以森林区域为粒度,对该森林区域的点云数据进行处理相比,本申请实施例中的方案是以单木区域为粒度,对该单木区域的点云数据进行处理,从而能够提高对森林区域中的点云数据的处理精度。
附图说明
图1是本申请实施例提供的电子设备的结构示意图。
图2是本申请实施例提供的点云数据的处理方法的流程示意图。
图3是本申请实施例提供的划分森林区域点云数据的结构示意图。
图4是本申请实施例提供的森林区域点云数据的二维网格结构示意图。
图5是本申请实施例提供的点云数据的处理装置的结构示意图。
图6是本申请实施例提供的点云数据矢量化的装置的结构示意图。
具体实施方式
随着各类自动化设备在农业中使用率越来越高,农业数据的获取方式也越来越便捷,且所获取得到的数据量也越来越多,这为构建三维地图场景提供了必要数据。尤其是点云数据的获取,能够为我们提供越来越多的三维空间信息来指导现实世界。为了更加方便、有效指导田间的自动化设备,基于点云技术的高精度三维地图已经在农业中得到广泛应用。但是三维地图精度的高低会影响田间自动化设备的作业。例如,为了方便指导飞行器作业,对不同的农田场景需要建立相应的三维矢量化高精度地图,矢量化地图精度的高低将直接影响飞行器作业的好坏。
实际上,在建立高精度三维地图的过程中,需要对各个对象的点云数据进行处理。然而,针对具有大片森林的山地农田种植场景来说,由于森林的面积和密度都较大,导致对森林区域中的单颗树木的点云数据处理比较困难。传统技术中,相关技术中,通常是以森林区域的点云数据为粒度进行处理,这样一来,就导致对森林区的点云数据的处理精度较低。
为了解决上述问题,本申请实施例提出一种点云数据的处理方法,通过建立森林区域的点云数据对应的二维网格图,将森林区域分割成多个单树木区域,以对单颗树木的点云数据进行处理。与传统技术中直接以森林区域为粒度对该森林区域的点云数据进行处理相比,本申请实施例中的方案是以单木区域为粒度对该单木区域的点云数据进行处理,从而能够提高对森林区域中的点云数据的处理精度。
下面结合附图,对本申请的一些实施方式作详细说明。在不冲突的情况下,下述的实施例及实施例中的特征可以相互组合。
本申请实施例提供了一种电子设备,例如可以是计算机、服务器或者飞行设备。图1为本申请实施例中电子设备100的结构示意图。电子设备100包括处理器110、存储器120、总线130。处理器110和存储器120通过总线130连接,处理器110用于执行存储器120中存储的可执行模块,例如计算机程序。
处理器110例如可以是一种集成电路芯片,具有信号的处理能力。在实现过程中,建立矢量化模型的方法的各步骤可以通过处理器110中的硬件的集成逻辑电路或者软件形式的指令完成。处理器110也可以是通用处理器,包括中央处理器(Central ProcessingUnit,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(Digital Signal Processor,简称DSP)、专用集成电路(Application SpecificIntegrated Circuit,简称ASIC)、现场可编程门阵列(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。
存储器120例如可以包含高速随机存取存储器(RAM:Random Access Memory),也可以包括非不稳定的存储器(non-volatile memory),例如至少一个磁盘存储器。
总线130可以是ISA(Industry Standard Architecture)总线、PCI(PeripheralComponent Interconnect)总线或EISA(Extended Industry Standard Architecture)总线等。图1中仅用一个双向箭头表示,但并不表示仅有一根总线130或一种类型的总线130。
存储器120用于存储程序,例如建立矢量化地图的装置对应的程序。建立矢量化地图的装置可以包括至少一个软件或固件(firmware)的形式存储于存储器120中或固化在电子设备100的操作系统(operating system,OS)中的软件功能模块。处理器110在接收到执行指令后,执行所述程序以实现建立矢量化地图的方法。
在一些实施例中,本申请提供的电子设备还可以包括通信接口140。通信接口140通过总线与处理器110连接。
应当理解的是,图1所示的结构仅为电子设备100的部分的结构示意图,电子设备100还可包括比图1中所示更多或者更少的组件,或者具有与图1所示不同的配置。图1中所示的各组件可以采用硬件、软件或其组合实现。
本申请实施例提供的建立矢量化地图方法可以但不限于应用于图1所示的电子设备。
本申请中所提及的点云数据是指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,每一个点包含有三维坐标,有些可能还含有颜色信息、反射强度信息、灰度值,深度或者返回次数等信息。
下面以山地农田种植场景为目标区域,对本申请实施例进行描述。但本申请实施例的应用场景不限于山地农田种植场景。
图2为本申请实施例提供的一种建立矢量化地图方法的流程示意图。下面结合图2对建立矢量化地图的方法20的步骤进行详细描述。
S22,获取森林区域的点云数据。
在获取森林区域的点云数据之前,还可以包括如下步骤内容:
(1)获取目标区域的点云数据,接着,可以将该目标区域的点云数据输入到语义分割模型中,以获得该目标区域中不同类别的点云数据以及各个点云数据的置信度。然后,根据语义分割模型的分割结果,可以利用类别筛选的方法获得所需要的森林类别的点云数据信息。其中,语义分割模型能够识别的类别例如可以包括房屋、电线杆、车辆、森林或未识别(其他)等。例如,当语义分割模型确定点云数据中的某一个点云属于森林时,将该点的语义识别类型确定为森林。
(2)在获得目标区域中的森林类别的点云数据后,可以通过利用点云密度聚类的方法,将森林类别的点云数据聚类生成多片森林区域。其中,点云密度聚类的方法可以指通过计算森林类别的点云数据的聚集度,将聚集度较高的一些点云数据划分为一片森林区域。示例性地,如图3所示,本申请实施例可以通过点云密度聚类的方法将目标区域的森林类别的点云数据30划分为1~M片森林区域,其中,M为正整数。在获得1~M片森林区域后,还可以利用各个点云数据的类别置信度对所获得的森林区域进行修正。
本申请中的森林区域例如可以是1~M片森林区域中多片森林区域,也可以是第M片森林区域,本申请对此不做具体限制。
S24,根据森林区域的点云数据的点云密度,确定森林区域的点云数据对应的二维网格图。
在一些实施例中,根据森林区域的点云数据,计算该森林区域的点云数据的点云密度的方法有很多,例如可以利用最小均值的方法计算森林区域的点云数据的密度(后文会对森林区域点云数据的点云密度的计算方式进行举例说明,在此不做详细描述),本申请对此不做具体限制。
在确定森林区域的点云数据对应的二维网格图之前,可以先根据森林区域的点云数据获取该森林区域中的二维点云数据的包围框,以及该森林区域的点云数据对应的单木分割阈值框。
在一些实施例中,可以根据森林区域的点云数据,获取该森林区域的点云数据对应的二维点云数据,接着,根据该二维点云数据,可以确定森林区域的点云数据对应的包围框。作为一个示例,该包围框可以是指包围森林区域的二维点云数据的边界框。该点云包围框例如可以为包围森林区域中的二维点云数据的最小边界框,本申请对比不做具体限制。森林区域的二维点云数据包围框例如可以为矩形,也可以为菱形,本申请对此亦不作具体限制。
在一些实施例中,可以预设多个尺寸的单木分割阈值框,其中多个尺寸的单木分割阈值框对应森林区域的点云数据的多个点云密度等级。其中,单木分割阈值框可以代表单棵树木的正投影面积大小。示例性地,可以根据不同森林区域的点云数据,将森林区域的点云数据的点云密度人为划分为不同密度等级。然后,根据该点云密度的不同密度等级,人为定义该不同密度等级的森林区域所对应单木分割阈值框尺寸的大小。由于单木分割阈值框是人为定义的,通常也被称为伪实例框。
在一些实施例中,可以根据当前森林区域的点云数据的点云密度等级,确定该森林区域所对应的单木分割阈值框的尺寸。然后,根据森林区域对应的包围框和单木分割阈值框,可以确定该森林区域的二维点云数据对应的二维网格图,该二维网格图包括多个网格区域,其中每个网络区域的网格尺寸大小与该单木分割阈值框的尺寸大小相同。
在一些实施例中,该森林区域的点云数据对应的二维点云数据例如可以通过将森林区域的三维点云数据进行正投影的方式得到。本申请对此不做具体限定。
S26,根据二维网格图中的每个网格区域所包含的点云数据,确定森林区域中的单颗树木的点云数据。
在一些实施例中,单颗树木的点云数据可以对应一个网格区域包含的所有的点云数据,也可以是一个网格区域包含的部分点云数据,还可以是根据网络区域中包含的部分或全部点云数据计算得到的点云数据,本申请实施例对比不做具体限制。当单颗树木的点云数据对应一个网格区域包含的所有的点云数据时,该单颗树木的点云数据也可以称为初始点云数据。
作为一个示例,可以先根据二维网格图将森林区域划分为多个网格区域。然后获取每个网格区域对应的点云数据,作为单颗树木的初始点云数据。接着,根据该初始点云数据中每一点的二维坐标信息,可以确定每个网格区域对应的单颗树木的中心位置。然后,获取每个网格区域对应的数字地表模型(Digital Elevation Model,DEM)数据的高程信息,根据高程信息和中心位置的二维坐标信息可以生成单颗树木的目标点数据,将该目标点数据加入所单颗树木的初始点云数据中,以得到单颗树木的点云数据。此时的单颗树木的点云数据可以是指该目标点数据。该目标点数据例如可以包括单颗树木的中心位置和高度。该高度可以是利用DEM数据修订后的单颗树木的高度信息。
在一些实施例中,在对单颗数据的初始点云数据进行处理之前,还需要判断该初始点云数据是否满足要求,该满足要求可以是指满足一定的限制条件。例如,可以根据初始点云数据中每一点的高程信息确定初始点云数据的高程值是否相同,可以根据二维点云数据的包围框确定初始点云数据是否位于森林区域的内部。在此基础上,该限制条件可以是指初始点云数据中的每一点的高程信息都相同和/或初始点云数据位于森林区域的内部,也可以是指初始点云数据中的部分点的高程信息都相同和/或该部分点云数据位于森林区域的内部,本申请对此不做具体限制。示例性地,可以先获取单颗树木的初始点云数据中每一点的高程信息和二维坐标信息;接着,基于该高程信息和二维坐标信息可以确定单颗树木的初始点云数据是否为满足要求。当该初始点云数据满足要求时,可以搜索该单颗树木的点云数据邻近的多个点(后文会对邻近点云数据的搜索方法进行举例说明,在此不做详述),以更新初始点云数据。
根据上文描述可以看出,本申请实施例提出的点云数据的处理方法,通过建立森林区域的点云数据对应的二维网格图,将森林区域分割成多个单树木区域,以对单颗树木的点云数据进行处理。与传统技术中直接以森林区域为粒度对该森林区域的点云数据进行处理相比,本申请实施例中的方案是以单木区域为粒度对该单木区域的点云数据进行处理,从而能够提高对森林区域中的点云数据的处理精度。
在一些实施例中,一种方式,可以根据初始点云数据中的所有点的二维坐标的均值作为单颗树木的中心位置。另一种方式,可以选择初始点云数据中高于置信度阈值的点的二维坐标的均值作为单颗树木的中心位置。示例性地,对第二种方式中确定单颗树木中心位置的方法进行描述:可以先获取初始点云数据中每一点的置信度;然后,根据该初始点云数据中每一点的置信度,从该初始点云数据中选取第一点云数据集合,该第一点云数据集合中的点云数据的置信度均大于置信度预设阈值;根据该第一点云数据集合中的点云数据的二维平面数据的均值,可以确定每个网格区域对应的单颗树木的中心位置。作为一个示例,可以将置信度阈值设置为0.8,根据第一点云数据集合中的点云数据的二维平面数据的均值,修正每个网格区域对应的单颗树木的中心位置。
下面对确定单木分割阈值框的实现方式进行更为详细地举例说明。
继续参考图3,在一些实施例中,可以通过点云密度聚类的方法,可得到1~M片森林区域。然后,分别计算1~M片森林区域中的每片森林区域对应的点云数据的密度,可以得到与1~M片森林区域对应的点云数据的密度D的集合:{D1,D2,…,DM}。接着,根据1~M片森林区域对应的点云数据的密度D的数值范围,可以设置多个尺寸的单棵树木分割阈值。示例性地,假设密度D的集合中的数值大小顺序为:D1<D2,…,DM-1<DM,预设一密度Dy。当D1≤Dy<D2,单棵树木分割阈值设置为T1;当D2≤Dy<D3,单棵树木分割阈值设置为T2;以此类推,当Dy=DM,单棵树木分割阈值为TM,从而可以得到多尺寸单棵树木分割阈值T的集合:{T1,T2,…,TM},且单棵树木分割阈值的大小为:T1>T2,…,TM-1>TM。可以理解的是,森林区域对应的点云数据的密度越高,该森林区域对应的单棵树木分割阈值越小,即单棵树木分割阈值框越小。
下面对森林区域的点云数据的密度的计算方式以及邻近点云数据的搜索方法给出一种可能的实现方式。
在一些实施例中,可以利用最小均值的方法计算森林区域的点云数据的密度。示例性地,假设第M片森林区域包含N个点云数据,组成点云数据集合A:{A1,A2,…,AN}。以点云A1为例进行说明,以点云A1为中心,搜索临近的K个点云数据,其中K≤(N-1)。接着,计算A1与临近周围K个点云数据的距离,可得到K个距离值,然后对K个距离值求均值,即可得到A1与临近周围K个点云数据的平均距离J1,以此类推,计算每个点云数据与临近的K个点云数据的平均距离,就可以得到每个点云数据与临近的K个点云数据的平均距离集合J:{J1,J2,…,JN}。然后对距离集合J求均值,可得到距离值JM。通过最小均值法计算得到的距离值JM就可以表征第M片森林区域的点云数据密度。其中,均值JM越小,则表征第M片森林区域的点云数据密度值越大。
在一些实施例中,根据第M片森林区域的点云数据密度值的大小,可以在上述多尺寸单棵树木分割阈值T的集合中选择相应的单棵树木分割阈值,即为单木阈值分割框。
下面结合图4,对二维网格图的实现方式进行更为详细地举例说明。
在一些实施例中,可以先获取森林区域的点云数据对应的二维点云平面数据,如图4所示,该二维点云平面数据集形成了该森林区域对应的点云数据二维图41。包围点云数据二维图41的边界框可以称为点云包围框42或包围框42。该点云包围框42例如可以为包围点云数据二维图41的最小边界框,本申请对比不做具体限制。点云包围框42例如可以为矩形,也可以为菱形,本申请对此亦不作具体限制。其中,二维网格图40多个单木分割阈值框43,单木分割阈值框43的形状可以与包围框42的形状相适配,例如可以为矩形、菱形等。
在一些实施例中,可以根据每个网格区域所包含的点云数据,确定每个网格区域对应的单颗树木的高度。每个网格区域对应的单颗树木的高度可以是每个网格区域所包含的点云数据的最高值,也可以是每个网格区域所包含的点云数据的高度平均值。
在一些实施例中,当二维网格图中的网格区域包含点云数据的高度一致,且该二维网格图中的网格区域位于点云数据对应的二维图像内部时,每个网格区域对应的单颗树木的高度需要重新确定。需要说明的是,点云数据在处理与传输的过程中常需要进行压缩(如抽稀)操作,压缩操作在一定程度上会损失点云数据的精度,特别是位于每一实例目标边缘处的点云数据的精度损失最为严重。所以,当检测到二维网格图中的网格区域包含点云数据的高度一致,且该二维网格图中的网格区域位于点云数据对应的二维图像内部时,可以推测说该网格区域的点云数据属于森林区域边缘处的点云数据,因此,为了提升单颗树木的点云数据的精度,需要重新确定该网格区域对应的单颗树木的点云数据,以此重新确定出该网格区域对应的单颗树木的高度。
作为一个示例,可以基于二维网格图中的网格区域对应的单颗树木的中心位置,可以搜索该中心位置临近的多个不同平面点云数据;接着,根据该中心位置附近的多个不同平面点云数据,可以确定每个网格区域所对应的单颗树木的高度。
在一些实施例中,还可以利用数字地表模型数据对单颗树木的高度进行修正。作为一个示例,首先获取该森林区域的数字地表模型数据;接着根据每个网格区域对应的单颗树木的中心位置,确定每个网格区域对应的数字地表模型数据中的高度;最后,根据每个网格区域对应的数字地表模型数据中的高度,修正每个网格区域对应的单颗树木的高度,即将每个网格区域对应的单颗树木的高度减掉该网格区域对应的数字地表模型的高度,即可得到修正后的单颗树木的高度。
继续参见图4,在一些实施例中,针对获得的森林区域的点云数据的二维网格图40,可以通过数量阈值筛选的方法过滤掉点数较少的单木阈值分割框,本申请对该数量阈值的大小不做具体限定。可以理解的是,如果该二维网格图中的网格区域所包含的森林区域的点云数据较少,可以认为该网格区域为空,即该网格区域并不对应任一单颗树木。作为一个示例,位于单木分割阈值框43处的网格几乎没有包含森林区域的点云数据,则可以将该处的单木分割阈值框删除,或认为该网格区域并不存在单颗树木。
在一些实施例中,本申请还提出了一种点云数据矢量化的方法,可以先通过前文任意一种可能的点云数据的处理方法生成单颗树木的点云数据,然后还可以利用前文所述的点云数据的处理方法生成单颗树木的点云数据的最小包围框。接着对比所述最小包围框与标准矢量模型的角度差异和尺寸差异。基于所述角度差异和所述尺寸差异可以调整该标准矢量模型,从而可以得到所述单颗树木的树木矢量模型。
在一些实施例中,标准矢量化模型的尺寸可以根据每个网格区域对应的单颗树木的高度来调整。单颗树木的点云数据的最小包围框与标准矢量模型的角度差异,可以通过凸包检测(即检测每个最小包围框中的顶点或拐点的点云数据)的方法来确定。具体地,在根据每个网格区域对应的单颗树木的高度来调整标准矢量模型后,可以根据每个网格区域所包含的点云数据的二维平面数据,利用凸包检测(即检测每个网格区域中的顶点或拐点的点云数据)与最小包围框的方法,生成每个网格区域中点云数据的带有凸包方向的最小包围框。即,利用每个网格区域中的顶点或拐点这一凸包信息,结合可以包括每个网格区域中点云数据的包围框,可以生成包围每个网格区域中点云数据的最小包围框,可以称为单木最小包围框,该包围框可以方形或菱形等。利用二维正投影的方法计算已确定的标准矢量模型的投影面积框与上述带有凸包方向的最小包围框之间的角度差。旋转已确定的标准矢量模型,以使得已确定的标准矢量模型的投影面积框与上述带有凸包方向的最小包围框之间的角度一致。也就是说,通过旋转已确定的标准矢量模型,使得每个网格区域中点云数据的带有凸包方向的最小包围框可以最大程度的包围已确定的标准矢量模型。
在一些实施例中,根据每个网络区域对应的单颗树木的中心位置,将每个网格区域对应的已经调整过的单颗树木的树木矢量模型放置在对应的中心位置,就可以得到森林区域的矢量地图。与传统方案中以森林区域为粒度,用一个单木矢量模型代表一个森林区域矢量地图的方案相比,本申请中的方案通过将森林区域划分为多个单木区域,并生成多个单木区域对应的单颗树木的树木矢量模型,然后将该多个树木矢量模型放置在对应位置,以生成森林区域的矢量地图。也就是说,本申请实施例是以单木区域为粒度,用一个单木矢量模型代表一个单木区域,从而能够提高森林区域矢量地图的精度。
但是本申请建立矢量地图的方法可以但不限于对大片森林区域进行矢量化建模,例如,可以是类似森林区域的农作物区域,也可以是灌木区域,本申请对此不作具体限制。
在一些实施例中,针对森林区域的二维网格图中的每个网格区域的矢量化,例如可以对每个网格区域进行单个滑动计算处理,也可以采用多线程处理的方法对所有网格区域的矢量化同时计算处理,本申请对此不做具体限制。
上文结合图1至图4,详细描述了点云数据的处理方法以及点云数据矢量化的方法实施例,下面结合图5和图6详细描述本申请的装置实施例。应理解,方法实施例的描述与装置实施例的描述相互对应,因此,未详细描述的部分可以参见前面方法实施例。
图5是本申请实施例提供的一种点云数据的处理装置的结构示意图。装置50可以包括第一获取模块51,第一确定模块52,第二确定模块5。下面对这些模块进行详细介绍。
第一获取模块51可以用于获取森林区域的点云数据;
第一确定模块52可以用于根据所述森林区域的点云数据,确定所述森林区域的点云数据对应的二维网格图;
第二确定模块53可以用于根据所述二维网格图中的每个网格区域所包含的点云数据,确定所述森林区域中的单颗树木的点云数据。
可选地,所述根据所述二维网格图中的每个网格区域所包含的点云数据,确定所述森林区域中的单颗树木的点云数据,包括:根据所述二维网格图将所述森林区域划分为多个网格区域,获取每个网格区域对应的点云数据,作为单颗树木的初始点云数据;根据所述初始点云数据中每一点的二维坐标信息,确定所述每个网格区域对应的单颗树木的中心位置;获取每个网格区域对应的数字地表模型数据的高程信息,根据所述高程信息和所述中心位置的二维坐标信息生成目标点;将所述目标点加入所述单颗树木的初始点云数据中,以得到所述单颗树木的点云数据。
可选地,所述根据所述初始点云数据中每一点的二维坐标信息,确定所述每个网格区域对应的单颗树木的中心位置之前,包括:获取所述单颗树木的初始点云数据中每一点的高程信息和二维坐标信息;基于所述高程信息和所述二维坐标信息确定所述单颗树木的初始点云数据是否为满足要求;当所述初始点云数据满足要求时,搜索所述单颗树木的点云数据距离最近的多个点,以更新所述初始点云数据。
可选地,所述基于所述高程信息和所述二维坐标信息确定所述单颗树木的初始点云数据是否为满足要求,包括:根据所述初始点云数据中每一点的高程信息确定所述初始点云数据的高程值是否相同;根据所述初始点云数据中每一点的二维坐标信息,确定所述初始点云数据是否位于所述森林区域内部;当所述初始点云数据中每一点的高程值相同,且所述初始点云数据位于所述森林区域内部时,确定满足要求。
可选地,所述根据所述初始点云数据中每一点的二维坐标信息,确定所述每个网格区域对应的单颗树木的中心位置,包括:获取所述初始点云数据中每一点的置信度;根据所述初始点云数据中每一点的置信度,从所述初始点云数据中选取第一点云数据集合,所述第一点云数据集合中的点云数据的置信度均大于置信度预设阈值;根据所述第一点云数据集合中的点云数据的二维平面数据的均值,确定所述每个网格区域对应的单颗树木的中心位置。
可选地,所述根据所述森林区域的点云数据的点云密度,确定所述森林区域的点云数据的二维网格图,包括:根据所述森林区域的点云数据,确定所述森林区域的点云数据对应的包围框;根据所述森林区域的点云数据的点云密度,确定所述森林区域的点云数据对应的单木分割阈值框;根据所述包围框和所述单木分割阈值框,确定所述森林区域的点云数据的二维网格图,其中所述单木分割阈值框的尺寸大小与所述二维网格图中网格的尺寸大小相同。
可选地,所述根据所述森林区域的点云数据的点云密度,确定所述森林区域的点云数据对应的单木分割阈值框,包括:预设多个尺寸的单木分割阈值框,其中所述多个尺寸的单木分割阈值框对应所述森林区域的点云数据的多个点云密度等级;根据所述森林区域的点云数据,利用最小均值法确定所述森林区域的点云数据的点云密度;根据所述森林区域的点云数据的点云密度等级,确定所述森林区域的点云数据对应的单木分割阈值框。可选地,所述根据所述二维网格图中的每个网格区域所包含的点云数据,确定所述森林区域中的单颗树木的点云数据,包括:根据所述二维网格图将所述森林区域划分为多个网格区域,获取每个网格区域对应的点云数据,作为单颗树木的初始点云数据;根据所述初始点云数据中每一点的二维坐标信息,确定所述每个网格区域对应的单颗树木的中心位置;获取每个网格区域对应的数字地表模型数据的高程信息,根据所述高程信息和所述中心位置的二维坐标信息生成目标点;将所述目标点加入所述单颗树木的初始点云数据中,以得到所述单颗树木的点云数据。
可选地,所述根据所述初始点云数据中每一点的二维坐标信息,确定所述每个网格区域对应的单颗树木的中心位置之前,包括:获取所述单颗树木的初始点云数据中每一点的高程信息和二维坐标信息;基于所述高程信息和所述二维坐标信息确定所述单颗树木的初始点云数据是否为满足要求;当所述初始点云数据满足要求时,搜索所述单颗树木的点云数据距离最近的多个点,以更新所述初始点云数据。
可选地,所述基于所述高程信息和所述二维坐标信息确定所述单颗树木的初始点云数据是否为满足要求,包括:根据所述初始点云数据中每一点的高程信息确定所述初始点云数据的高程值是否相同;根据所述初始点云数据中每一点的二维坐标信息,确定所述初始点云数据是否位于所述森林区域内部;当所述初始点云数据中每一点的高程值相同,且所述初始点云数据位于所述森林区域内部时,确定满足要求。
可选地,所述根据所述初始点云数据中每一点的二维坐标信息,确定所述每个网格区域对应的单颗树木的中心位置,包括:获取所述初始点云数据中每一点的置信度;根据所述初始点云数据中每一点的置信度,从所述初始点云数据中选取第一点云数据集合,所述第一点云数据集合中的点云数据的置信度均大于置信度预设阈值;根据所述第一点云数据集合中的点云数据的二维平面数据的均值,确定所述每个网格区域对应的单颗树木的中心位置。
可选地,所述根据所述森林区域的点云数据的点云密度,确定所述森林区域的点云数据的二维网格图,包括:根据所述森林区域的点云数据,确定所述森林区域的点云数据对应的包围框;根据所述森林区域的点云数据的点云密度,确定所述森林区域的点云数据对应的单木分割阈值框;根据所述包围框和所述单木分割阈值框,确定所述森林区域的点云数据的二维网格图,其中所述单木分割阈值框的尺寸大小与所述二维网格图中网格的尺寸大小相同。
可选地,所述根据所述森林区域的点云数据的点云密度,确定所述森林区域的点云数据对应的单木分割阈值框,包括:预设多个尺寸的单木分割阈值框,其中所述多个尺寸的单木分割阈值框对应所述森林区域的点云数据的多个点云密度等级;根据所述森林区域的点云数据,利用最小均值法确定所述森林区域的点云数据的点云密度;根据所述森林区域的点云数据的点云密度等级,确定所述森林区域的点云数据对应的单木分割阈值框。
图6是本申请实施例提供的点云数据矢量化的装置的结构示意图。装置60可以包括第二获取模块61,生成模块62,第三确定模块63。下面对这些模块进行详细介绍。
第二获取模块可以用于获取单颗树木的点云数据,所述单颗树木的点云数据可以由前文所述的点云数据的处理装置生成;
生成模块可以用于生成所述单颗树木的点云数据的最小包围框,对比所述最小包围框与标准矢量模型的角度差异和尺寸差异;
第三确定模块可以用于基于所述角度差异和所述尺寸差异调整所述标准矢量模型,以确定所述单颗树木的树木矢量模型。
可选地,所述基于所述角度差异和所述尺寸差异调整所述标准矢量模型,以得到所述单颗树木的树木矢量模型之后,包括:获取所述单颗树木的点云数据的中心位置,将每一单颗树木的树木矢量模型移动至所述中心位置,以得到所述森林区域的矢量地图。
本申请实施例还提供了一种计算机可读存储介质,该存储介质存储有计算机指令、程序,该计算机指令、程序在被读取并运行时执行上述实施例的点云数据的处理的方法和/或点云数据矢量化的方法。该存储介质可以包括内存、闪存、寄存器或者其结合等。
本申请实施例还提供一种电子设备,可以是计算机设备或飞行设备,该电子设备如图1所示,可以实现上述的点云数据的处理的方法和/或点云数据矢量化的方法;具体的,该电子设备包括:处理器110,存储器120、总线130。处理器110可以是CPU。存储器120用于存储一个或多个程序,当一个或多个程序被处理器110执行时,执行上述实施例的点云数据的处理的方法和/或点云数据矢量化的方法。
应理解,在本申请的各种实施例中,上述各过程的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本申请实施例的实施过程构成任何限定。
在本申请所提供的几个实施例中,应该理解到,所揭露的系统、装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。
在上述实施例中,可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时,可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时,全部或部分地产生按照本申请实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一个计算机可读存储介质传输,例如,所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(digital subscriber line,DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够读取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质,(例如,软盘、硬盘、磁带)、光介质(例如,数字通用光盘(digital video disc,DVD))或者半导体介质(例如,固态硬盘(solid state disk,SSD))等。
以上所述,仅为本申请的具体实施方式,但本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应以所述权利要求的保护范围为准。
Claims (12)
1.一种点云数据的处理方法,其特征在于,包括:
获取森林区域的点云数据;
根据所述森林区域的点云数据的点云密度,确定所述森林区域的点云数据对应的二维网格图;
根据所述二维网格图中的每个网格区域所包含的点云数据,确定所述森林区域中的单颗树木的点云数据;
所述根据所述森林区域的点云数据的点云密度,确定所述森林区域的点云数据的二维网格图,包括:
根据所述森林区域的点云数据,确定所述森林区域的点云数据对应的包围框;
根据所述森林区域的点云数据的点云密度,确定所述森林区域的点云数据对应的单木分割阈值框;
根据所述包围框和所述单木分割阈值框,确定所述森林区域的点云数据的二维网格图,其中所述单木分割阈值框的尺寸大小与所述二维网格图中网格的尺寸大小相同。
2.根据权利要求1所述的点云数据的处理方法,其特征在于,所述根据所述二维网格图中的每个网格区域所包含的点云数据,确定所述森林区域中的单颗树木的点云数据,包括:
根据所述二维网格图将所述森林区域划分为多个网格区域,获取每个网格区域对应的点云数据,作为单颗树木的初始点云数据;
根据所述初始点云数据中每一点的二维坐标信息,确定所述每个网格区域对应的单颗树木的中心位置;
获取每个网格区域对应的数字地表模型数据的高程信息,根据所述高程信息和所述中心位置的二维坐标信息生成目标点;
将所述目标点加入所述单颗树木的初始点云数据中,以得到所述单颗树木的点云数据。
3.根据权利要求2所述的点云数据的处理方法,其特征在于,所述根据所述初始点云数据中每一点的二维坐标信息,确定所述每个网格区域对应的单颗树木的中心位置之前,包括:
获取所述单颗树木的初始点云数据中每一点的高程信息和二维坐标信息;
基于所述高程信息和所述二维坐标信息确定所述单颗树木的初始点云数据是否为满足要求;
当所述初始点云数据满足要求时,搜索所述单颗树木的点云数据距离最近的多个点,以更新所述初始点云数据。
4.根据权利要求3所述的点云数据的处理方法,其特征在于,所述基于所述高程信息和所述二维坐标信息确定所述单颗树木的初始点云数据是否为满足要求,包括:
根据所述初始点云数据中每一点的高程信息确定所述初始点云数据的高程值是否相同;
根据所述初始点云数据中每一点的二维坐标信息,确定所述初始点云数据是否位于所述森林区域内部;
当所述初始点云数据中每一点的高程值相同,且所述初始点云数据位于所述森林区域内部时,确定满足要求。
5.根据权利要求2所述的点云数据的处理方法,其特征在于,所述根据所述初始点云数据中每一点的二维坐标信息,确定所述每个网格区域对应的单颗树木的中心位置,包括:
获取所述初始点云数据中每一点的置信度;
根据所述初始点云数据中每一点的置信度,从所述初始点云数据中选取第一点云数据集合,所述第一点云数据集合中的点云数据的置信度均大于置信度预设阈值;
根据所述第一点云数据集合中的点云数据的二维平面数据的均值,确定所述每个网格区域对应的单颗树木的中心位置。
6.根据权利要求1所述的点云数据的处理方法,其特征在于,所述根据所述森林区域的点云数据的点云密度,确定所述森林区域的点云数据对应的单木分割阈值框,包括:
预设多个尺寸的单木分割阈值框,其中所述多个尺寸的单木分割阈值框对应所述森林区域的点云数据的多个点云密度等级;
根据所述森林区域的点云数据,利用最小均值法确定所述森林区域的点云数据的点云密度;
根据所述森林区域的点云数据的点云密度等级,确定所述森林区域的点云数据对应的单木分割阈值框。
7.一种点云数据矢量化的方法,其特征在于,包括:
获取单颗树木的点云数据,所述单颗树木的点云数据通过权利要求1-6任一项所述的点云数据的处理方法生成;
生成所述单颗树木的点云数据的最小包围框,对比所述最小包围框与标准矢量模型的角度差异和尺寸差异;
基于所述角度差异和所述尺寸差异调整所述标准矢量模型,以得到所述单颗树木的树木矢量模型。
8.根据权利要求7所述的点云数据矢量化的方法,所述基于所述角度差异和所述尺寸差异调整所述标准矢量模型,以得到所述单颗树木的树木矢量模型之后,包括:
获取所述单颗树木的点云数据的中心位置,将每一单颗树木的树木矢量模型移动至所述中心位置,以得到所述森林区域的矢量地图。
9.一种点云数据的处理装置,其特征在于,所述装置包括:
第一获取模块,用于获取森林区域的点云数据;
第一确定模块,用于根据所述森林区域的点云数据,确定所述森林区域的点云数据对应的二维网格图;
第二确定模块,根据所述二维网格图中的每个网格区域所包含的点云数据,确定所述森林区域中的单颗树木的点云数据;
所述第一确定模块用于:
根据所述森林区域的点云数据,确定所述森林区域的点云数据对应的包围框;
根据所述森林区域的点云数据的点云密度,确定所述森林区域的点云数据对应的单木分割阈值框;
根据所述包围框和所述单木分割阈值框,确定所述森林区域的点云数据的二维网格图,其中所述单木分割阈值框的尺寸大小与所述二维网格图中网格的尺寸大小相同。
10.一种点云数据矢量化的装置,其特征在于,所述装置包括:
第二获取模块,用于获取单颗树木的点云数据,所述单颗树木的点云数据由权利要求9所述的点云数据的处理装置生成;
生成模块,用于生成所述单颗树木的点云数据的最小包围框,对比所述最小包围框与标准矢量模型的角度差异和尺寸差异;
第三确定模块,用于基于所述角度差异和所述尺寸差异调整所述标准矢量模型,以确定所述单颗树木的树木矢量模型。
11.一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如权利要求1-6中任一项或权利要求7-8中任一项所述的方法。
12.一种电子设备,其特征在于,包括:处理器和存储器,所述存储器用于存储一个或多个程序;当所述一个或多个程序被所述处理器执行时,实现如权利要求1-6中任一项或权利要求7-8中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111615159.0A CN114463512B (zh) | 2021-12-24 | 2021-12-24 | 点云数据的处理方法、矢量化方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111615159.0A CN114463512B (zh) | 2021-12-24 | 2021-12-24 | 点云数据的处理方法、矢量化方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114463512A CN114463512A (zh) | 2022-05-10 |
CN114463512B true CN114463512B (zh) | 2023-04-07 |
Family
ID=81407114
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111615159.0A Active CN114463512B (zh) | 2021-12-24 | 2021-12-24 | 点云数据的处理方法、矢量化方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114463512B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115861549B (zh) * | 2023-02-27 | 2023-05-30 | 航天宏图信息技术股份有限公司 | 一种自动替换实景三维数据中树木模型的方法和装置 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106815847B (zh) * | 2017-01-12 | 2019-11-22 | 非凡智慧(宁夏)科技有限公司 | 基于激光雷达点云的树木分割方法及单棵树提取方法 |
CN110148116A (zh) * | 2019-04-12 | 2019-08-20 | 深圳大学 | 一种森林生物量估算方法及其系统 |
WO2021128297A1 (zh) * | 2019-12-27 | 2021-07-01 | 深圳市大疆创新科技有限公司 | 三维点云地图构建方法、系统和设备 |
CN113420674A (zh) * | 2021-06-24 | 2021-09-21 | 深圳市城市公共安全技术研究院有限公司 | 基于点云数据的森林档案模型构建方法、装置及存储介质 |
-
2021
- 2021-12-24 CN CN202111615159.0A patent/CN114463512B/zh active Active
Non-Patent Citations (1)
Title |
---|
Feasibility for estimation of single tree characteristics using laser scanner;Hyypp J;《IEEE》;20080806;981-983 * |
Also Published As
Publication number | Publication date |
---|---|
CN114463512A (zh) | 2022-05-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111210429B (zh) | 点云数据划分方法及装置、障碍物检测方法及装置 | |
CN110226806B (zh) | 一种鞋底涂胶轨迹生成方法及装置 | |
US10019649B2 (en) | Point cloud simplification | |
WO2021052283A1 (zh) | 处理三维点云数据的方法和计算设备 | |
US9691006B2 (en) | Point cloud simplification | |
CN109977466B (zh) | 一种三维扫描视点规划方法、装置及计算机可读存储介质 | |
CN111612841A (zh) | 目标定位方法及装置、移动机器人及可读存储介质 | |
CN111553946B (zh) | 用于去除地面点云的方法及装置、障碍物检测方法及装置 | |
CN111582054A (zh) | 点云数据处理方法及装置、障碍物检测方法及装置 | |
CN115436910B (zh) | 一种对激光雷达点云进行目标检测的数据处理方法和装置 | |
CN111915657A (zh) | 一种点云配准方法、装置、电子设备及存储介质 | |
CN111340862A (zh) | 一种基于多特征融合的点云配准方法、装置及存储介质 | |
CN114463512B (zh) | 点云数据的处理方法、矢量化方法及装置 | |
CN108564604B (zh) | 基于平面约束和三角剖分的双目视觉立体匹配方法及装置 | |
CN110930503A (zh) | 一种服装三维模型建立方法、系统、存储介质及电子设备 | |
CN115147333A (zh) | 一种目标检测方法及装置 | |
CN113379826A (zh) | 物流件的体积测量方法以及装置 | |
CN110363847B (zh) | 一种基于点云数据的地图模型构建方法和装置 | |
CN112633299B (zh) | 一种目标检测方法、网络、装置、终端设备及存储介质 | |
CN115761425A (zh) | 目标检测方法、装置、终端设备及计算机可读存储介质 | |
CN113283821A (zh) | 虚拟场景处理方法、装置、电子设备及计算机存储介质 | |
CN112132215A (zh) | 一种识别物体类型的方法、装置及计算机可读存储介质 | |
CN117392631B (zh) | 一种道路边界提取方法、装置、电子设备及存储介质 | |
CN114419250B (zh) | 点云数据矢量化方法及装置、矢量地图生成方法及装置 | |
CN117252993B (zh) | 特征点提取算法的验证方法、装置、电子设备及存储介质 |
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 |