CN114565706A - 基于视锥的点云处理方法、装置、电子设备及存储介质 - Google Patents

基于视锥的点云处理方法、装置、电子设备及存储介质 Download PDF

Info

Publication number
CN114565706A
CN114565706A CN202210179554.7A CN202210179554A CN114565706A CN 114565706 A CN114565706 A CN 114565706A CN 202210179554 A CN202210179554 A CN 202210179554A CN 114565706 A CN114565706 A CN 114565706A
Authority
CN
China
Prior art keywords
point cloud
cloud data
dimensional laser
laser point
unit square
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
Application number
CN202210179554.7A
Other languages
English (en)
Inventor
金凌鸽
曲和政
刘立
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.)
Suzhou Yihang Yuanzhi Intelligent Technology Co ltd
Original Assignee
Suzhou Yihang Yuanzhi Intelligent Technology 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 Suzhou Yihang Yuanzhi Intelligent Technology Co ltd filed Critical Suzhou Yihang Yuanzhi Intelligent Technology Co ltd
Priority to CN202210179554.7A priority Critical patent/CN114565706A/zh
Publication of CN114565706A publication Critical patent/CN114565706A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T15/00—3D [Three Dimensional] image rendering
    • G06T15/005—General purpose rendering architectures
    • 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)
  • Computer Graphics (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Image Generation (AREA)

Abstract

本公开提供了一种基于视锥的点云处理方法，包括：对获取的原始三维激光点云数据进行预处理，获得预处理后的三维激光点云数据，预处理至少包括获得原始三维激光点云数据的最小有向包围盒；基于视锥体在最小有向包围盒的底面的投影将预处理后的三维激光点云数据中的无效场景的点云数据去除，获取视锥体内的三维激光点云数据；以及对视锥体内的三维激光点云数据进行基于视点坐标与激光点之间距离的抽稀处理，对经过抽稀处理后的视锥体内的三维激光点云数据进行渲染处理。本公开还提供了一种基于视锥的点云处理装置、电子设备以及可读存储介质。

Description

基于视锥的点云处理方法、装置、电子设备及存储介质
技术领域
本公开涉及点云渲染、三维建模技术领域，本公开尤其涉及一种基于视锥的点云处理方法、基于视锥的点云处理装置、电子设备及存储介质。
背景技术
随着三维激光雷达扫描技术的兴起，三维激光雷达点云在数字城市、物联网、3D视频、沉浸式游戏等应用中运用越来越广泛。
三维激光雷达点云可以精确地描述对象的语义信息，比传统的2D图像更加生动地展示物体的信息，但是由于三维激光雷达点云具有海量数据，受计算机内存大小和显卡性能的制约，将海量数据进行实时渲染是一个艰巨的挑战。因此研究一种实时渲染海量点云数据的方法是十分重要的。
中国专利CN104376590A提出了一种海量数据按圈索引空间显示方法。该方法结合激光雷达按圈扫描以及存储的特性，三维激光雷达点云数据按照扫描圈重新组织数据格式，将每一扫描圈POS中心到下一扫描圈POS中心的方向向量作为该扫描圈扫描得到的点云的有向包围盒的主轴向量。然后根据得到的主轴向量以及该扫描圈的点云范围值，从而计算包围该扫描圈的点云的有向包围盒的顶点坐标；最后计算视角下显示的视锥体的有向包围盒并比较其与根据扫描圈点云计算得到的有向包围盒是否相交，如果两个有向包围盒相交，则渲染显示该圈点云；否则不显示该圈点云。但是该方法只能适用于按圈扫描得到的点云数据，对于MEMS(MicroElectro Mechanical Systems)激光雷达并不适用，并且该方法只是剔除了不在视角的有向包围盒内的点云，对视角包围盒内的海量点云没有做任何处理。
中国专利CN111127610A提出了一种点云数据三维可视化渲染方法，该方法首先将点云数据标准化，然后对三维空间进行划分，每个点云绑定唯一的键值，并采用多线程，提升点云数据的加载速度。该方法提出了多种点云渲染方法，包括顶点渲染法、基于三维网络的映射渲染、基于三角剖分算法的网格重构渲染、点云运动动画渲染以及点云粒子动画渲染。但是该方法并没有提出任何实现点云实时渲染的方案。
中国专利CN108615254A提出了一种基于树型结构网络矢量量化的点云渲染方法。根据该方法，点云数据组成的矢量空间被划分为若干网络矢量，并对得到的网络矢量进行包围盒封装，然后利用八叉树分割方法对包围盒进行多层量化处理，得到不同深度的子包围盒。最后用子包围盒代替点云数据中在子包围盒中的点。但是该方法用包围盒代替点进行渲染，会模糊物体的语义特征，造成物体失真，影响观众体验。
中国专利CN107943961A提出了一种基于Web的海量点云渲染方法。该方法利用四叉树对海量点云数据进行重新组织，然后利用Potree技术将点云数据渲染到Web浏览器上。但是Potree可拓展性能差，只能支持特定的数据格式，不能处理高程差小的扁平化的点云，并且该方法并没有对点云进行处理，而是将所有点云进行渲染。由于海量点云数据存在冗余，不对点云数据进行处理而渲染所有点云，会带来非常巨大的性能消耗，造成计算机内存的浪费。
中国专利CN106846498A提供了一种激光点云渲染方法和装置，首先将不同格式的点云数据转换成AutoCAD中标准格式的PCG格式点云，然后根据视窗的范围、点云显示阈值，统计三维视窗中显示的点云中的待渲染点。得到的待渲染点添加到AutoCAD点云对象中，渲染所述点云。该方法只提供了一种处理并渲染不同点云格式数据的思路，并没有针对点云实时渲染提供一种可行的方案。
中国专利CN101908068A提出了一种基于四叉树索引的海量激光扫描点云实时绘制方法。首先对原始三维激光点云数据建立四叉树索引，并对四叉树索引进行序列化，然后利用四叉树索引，对海量激光点云数据进行快速视场裁剪，通过绘制细节控制和绘制时间控制，实现海量点云的实时绘制；该方法通过限制绘制的点云数据，达到快速渲染点云数据的目的，但是该方法采用传统四叉树建立索引，当该方法应用于动态场景时，对象的位置在不断变化，对象随时切换在树中的节点，从而需要不断更新四叉树；该方法的另一个问题是，该方法只是通过裁剪视场，限制渲染的点云的数量，并没有对渲染的点云做处理，一旦视场内的点云数量过大，则会影响渲染的速度。
通过分析现有的技术方案可知，目前的点云渲染不能满足实时渲染海量点云数据的需求，有的方法利用强大的数据索引例如Potree，可以实现点云快速的渲染，但是由于没有对点云数据进行任何处理，这些方法会带来非常巨大的性能消耗，存在浪费计算机内存，消耗GPU性能的问题；另外一些方法通过限制渲染的点云数据，例如，裁剪视场、渲染包围点云的包围盒而非点云本身，来提高渲染点云数据的速度。但是这些方法都存在一些问题，有些方法只剔除了视场外的点云，并没有对视场内的点云做任何处理；有些方法利用有向包围盒代替包围盒内的点云数据，会模糊物体的语义信息，造成物体失真。
发明内容
为了解决上述技术问题中的至少一个，本公开提供了一种基于视锥的点云处理方法、装置、电子设备及存储介质。
根据本公开的一个方面，提供一种基于视锥的点云处理方法，包括：
S102、对获取的原始三维激光点云数据进行预处理，获得预处理后的三维激光点云数据，所述预处理至少包括获得所述原始三维激光点云数据的最小有向包围盒；
S104、基于视锥体在所述最小有向包围盒的底面的投影将所述预处理后的三维激光点云数据中的无效场景的点云数据去除，获取视锥体内的三维激光点云数据；
S106、对视锥体内的三维激光点云数据进行基于视点坐标与激光点之间距离的抽稀处理，对经过抽稀处理后的视锥体内的三维激光点云数据进行渲染处理。
根据本公开的至少一个实施方式的基于视锥的点云处理方法，S102、对获取的原始三维激光点云数据进行预处理，获得预处理后的三维激光点云数据，包括：
S1021、计算原始三维激光点云数据中的点数据的特征向量和特征值，以其中的最大特征值对应的特征向量作为原始三维激光点云的方向向量；
S1022、基于所述原始三维激光点云数据的方向向量以及原始三维激光点云数据在空间直角坐标系下的坐标值，获得原始三维激光点云数据的最小有向包围盒；
S1023、以所述最小有向包围盒的左下角顶点为原点，将所述原始三维激光点云数据划分到预设正方形平面网格的各个单位正方形网格中，生成点云数据占用网格区域；
S1024、对于每个单位正方形网格，建立该单位正方形网格中的各个点数据与该单位正方形网格坐标的映射关系。
根据本公开的至少一个实施方式的基于视锥的点云处理方法，步骤S102中，还包括：S1025、对每个单位正方形网格中的三维激光点云数据进行随机排序，以实现每个单位正方形网格中的点数据的均匀分布。
根据本公开的至少一个实施方式的基于视锥的点云处理方法，S104、基于视锥体在所述最小有向包围盒的底面的投影将所述预处理后的三维激光点云数据中的无效场景的点云数据去除，获取视锥体内的三维激光点云数据，包括：
S1041、获取视锥体的各条侧边与所述最小有向包围盒的底面所在的平面的交点，获取投影多边形；
S1042、对所述投影多边形与所述点云数据占用网格区域求交集，获取交集区域；
S1043、对所述交集区域进行光栅化操作，以获取所述交集区域所占的单位正方形网格；
S1044、基于所述交集区域所占的单位正方形网格的各个单位正方形网格的坐标获取视锥体内的三维激光点云数据。
根据本公开的至少一个实施方式的基于视锥的点云处理方法，S1043、对所述交集区域进行光栅化操作，以获取所述交集区域所占的单位正方形网格，其中，所述交集区域所占的单位正方形网格包括与所述投影多边形相交的边缘单位正方形网格。
根据本公开的至少一个实施方式的基于视锥的点云处理方法，S1044、基于所述交集区域所占的单位正方形网格的各个单位正方形网格的坐标获取视锥体内的三维激光点云数据，包括：
对所述交集区域所占的单位正方形网格的各个单位正方形网格进行异步加载；
基于所述交集区域所占的单位正方形网格的各个单位正方形网格的坐标与单位正方形网格中的各个点数据的映射关系，定位到各个单位正方形网格中包含的三维激光点云数据块。
根据本公开的至少一个实施方式的基于视锥的点云处理方法，还包括：S1045、加载单位正方形网格的三维激光点云数据，以用于点云渲染处理。
根据本公开的至少一个实施方式的基于视锥的点云处理方法，S1045、加载单位正方形网格的三维激光点云数据，以用于点云渲染处理，包括：
实时更新所述视锥体的几何特征，以获取更新视锥体；
判断完成加载的单位正方形网格的三维激光点云数据是否成为所述更新视锥体之外的三维激光点云数据；
将成为所述更新视锥体之外的点云数据卸载，以更新进行点云渲染处理的三维激光点云数据。
根据本公开的至少一个实施方式的基于视锥的点云处理方法，S106、对视锥体内的三维激光点云数据进行基于视点坐标与激光点之间距离的抽稀处理，对经过抽稀处理后的视锥体内的三维激光点云数据进行渲染处理，包括：
S1061、计算待渲染的三维激光点云数据对应的单位正方形网格与视点之间的距离；
S1062、基于各个单位正方形网格中心与视点之间的距离以及单位正方形网格中心到视点的向量与单位正方形网格的法向量之间的夹角，动态地获取抽稀比例系数；
S1063、基于各个单位正方形网格的抽稀比例系数对各个单位正方形网格对应的三维点云数据进行抽稀处理，以进行渲染处理。
根据本公开的另一个方面，本公开还提供一种基于视锥的点云处理装置，包括：
预处理模块，所述预处理模块对获取的原始三维激光点云数据进行预处理，获得预处理后的三维激光点云数据，所述预处理至少包括获得所述原始三维激光点云数据的最小有向包围盒；
点云筛选模块，所述点云筛选模块基于视锥体在所述最小有向包围盒的底面的投影将所述预处理后的三维激光点云数据中的无效场景的点云数据去除，获取视锥体内的三维激光点云数据；
数据处理模块，所述数据处理模块至少对视锥体内的三维激光点云数据进行基于视点坐标与激光点之间距离的抽稀处理，对经过抽稀处理后的视锥体内的三维激光点云数据进行渲染处理。
根据本公开的至少一个实施方式的点云处理装置，所述预处理模块包括：
方向向量获取模块，所述方向向量获取模块计算原始三维激光点云数据中的点数据的特征向量和特征值，以其中的最大特征值对应的特征向量作为原始三维激光点云的方向向量；
最小有向包围盒获取模块，所述最小有向包围盒获取模块基于所述原始三维激光点云数据的方向向量以及原始三维激光点云数据在空间直角坐标系下的坐标值，获得原始三维激光点云数据的最小有向包围盒；
点云数据划分模块，所述点云数据划分模块以所述最小有向包围盒的左下角顶点为原点，将所述原始三维激光点云数据划分到预设正方形平面网格的各个单位正方形网格中，生成点云数据占用网格区域；
映射关系建立模块，所述映射关系建立模块对于每个单位正方形网格，建立该单位正方形网格中的各个点数据与该单位正方形网格坐标的映射关系；
随机排序模块，所述随机排序模块对每个单位正方形网格中的三维激光点云数据进行随机排序，以实现每个单位正方形网格中的点数据的均匀分布。
根据本公开的至少一个实施方式的点云处理装置，点云筛选模块包括：
投影多边形获取模块，所述投影多边形获取模块获取视锥体的各条侧边与所述最小有向包围盒的底面所在的平面的交点，获取投影多边形；
交集区域获取模块，所述交集区域获取模块对所述投影多边形与所述点云数据占用网格区域求交集，获取交集区域；
单位正方形网格提取模块，所述单位正方形网格提取模块对所述交集区域进行光栅化操作，以获取所述交集区域所占的单位正方形网格；
三维激光点云数据提取模块，所述三维激光点云数据提取模块基于所述交集区域所占的单位正方形网格的各个单位正方形网格的坐标获取视锥体内的三维激光点云数据；
更新模块，所述更新模块实时更新所述视锥体的几何特征，以获取更新视锥体，判断完成加载的单位正方形网格的三维激光点云数据是否成为所述更新视锥体之外的三维激光点云数据；
数据加载卸载模块，所述数据加载卸载模块加载所述三维激光点云数据提取模块发送的各个单位正方形网格对应的视锥体内的三维激光点云数据，卸载所述更新视锥体之外的三维激光点云数据。
根据本公开的至少一个实施方式的点云处理装置，所述数据处理模块包括：
距离计算模块，所述距离计算模块计算待渲染的三维激光点云数据对应的单位正方形网格与视点之间的距离；
抽稀比例系数获取模块，所述抽稀比例系数获取模块基于各个单位正方形网格中心与视点之间的距离以及单位正方形网格中心到视点的向量与单位正方形网格的法向量之间的夹角，动态地获取抽稀比例系数；
抽稀处理模块，所述抽稀处理模块基于各个单位正方形网格的抽稀比例系数对各个单位正方形网格对应的三维点云数据进行抽稀处理；
渲染处理模块，所述渲染处理模块对进行了抽稀处理之后的三维点云数据进行渲染处理。
根据本公开的又一个方面，提供一种电子设备，包括：存储器，所述存储器存储执行指令；以及处理器，所述处理器执行所述存储器存储的执行指令，使得所述处理器执行上述任一项所述的点云处理方法。
根据本公开的再一个方面，提供一种可读存储介质，所述可读存储介质中存储有执行指令，所述执行指令被处理器执行时用于实现上述任一项所述的点云处理方法。
附图说明
附图示出了本公开的示例性实施方式，并与其说明一起用于解释本公开的原理，其中包括了这些附图以提供对本公开的进一步理解，并且附图包括在本说明书中并构成本说明书的一部分。
图1是本公开的一个实施方式的基于视锥的点云处理方法的流程示意图。
图2是本公开的无效场景剔除算法原理示意图。
图3示出了本公开的一个实施方式的基于视锥的点云处理方法的步骤S102的流程示意图。
图4示出了本公开的一个实施方式的基于视锥的点云处理方法的步骤S102的流程示意图。
图5示出了本公开的一个实施方式的基于视锥的点云处理方法的步骤S104的流程示意图。
图6示出了本公开的一个实施方式的基于视锥的点云处理方法的步骤S104的流程示意图。
图7是本公开的一个实施方式的采用处理系统的硬件实现方式的点云处理装置的结构示意框图。
具体实施方式
下面结合附图和实施方式对本公开作进一步的详细说明。可以理解的是，此处所描述的具体实施方式仅用于解释相关内容，而非对本公开的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本公开相关的部分。
需要说明的是，在不冲突的情况下，本公开中的实施方式及实施方式中的特征可以相互组合。下面将参考附图并结合实施方式来详细说明本公开的技术方案。
除非另有说明，否则示出的示例性实施方式/实施例将被理解为提供可以在实践中实施本公开的技术构思的一些方式的各种细节的示例性特征。因此，除非另有说明，否则在不脱离本公开的技术构思的情况下，各种实施方式/实施例的特征可以另外地组合、分离、互换和/或重新布置。
在附图中使用交叉影线和/或阴影通常用于使相邻部件之间的边界变得清晰。如此，除非说明，否则交叉影线或阴影的存在与否均不传达或表示对部件的具体材料、材料性质、尺寸、比例、示出的部件之间的共性和/或部件的任何其它特性、属性、性质等的任何偏好或者要求。此外，在附图中，为了清楚和/或描述性的目的，可以夸大部件的尺寸和相对尺寸。当可以不同地实施示例性实施例时，可以以不同于所描述的顺序来执行具体的工艺顺序。例如，可以基本同时执行或者以与所描述的顺序相反的顺序执行两个连续描述的工艺。此外，同样的附图标记表示同样的部件。
当一个部件被称作“在”另一部件“上”或“之上”、“连接到”或“结合到”另一部件时，该部件可以直接在所述另一部件上、直接连接到或直接结合到所述另一部件，或者可以存在中间部件。然而，当部件被称作“直接在”另一部件“上”、“直接连接到”或“直接结合到”另一部件时，不存在中间部件。为此，术语“连接”可以指物理连接、电气连接等，并且具有或不具有中间部件。
本文使用的术语是为了描述具体实施例的目的，而不意图是限制性的。如这里所使用的，除非上下文另外清楚地指出，否则单数形式“一个(种、者)”和“所述(该)”也意图包括复数形式。此外，当在本说明书中使用术语“包含”和/或“包括”以及它们的变型时，说明存在所陈述的特征、整体、步骤、操作、部件、组件和/或它们的组，但不排除存在或附加一个或更多个其它特征、整体、步骤、操作、部件、组件和/或它们的组。还要注意的是，如这里使用的，术语“基本上”、“大约”和其它类似的术语被用作近似术语而不用作程度术语，如此，它们被用来解释本领域普通技术人员将认识到的测量值、计算值和/或提供的值的固有偏差。
下文结合图1至图7对本公开的基于视锥的点云处理方法、点云处理装置、电子设备、可读存储介质进行详细说明。
图1是本公开的一个实施方式的基于视锥的点云处理方法S100流程示意图，参考图1，本公开的基于视锥的点云处理方法S100包括：
S102、对获取的原始三维激光点云数据进行预处理，获得预处理后的三维激光点云数据，预处理至少包括获得原始三维激光点云数据的最小有向包围盒；
S104、基于视锥体在最小有向包围盒的底面的投影将预处理后的三维激光点云数据中的无效场景的点云数据去除，获取视锥体内的三维激光点云数据；
S106、对视锥体内的三维激光点云数据进行基于视点坐标与激光点之间距离的抽稀处理，对经过抽稀处理后的视锥体内的三维激光点云数据进行渲染处理。
其中，本公开的原始三维激光点云数据优选为基于车载激光雷达实时获取的三维激光点云数据，三维激光点云数据的获取属于现有技术，本公开不再赘述。
由于视场角的因素，三维激光点云可能只有一部分存在于视锥体中，如果不对视锥体外的激光点云进行剔除，直接用GPU(Graphics Processing Unit，图形处理器)进行渲染，会造成GPU的极大消耗和计算机内存的浪费。因此需要在CPU端进行无效场景剔除，去掉不在视锥体内的三维激光点云数据。
现有技术中的方法是对三维激光点云建立八叉树，遍历八叉树节点，对每个八叉树节点与视锥做可见性分析，从而裁剪八叉树，实现场景无效数据的剔除。但是这种方法需要遍历每个八叉树节点，如果三维激光点云构建的八叉树深度值很高，则会非常耗时。
为了实现无效场景的快速剔除，本公开提出基于视锥体在三维激光点云的最小有向包围盒底面(正方形平面网格)的投影进行无效场景剔除的算法。图2是本公开的无效场景剔除算法原理示意图。
本公开中描述的视锥体为现有技术，是车载摄像机可见的空间，形状类似于截掉顶部的金字塔。视锥体由6个裁剪面围成，构成视锥体的4个侧面分别为上面、左面、下面、右面，分别对应摄像机屏幕的四个边界。
为了防止物体离摄像机过近，设置近切面，同时为了防止物体离摄像机太远而不可见，设置远切面。视锥体的四条侧边即构成视锥体且不在近切面或远切面上的边。
本公开的点云处理方法，经过无效场景的剔除，需要渲染的场景范围以及三维激光点云数据的数量缩小，然而，由于三维激光点云数量庞大，如果不对点云数据进行抽稀处理，直接进行渲染，对GPU性能消耗比较大，并且与远处的细节相比，人眼(即视点)对近处的细节更加敏感，如果对远处的物体渲染全部细节，会增加渲染计算，减少流畅度。因此，本公开的点云处理方法，在无效场景剔除后，对视锥体内的三维激光点云数据进行抽稀处理，进一步减少渲染的三维激光点云的数量。
根据本公开的一个优选实施方式的基于视锥的点云处理方法S100，上文描述的S102、对获取的原始三维激光点云数据进行预处理，获得预处理后的三维激光点云数据，包括：
S1021、计算原始三维激光点云数据中的点数据的特征向量和特征值，以其中的最大特征值对应的特征向量作为原始三维激光点云的方向向量；
S1022、基于原始三维激光点云数据的方向向量以及原始三维激光点云数据在空间直角坐标系下的坐标值，获得原始三维激光点云数据的最小有向包围盒(即最小OBB(Oriented Bounding Box))；
S1023、以最小有向包围盒的左下角顶点为原点，将原始三维激光点云数据划分到预设正方形平面网格的各个单位正方形网格中，生成点云数据占用网格区域；
S1024、对于每个单位正方形网格，建立该单位正方形网格中的各个点数据与该单位正方形网格坐标的映射关系。
本公开中，考虑到三维激光点云数据是离散点，为了便于管理数据，对点云建立索引，便于实时查找和编辑。
本公开中，原始三维激光点云数据中的点数据的特征向量和特征值可以基于PCA(Principle Component Analysis)算法进行；空间直角坐标系优选为WGS84空间直角坐标系，其是以地球质心为坐标原点，地球质心到国际时间服务机构1984.0定义的协议地球极(Conventional Terrestrial Pole，CTP)的方向为Z轴方向，X轴方向指向BIH 1984.0的零子午面和CTP赤道的交点，Y轴分别与Z轴和X轴垂直构成的右手坐标系。
本公开中，上文描述的预设正方形平面网格可以是长宽均为1m的正方形平面网格，其包括多个单位正方形网格，本领域技术人员可以对预设正方形平面网格的尺寸、单位正方形网格的尺寸、单位正方形网格的数量等参数进行调整，均落入本公开的保护范围。
上文描述的生成的点云数据占用网格区域可以是M行N列个单位正方形网格。
步骤S1023可以优选地通过以下公式表达：
Figure BDA0003521901080000111
公式(1)中，(Xi,Yi)T表示激光点i在空间直角坐标系下的X/Y坐标，(XLB,YLB)T表示最小有向包围盒的左下角顶点在空间直角坐标系下的X/Y坐标，INT表示取整操作，(Ri,Ci)表示激光点i对应的单位正方形网格的行列号。
通过步骤S1023对原始三维激光点云数据的处理，在步骤S1024中，建立激光点与单位正方形网格坐标(即(Ri,Ci))的映射关系，从而可以根据某个单位正方形网格坐标直接定位到该单位正方形网格中包含的原始三维激光点云数据块。
图3示出了本实施方式的步骤S102的流程示意图。
对于上述实施方式的基于视锥的点云处理方法S100，优选地，步骤S102中，还包括：
S1025、对每个单位正方形网格中的三维激光点云数据进行随机排序，以实现每个单位正方形网格中的点数据的均匀分布。
本实施方式中，通过将每个单位正方形网格中的点数据的均匀分布，能够提高下文描述的平滑抽稀的效果。
根据本公开的优选实施方式，本公开将经过上文描述的预处理之后的三维激光点云数据，以单位正方形网格为单位存储在目标文件中。
在后续的点云处理过程中，可以通过单位正方形网格坐标提取该单位正方形网格对应的三维激光点云数据。
图4示出了本实施方式的基于视锥的点云处理方法S100的步骤S102的流程示意图。
对于上述各个实施方式的基于视锥的点云处理方法S100，优选地，上文描述的S104、基于视锥体在最小有向包围盒的底面的投影将预处理后的三维激光点云数据中的无效场景的点云数据去除，获取视锥体内的三维激光点云数据，包括：
S1041、获取视锥体的各条侧边与最小有向包围盒的底面所在的平面的交点，获取投影多边形；
S1042、对投影多边形与点云数据占用网格区域求交集，获取交集区域；
S1043、对交集区域进行光栅化操作，以获取交集区域所占的单位正方形网格；
S1044、基于交集区域所占的单位正方形网格的各个单位正方形网格的坐标获取视锥体内的三维激光点云数据。
本公开中，以具有四条侧边的视锥体为例，依次连接四个交点，生成一个四边形，四边形区域外即是需要被剔除的无效场景。
由于视锥体有可能会投影到点云数据占用网格区域之外的区域，因此需要对对投影多边形与点云数据占用网格区域求交集，两者的交集形成的多边形区域(即交集区域)即为需要加载渲染的有效场景。
其中，多边形求交集的算法可以采用现有技术中的各种算法，例如基于最小回路算法、双向链表算法，本领域技术人员在本公开的技术方案的启示下，使用各种多边形求交集算法进行交集求取，均落入本公开的保护范围。
由于步骤S1041中获取的投影多边形由多条矢量线段相连构成，为了获取投影多边形所占的单位正方形网格，进而通过单位正方形网格坐标获取视锥体内的三维激光点云数据，需要对投影多边形执行光栅化操作，本公开优选地采用以下光栅化操作方法：投影多边形的边采用bresenham算法且投影多边形的内部区域采用逐行扫描算法，以进行光栅化操作。
图5示出了本公开的一个实施方式的基于视锥的点云处理方法S100的步骤S104的流程示意图。
对于上述实施方式的基于视锥的点云处理方法S100，优选地，上文描述的S1043、对交集区域进行光栅化操作，以获取交集区域所占的单位正方形网格，其中，交集区域所占的单位正方形网格包括与投影多边形相交的边缘单位正方形网格。
本公开中，由于点云是按照正方形格网存储，S1041中获取的投影多边形与某一单位正方形网格可能存在部分相交的关系，为了避免剔除重要特征，针对这种情况，根据本公开的优选实施方式，保留与投影多边形相交的单位正方形网格(即边缘单位正方形网格)内的所有点云。
对于上述各个实施方式的基于视锥的点云处理方法S100，优选地，上文描述的S1044、基于交集区域所占的单位正方形网格的各个单位正方形网格的坐标获取视锥体内的三维激光点云数据，包括：
对交集区域所占的单位正方形网格的各个单位正方形网格进行异步加载；以及，基于交集区域所占的单位正方形网格的各个单位正方形网格的坐标与单位正方形网格中的各个点数据的映射关系，定位到各个单位正方形网格中包含的三维激光点云数据块。
本实施方式中，将获取的多个单位正方形网格发送到数据加载卸载模块，数据加载卸载模块采用异步加载方式启动数据加载线程，通过单位正方形网格坐标直接定位到对应区域的三维激光点云数据块，从而筛选得到需要加载的三维激光点云数据块；异步加载是一种非阻塞加载方式，能够在加载数据的同时仍然执行其他程序，本公开使用异步加载可以减少程序响应时间。
对于上述各个实施方式的基于视锥的点云处理方法S100，优选地，步骤S104还包括：S1045、加载单位正方形网格的三维激光点云数据，以用于点云渲染处理。
对于步骤S1044获取的视锥体内的三维激光点云数据，如果某个单位正方形网格的三维激光点云数据加载完成，则将其送入点云渲染模块。
图6示出了本公开的一个实施方式的基于视锥的点云处理方法S100的步骤S104的流程示意图。
根据本公开的优选实施方式，上文描述的S1045、加载单位正方形网格的三维激光点云数据，以用于点云渲染处理，包括：
实时更新视锥体的几何特征，以获取更新视锥体；判断完成加载的单位正方形网格的三维激光点云数据是否成为更新视锥体之外的三维激光点云数据；以及，将成为更新视锥体之外的点云数据卸载，以更新进行点云渲染处理的三维激光点云数据。
本公开的步骤S1044获取的三维激光点云数据，如果某单位正方形网格的三维激光点云数据加载完成，则将其送入点云渲染模块；然而，由于视场位置或角度的变换，步骤S1043获取的多个单位正方形网格在不断变化，因此某些已经加载的三维激光点云数据可能已经失效，在视锥体外成为无效场景，如果不对这些数据进行处理，会造成内存的浪费和计算机性能的消耗，因此，优选地，本公开的数据加载卸载模块同时包含一个或多个卸载线程，一旦三维激光点云数据在视锥体外成为无效场景，则将其发送到卸载线程并执行卸载。
对于上述各个实施方式的基于视锥的点云处理方法S100，优选地，上文描述的S106、对视锥体内的三维激光点云数据进行基于视点坐标与激光点之间距离的抽稀处理，对经过抽稀处理后的视锥体内的三维激光点云数据进行渲染处理，包括：
S1061、计算待渲染的三维激光点云数据对应的单位正方形网格与视点之间的距离；
S1062、基于各个单位正方形网格中心与视点之间的距离以及单位正方形网格中心到视点的向量与单位正方形网格的法向量之间的夹角，动态地获取抽稀比例系数；
S1063、基于各个单位正方形网格的抽稀比例系数对各个单位正方形网格对应的三维点云数据进行抽稀处理，以进行渲染处理。
如果对需要渲染的所有三维激光点云数据采用相同的抽稀系数，会造成近处的(相对于视点)物体细节被模糊，物体失真，远处的(相对于视点)物体细节过多，增加不必要的渲染计算，因此本公开的点云处理方法提供基于距离的动态抽稀算法，计算待渲染的三维激光点云数据对应的单位正方形网格的抽稀系数，需要先计算待渲染的三维激光点云数据对应的单位正方形网格与视点之间的距离。视点即为观察者所处的位置，其三维坐标可以预先获取作为已知参数。数学表达为：
Figure BDA0003521901080000151
公式(2中)，(XG,YG)T表示单位正方形网格中心在空间直角坐标系下的坐标，(XV,YV)T表示视点在空间直角坐标系下的坐标，(XG,YG)T可以根据该单位正方形网格的行列号、以及最小有向包围盒左下角顶点在空间直角坐标系下的坐标计算得到。
本公开优选地通过动态地设置抽稀比例系数，以实现点云按细节等级进行显示，数学表达为：
Figure BDA0003521901080000152
公式(3)中，pi为抽稀比例系数，si表示第i个单位正方形网格的中心到视点的距离，wi为比例系数，其数值等于该单位正方形网格中心到视点的向量与正方形网格的法向量之间的夹角的余弦值的绝对值，smax、smin分别表示单位正方形网格的中心到视点的最大距离、最小距离，Max是取最大值操作，Min是取最小值操作。
由于本公开的步骤S1025对每个单位正方形网格内的三维激光点云数据进行了随机排序，在加载每个单位正方形网格内的点云数据时按照步骤S1062计算得到的抽稀比例系数设置偏移地址进行加载从而实现均匀平滑的抽稀处理；经过抽稀处理后的三维激光点云数据被挂接到主渲染线程以进行渲染处理。
通过上文对本公开的技术方案的描述可知，本公开的点云处理方法，通过剔除视锥外的点云并且对视锥范围内的点云进行动态抽稀，保证点云能够实时渲染并且能在保留物体主要特征情况下剔除冗余数据，减少计算机内存的消耗。
本公开的点云数据处理方法尤其适用于对海量点云数据进行实时渲染处理，首先对海量点云数据进行预处理，生成整个点云数据的有向包围盒并且序列化点云数据；进一步根据视锥剔除视锥范围外的点云，再对视锥内的点云进行动态抽稀，减少冗余数据，保证实时渲染的速度。
相对于现有技术的视场裁剪方法，其需要对三维激光点云建立八叉树，逐个节点与视锥体求交并修剪八叉树。而本公开的点云处理方法，充分利用视锥体先验信息，根据视锥体在三维激光点云最小有向包围盒底面的投影，快速获取视锥体内的三维激光点云，实现无效场景的快速剔除。本公开的点云处理方法，不仅可应用于高程差大的点云数据，例如建筑物、雕塑，且可应用于高程差小的“扁平化”点云数据，例如道路等。本公开的点云处理方法，利用视锥体裁剪获取视锥体内的点云，并且采用异步加载方式加载及卸载点云数据，相对于传统的同步加载的方式更加迅速。本公开的点云处理方法，在限制渲染的点云在视锥体视场范围内的同时，根据点云到视点的角度、距离，对视锥体内的点云进行动态抽稀，能够加快渲染速度，并可以降低计算机内存消耗。
根据本公开的另一个方面，提供一种基于视锥的点云处理装置1000，包括：
预处理模块1002，预处理模块1002对获取的原始三维激光点云数据进行预处理，获得预处理后的三维激光点云数据，预处理至少包括获得原始三维激光点云数据的最小有向包围盒；
点云筛选模块1004，点云筛选模块1004基于视锥体在最小有向包围盒的底面的投影将预处理后的三维激光点云数据中的无效场景的点云数据去除，获取视锥体内的三维激光点云数据；
数据处理模块1006，数据处理模块1006至少对视锥体内的三维激光点云数据进行基于视点坐标与激光点之间距离的抽稀处理，对经过抽稀处理后的视锥体内的三维激光点云数据进行渲染处理。
本公开的点云处理装置1000可以通过计算机软件架构的方式实现。
优选地，本公开的预处理模块1002包括：
方向向量获取模块，方向向量获取模块计算原始三维激光点云数据中的点数据的特征向量和特征值，以其中的最大特征值对应的特征向量作为原始三维激光点云的方向向量；
最小有向包围盒获取模块，最小有向包围盒获取模块基于原始三维激光点云数据的方向向量以及原始三维激光点云数据在空间直角坐标系下的坐标值，获得原始三维激光点云数据的最小有向包围盒；
点云数据划分模块，点云数据划分模块以最小有向包围盒的左下角顶点为原点，将原始三维激光点云数据划分到预设正方形平面网格的各个单位正方形网格中，生成点云数据占用网格区域；
映射关系建立模块，映射关系建立模块对于每个单位正方形网格，建立该单位正方形网格中的各个点数据与该单位正方形网格坐标的映射关系；
随机排序模块，随机排序模块对每个单位正方形网格中的三维激光点云数据进行随机排序，以实现每个单位正方形网格中的点数据的均匀分布。
对于上述各个实施方式的点云处理装置1000，点云筛选模块1004包括：
投影多边形获取模块，投影多边形获取模块获取视锥体的各条侧边与最小有向包围盒的底面所在的平面的交点，获取投影多边形；
交集区域获取模块，交集区域获取模块对投影多边形与点云数据占用网格区域求交集，获取交集区域；
单位正方形网格提取模块，单位正方形网格提取模块对交集区域进行光栅化操作，以获取交集区域所占的单位正方形网格；
三维激光点云数据提取模块，三维激光点云数据提取模块基于交集区域所占的单位正方形网格的各个单位正方形网格的坐标获取视锥体内的三维激光点云数据；
更新模块，更新模块实时更新视锥体的几何特征，以获取更新视锥体，判断完成加载的单位正方形网格的三维激光点云数据是否成为更新视锥体之外的三维激光点云数据；
数据加载卸载模块，数据加载卸载模块加载三维激光点云数据提取模块发送的各个单位正方形网格对应的视锥体内的三维激光点云数据，卸载更新视锥体之外的三维激光点云数据。
对于上述各个实施方式的点云处理装置1000，优选地，数据处理模块1006包括：
距离计算模块，距离计算模块计算待渲染的三维激光点云数据对应的单位正方形网格与视点之间的距离；
抽稀比例系数获取模块，抽稀比例系数获取模块基于各个单位正方形网格中心与视点之间的距离以及单位正方形网格中心到视点的向量与单位正方形网格的法向量之间的夹角，动态地获取抽稀比例系数；
抽稀处理模块，抽稀处理模块基于各个单位正方形网格的抽稀比例系数对各个单位正方形网格对应的三维点云数据进行抽稀处理；
渲染处理模块，渲染处理模块对进行了抽稀处理之后的三维点云数据进行渲染处理。
图7是本公开的一个实施方式的采用处理系统的硬件实现方式的点云处理装置1000的结构示意框图。
该点云处理装置可以包括执行上述流程图中各个或几个步骤的相应模块。因此，可以由相应模块执行上述流程图中的每个步骤或几个步骤，并且该装置可以包括这些模块中的一个或多个模块。模块可以是专门被配置为执行相应步骤的一个或多个硬件模块、或者由被配置为执行相应步骤的处理器来实现、或者存储在计算机可读介质内用于由处理器来实现、或者通过某种组合来实现。
该硬件结构可以利用总线架构来实现。总线架构可以包括任何数量的互连总线和桥接器，这取决于硬件的特定应用和总体设计约束。总线1100将包括一个或多个处理器1200、存储器1300和/或硬件模块的各种电路连接到一起。总线1100还可以将诸如外围设备、电压调节器、功率管理电路、外部天线等的各种其他电路1400连接。
总线1100可以是工业标准体系结构(ISA，Industry Standard Architecture)总线、外部设备互连(PCI，Peripheral Component)总线或扩展工业标准体系结构(EISA，Extended Industry Standard Component)总线等。总线可以分为地址总线、数据总线、控制总线等。为便于表示，该图中仅用一条连接线表示，但并不表示仅有一根总线或一种类型的总线。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本公开的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本公开的实施方式所属技术领域的技术人员所理解。处理器执行上文所描述的各个方法和处理。例如，本公开中的方法实施方式可以被实现为软件程序，其被有形地包含于机器可读介质，例如存储器。在一些实施方式中，软件程序的部分或者全部可以经由存储器和/或通信接口而被载入和/或安装。当软件程序加载到存储器并由处理器执行时，可以执行上文描述的方法中的一个或多个步骤。备选地，在其他实施方式中，处理器可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行上述方法之一。
在流程图中表示或在此以其他方式描述的逻辑和/或步骤，可以具体实现在任何可读存储介质中，以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用，或结合这些指令执行系统、装置或设备而使用。
就本说明书而言，“可读存储介质”可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。可读存储介质的更具体的示例(非穷尽性列表)包括以下：具有一个或多个布线的电连接部(电子装置)，便携式计算机盘盒(磁装置)，随机存取存储器(RAM)，只读存储器(ROM)，可擦除可编辑只读存储器(EPROM或闪速存储器)，光纤装置，以及便携式只读存储器(CDROM)。另外，可读存储介质甚至可以是可在其上打印程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得程序，然后将其存储在存储器中。
应当理解，本公开的各部分可以用硬件、软件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(PGA)，现场可编程门阵列(FPGA)等。
本技术领域的普通技术人员可以理解实现上述实施方式方法的全部或部分步骤是可以通过程序来指令相关的硬件完成，程序可以存储于一种可读存储介质中，该程序在执行时，包括方法实施方式的步骤之一或其组合。
此外，在本公开各个实施方式中的各功能单元可以集成在一个处理模块中，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模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个可读存储介质中。存储介质可以是只读存储器，磁盘或光盘等。
本公开还提供了一种电子设备，包括：存储器，存储器存储执行指令；以及处理器或其他硬件模块，处理器或其他硬件模块执行存储器存储的执行指令，使得处理器或其他硬件模块执行上述的点云处理方法。
本公开还提供了一种可读存储介质，可读存储介质中存储有执行指令，所述执行指令被处理器执行时用于实现上述的点云处理方法。
在本说明书的描述中，参考术语“一个实施方式/方式”、“一些实施方式/方式”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施方式/方式或示例描述的具体特征、结构、材料或者特点包含于本申请的至少一个实施方式/方式或示例中。在本说明书中，对上述术语的示意性表述不必须的是相同的实施方式/方式或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施方式/方式或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施方式/方式或示例以及不同实施方式/方式或示例的特征进行结合和组合。
此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本申请的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。
本领域的技术人员应当理解，上述实施方式仅仅是为了清楚地说明本公开，而并非是对本公开的范围进行限定。对于所属领域的技术人员而言，在上述公开的基础上还可以做出其它变化或变型，并且这些变化或变型仍处于本公开的范围内。

Claims (10)

1.一种基于视锥的点云处理方法，其特征在于，包括：
S102、对获取的原始三维激光点云数据进行预处理，获得预处理后的三维激光点云数据，所述预处理至少包括获得所述原始三维激光点云数据的最小有向包围盒；
S104、基于视锥体在所述最小有向包围盒的底面的投影将所述预处理后的三维激光点云数据中的无效场景的点云数据去除，获取视锥体内的三维激光点云数据；以及
S106、对视锥体内的三维激光点云数据进行基于视点坐标与激光点之间距离的抽稀处理，对经过抽稀处理后的视锥体内的三维激光点云数据进行渲染处理。
2.根据权利要求1所述的基于视锥的点云处理方法，其特征在于，S102、对获取的原始三维激光点云数据进行预处理，获得预处理后的三维激光点云数据，包括：
S1021、计算原始三维激光点云数据中的点数据的特征向量和特征值，以其中的最大特征值对应的特征向量作为原始三维激光点云的方向向量；
S1022、基于所述原始三维激光点云数据的方向向量以及原始三维激光点云数据在空间直角坐标系下的坐标值，获得原始三维激光点云数据的最小有向包围盒；
S1023、以所述最小有向包围盒的左下角顶点为原点，将所述原始三维激光点云数据划分到预设正方形平面网格的各个单位正方形网格中，生成点云数据占用网格区域；以及
S1024、对于每个单位正方形网格，建立该单位正方形网格中的各个点数据与该单位正方形网格坐标的映射关系。
3.根据权利要求2所述的基于视锥的点云处理方法，其特征在于，步骤S102中，还包括：
S1025、对每个单位正方形网格中的三维激光点云数据进行随机排序，以实现每个单位正方形网格中的点数据的均匀分布。
4.根据权利要求2或3所述的基于视锥的点云处理方法，其特征在于，S104、基于视锥体在所述最小有向包围盒的底面的投影将所述预处理后的三维激光点云数据中的无效场景的点云数据去除，获取视锥体内的三维激光点云数据，包括：
S1041、获取视锥体的各条侧边与所述最小有向包围盒的底面所在的平面的交点，获取投影多边形；
S1042、对所述投影多边形与所述点云数据占用网格区域求交集，获取交集区域；
S1043、对所述交集区域进行光栅化操作，以获取所述交集区域所占的单位正方形网格；以及
S1044、基于所述交集区域所占的单位正方形网格的各个单位正方形网格的坐标获取视锥体内的三维激光点云数据。
5.根据权利要求4所述的基于视锥的点云处理方法，其特征在于，S1043、对所述交集区域进行光栅化操作，以获取所述交集区域所占的单位正方形网格，其中，所述交集区域所占的单位正方形网格包括与所述投影多边形相交的边缘单位正方形网格。
6.根据权利要求4或5所述的基于视锥的点云处理方法，其特征在于，S1044、基于所述交集区域所占的单位正方形网格的各个单位正方形网格的坐标获取视锥体内的三维激光点云数据，包括：
对所述交集区域所占的单位正方形网格的各个单位正方形网格进行异步加载；以及
基于所述交集区域所占的单位正方形网格的各个单位正方形网格的坐标与单位正方形网格中的各个点数据的映射关系，定位到各个单位正方形网格中包含的三维激光点云数据块。
7.根据权利要求4或5所述的基于视锥的点云处理方法，其特征在于，还包括：
S1045、加载单位正方形网格的三维激光点云数据，以用于点云渲染处理。
8.一种基于视锥的点云处理装置，其特征在于，包括：
预处理模块，所述预处理模块对获取的原始三维激光点云数据进行预处理，获得预处理后的三维激光点云数据，所述预处理至少包括获得所述原始三维激光点云数据的最小有向包围盒；
点云筛选模块，所述点云筛选模块基于视锥体在所述最小有向包围盒的底面的投影将所述预处理后的三维激光点云数据中的无效场景的点云数据去除，获取视锥体内的三维激光点云数据；以及
数据处理模块，所述数据处理模块至少对视锥体内的三维激光点云数据进行基于视点坐标与激光点之间距离的抽稀处理，对经过抽稀处理后的视锥体内的三维激光点云数据进行渲染处理。
9.一种电子设备，其特征在于，包括：
存储器，所述存储器存储执行指令；以及
处理器，所述处理器执行所述存储器存储的执行指令，使得所述处理器执行权利要求1至7中任一项所述的方法。
10.一种可读存储介质，其特征在于，所述可读存储介质中存储有执行指令，所述执行指令被处理器执行时用于实现权利要求1至7中任一项所述的方法。
CN202210179554.7A 2022-02-25 2022-02-25 基于视锥的点云处理方法、装置、电子设备及存储介质 Pending CN114565706A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210179554.7A CN114565706A (zh) 2022-02-25 2022-02-25 基于视锥的点云处理方法、装置、电子设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210179554.7A CN114565706A (zh) 2022-02-25 2022-02-25 基于视锥的点云处理方法、装置、电子设备及存储介质

Publications (1)

Publication Number Publication Date
CN114565706A true CN114565706A (zh) 2022-05-31

Family

ID=81714971

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210179554.7A Pending CN114565706A (zh) 2022-02-25 2022-02-25 基于视锥的点云处理方法、装置、电子设备及存储介质

Country Status (1)

Country Link
CN (1) CN114565706A (zh)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115222806A (zh) * 2022-09-20 2022-10-21 腾讯科技（深圳）有限公司 多边形处理方法、装置、设备及计算机可读存储介质
CN115393533A (zh) * 2022-10-27 2022-11-25 科大讯飞股份有限公司 一种三维点云构建方法、装置、电子设备及存储介质
CN115423707A (zh) * 2022-08-31 2022-12-02 深圳前海瑞集科技有限公司 基于视锥体的点云滤波方法、机器人及机器人作业方法
CN115953762A (zh) * 2023-01-31 2023-04-11 广汽埃安新能源汽车股份有限公司 基于多视图像的3d可行驶空间检测方法、装置、设备
CN116309974A (zh) * 2022-12-21 2023-06-23 四川聚川诚名网络科技有限公司 一种动画场景渲染方法、系统、电子设备及介质
CN117876556A (zh) * 2024-03-13 2024-04-12 江西求是高等研究院 增量式点云渲染方法、系统、可读存储介质及计算机

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115423707A (zh) * 2022-08-31 2022-12-02 深圳前海瑞集科技有限公司 基于视锥体的点云滤波方法、机器人及机器人作业方法
CN115222806A (zh) * 2022-09-20 2022-10-21 腾讯科技（深圳）有限公司 多边形处理方法、装置、设备及计算机可读存储介质
CN115393533A (zh) * 2022-10-27 2022-11-25 科大讯飞股份有限公司 一种三维点云构建方法、装置、电子设备及存储介质
CN116309974A (zh) * 2022-12-21 2023-06-23 四川聚川诚名网络科技有限公司 一种动画场景渲染方法、系统、电子设备及介质
CN116309974B (zh) * 2022-12-21 2023-11-28 四川聚川诚名网络科技有限公司 一种动画场景渲染方法、系统、电子设备及介质
CN115953762A (zh) * 2023-01-31 2023-04-11 广汽埃安新能源汽车股份有限公司 基于多视图像的3d可行驶空间检测方法、装置、设备
CN117876556A (zh) * 2024-03-13 2024-04-12 江西求是高等研究院 增量式点云渲染方法、系统、可读存储介质及计算机
CN117876556B (zh) * 2024-03-13 2024-05-10 江西求是高等研究院 增量式点云渲染方法、系统、可读存储介质及计算机

Similar Documents

Publication Publication Date Title
CN114565706A (zh) 基于视锥的点云处理方法、装置、电子设备及存储介质
JP3840014B2 (ja) グラフィックス表示システムの走査変換実施装置
US9626790B1 (en) View-dependent textures for interactive geographic information system
US8743114B2 (en) Methods and systems to determine conservative view cell occlusion
EP2206089B1 (de) Verfahren und vorrichtung zum darstellen eines virtuellen objekts in einer realen umgebung
EP3444775B1 (en) Single pass rendering for head mounted displays
US9984498B2 (en) Sparse GPU voxelization for 3D surface reconstruction
EP3278252B1 (en) Virtual three-dimensional model generation based on virtual hexahedron models
US20170278293A1 (en) Processing a Texture Atlas Using Manifold Neighbors
JP2013527526A (ja) タイル・ベース・レンダリング・システムにおけるサーフェスのパッチのテッセレーション
JP2001052194A (ja) 曲面の再構成
JP2006209223A (ja) 描画方法、画像生成装置、および電子情報機器
KR100959349B1 (ko) 그래픽스 처리 유닛을 이용한 사진트리 기반의 지형 렌더링 방법을 가속화하는 방법
CN114708375B (zh) 纹理映射方法、系统、计算机及可读存储介质
KR101552827B1 (ko) 3차원 객체 모델의 분할 방법
US20170124748A1 (en) Method of and apparatus for graphics processing
CN111798556A (zh) 图像渲染方法、装置、设备和存储介质
EP2040223B1 (en) Method and aircraft display system for generating three dimensional image
CN109461197B (zh) 一种基于球面uv和重投影的云实时绘制优化方法
Valdetaro et al. LOD terrain rendering by local parallel processing on GPU
CN113256818A (zh) 基于不连续性检测的可度量细粒度遮挡去除可视化方法
JP2018163468A (ja) 前景抽出装置及びプログラム
KR101574422B1 (ko) 단일 이미지 표현을 이용한 다시점 영상의 렌더링 속도 및 편집 능률 향상을 위한 방법
US20070008316A1 (en) Computer graphics rendering method and apparatus
CN115187720A (zh) 一种基于数字地形分析优化地形渲染的方法

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