CN114782630A - 点云数据的生成方法、装置、可读存储介质和扫地机器人 - Google Patents
点云数据的生成方法、装置、可读存储介质和扫地机器人 Download PDFInfo
- Publication number
- CN114782630A CN114782630A CN202210453514.7A CN202210453514A CN114782630A CN 114782630 A CN114782630 A CN 114782630A CN 202210453514 A CN202210453514 A CN 202210453514A CN 114782630 A CN114782630 A CN 114782630A
- Authority
- CN
- China
- Prior art keywords
- sphere
- sampling
- point
- dimensional model
- point cloud
- 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
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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
-
- 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
Abstract
本发明提供了一种点云数据的生成方法、装置、可读存储介质和扫地机器人。点云数据的生成方法,包括:根据三维模型确定第一球体,三维模型位于第一球体内部;对第一球体的球面进行预设采样,得到N个第一采样点,N为正整数;根据每个第一采样点,确定M条射线,M为正整数;根据射线与三维模型的表面的交点,确定对应的距离信息;基于距离信息,确定三维模型对应的点云数据。本申请实施例能够得到有序点云,提供了点云数据在时序上的一对一关系,通过一维数据来保存点云数据,相较于传统的三维数据保存点云数据,存储效率更高,占用存储空间更少,因此能够有效减少点云数据的内存占用量和处理复杂度。
Description
技术领域
本发明涉及机器人感知技术领域,具体而言,涉及一种点云数据的生成方法、装置、可读存储介质和扫地机器人。
背景技术
在相关技术中,在提取三维物体的表面点云数据时,只能提取出无序点云数据,且这些点云数据以三维坐标(x,y,z)的三维数据进行存储,内存占用量和处理复杂度均较高。
发明内容
本发明旨在至少解决现有技术或相关技术中存在的技术问题之一。
为此,本发明的第一方面提出一种点云数据的生成方法。
本发明的第二方面提出一种点云数据的生成装置。
本发明的第三方面提出一种点云数据的生成装置。
本发明的第四方面提出一种可读存储介质。
本发明的第五方面提出一种扫地机器人。
有鉴于此,本发明的第一方面提供了一种点云数据的生成方法,包括:根据三维模型确定第一球体,三维模型位于第一球体内部;对第一球体的球面进行预设采样,得到N个第一采样点,N为正整数;根据每个第一采样点,确定M条射线,M为正整数;根据射线与三维模型的表面的交点,确定对应的距离信息;基于距离信息,确定三维模型对应的点云数据。
在该技术方案中,在生成三维模型的点云数据时,首先,基于三维模型的形状,生成该模型的包围球体,即上述第一球体,能够理解的是,第一球体是一个虚拟的球体,对于该第一球体可以形成为三维模型,也可以不建立三维模型,仅确定第一球体的球面上各个点位的坐标数据。
在得到第一球体,也即三维模型的包围球体后,对包围球体上的球面,进行预设采样,能够理解的是,预设采样具体为均匀采样,通过预设采样,能够在模型的包围球体上,确定出均匀分布的N个点,这些点即上述第一采样点。在一些实施方式中,N可以取值为3,在另一些实施方式中,N可以取值为5。
在包围球体上采样得到的均匀分布的N个点,可以视为是拍摄三维模型的虚拟相机,根据N个第一采样点确定得到的M条射线,可以视为是这些虚拟相机对应的虚拟光线,通过虚拟光线来模拟虚拟相机的投影过程。
具体地,每个第一采样点均可以生成多条射线,这些射线的端点就是第一采样点,射线的方向是朝向三维模型的方向,且每次投射的射线的防线不变。
由于这些虚拟相机是球形分布的,因此第一采样点模拟的虚拟相机对三维模型的观察方向更具多样性,能够有效避免因采集方向单一,导致模型自身的突出结构遮挡投影射线的“自遮挡”问题。
当射线与三维模型的表面相交时,射线与三维模型的第一个交点与发出该射线的第一采样点之间的距离,就是该交点的点云数据。由于射线的发射方向已知且固定,因此在重新生成三维模型的点云时,根据每个点位的距离信息,就能够轻松的恢复出三维模型的点云数据。且由于确定第一采样点后,第一采样点和射线的排列方式是固定排列,因此得到的三维模型的点云数据是有序点云数据。
本申请实施例通过生成包围三维模型的包围球,并在包围球的球面上,生成球形分布的第一采样点,以第一采样点为端点生成射线,基于射线与三维模型的首个交点的距离,生成对应点位的射线深度,并保存为点云数据。由于采样点和射线固定排列,因此能够得到有序点云,提供了点云数据在时序上的一对一关系,同时点云数据仅保留射线深度信息,即通过一维数据来保存点云数据,相较于传统的三维数据(xyz坐标)保存点云数据,存储效率更高,占用存储空间更少,因此能够有效减少点云数据的内存占用量和处理复杂度。
另外,本发明提供的上述技术方案中的点云数据的生成方法还可以具有如下附加技术特征:
在上述技术方案中,根据每个第一采样点,确定M条射线,包括:以第一采样点为圆心,生成第二球体;对第二球体的球面进行预设采样,得到M个第二采样点;以第一采样点为端点,生成分别经过M个第二采样点的M条射线。
在本申请实施例中,在基于第一采样点生成射线时,以第一采样点,作为射线的端点。为了确定射线的方向,本申请实施例以第一采样点为圆心,生成一个第二球体,并在第二球体的球面上,根据在第一球体的球面上采样得到第一采样点的相同采样方式,采样得到均匀分布的多个第二采样点,共得到M个第二采样点。
基于M个第二采样点,生成对应的M条射线,这些射线的端点都是第一采样点,且这些射线分别经过M个第二采样点中的每一个第二采样点。也就是说,以第一采样点作为射线的端点,生成以第一采样点到第二采样点的方向上的射线。能够理解的是,每个第一采样点均生成M条射线,在第一采样点的数量为N的情况下,生成的射线的总数为N×M条。
在上述任一技术方案中,第二球体的半径小于第一球体的半径;对第二球体的表面进行预设采样,包括:对第二球体位于第一球体内的球面进行预设采样。
在该技术方案中,第二球体相较于第一球体更小的球体,也就是说,第二球体的半径要小于第一球体的半径。同时,由于第二球体的圆心在第一球体的球面上,因此第一球体的球面能够将第二球体分割成两部分,第二球体的一部分球面在第一球体的外部,而第二球体的另一部分球面在第一球体的内部。
在对第二球体的球面进行预设采样时,只需要对第二球体的球面中,位于第一球体内部的部分球面进行预设采样,从而使得到的M个第二采样点均位于第一球体的内部,因此,在以第一采样点作为射线的端点,生成经过第二采样点的射线时,这些射线的方向总是朝向第一球体内部的,因此能够有效过滤掉朝向第一球体外部发射的无效射线,减少确定点云数据时的无效计算,提高点云数据的生成效率。
在上述任一技术方案中,根据三维模型确定第一球体,包括:确定三维模型的点位坐标的最大值;根据最大值,确定三维模型的边界框;基于边界框确定第一球体。
在该技术方案中,第一球体是三维模型的包围球,为了确保该包围球能够完整包围三维模型,可以先对三维模型的边界框进行确定。具体地,可以通过计算三维模型在每个维度上的点坐标的极值之间的差异,来找到三维模型的边界框。
其中,边界框用于在三维物体检测中追踪物体空间位置,边界框可以为立方体边界框,也可以为多面体边界框,该边界框能够表达出物体在各个方向上的最远边界,因此基于该边界框确定第一球体,能够保证第一球体完整包围三维模型,保证点云数据的完整性。
在上述任一技术方案中,第一球体为边界框的外接球。
在该技术方案中,第一球体是边界框的外接球,因此能够在保证第一球体完整包围三维模型的基础上,避免第一球体过大导致第一球体内存在大量空白空间,从而减少与三维物体不相交的无效射线的数量,减少点云数据确定的操作量和计算量,提高点云数据的生成效率。
在上述任一技术方案中,生成方法还包括:根据第一球体的半径,对三维模型进行归一化处理。
在该技术方案中,在根据三维模型的边界框,得到第一球体后,进一步根据第一球体的半径,将三维模型归一化到第一球体的内部,从而时第一球体完整包围三维模型,保证点云数据的完整性。
在上述任一技术方案中,第二球体的球表面对第一采样点的张角小于夹角阈值;其中,夹角阈值与第二球体的半径和第一球体的半径相关。
在该技术方案中,三维模型被第一球体包围在内部,第一球体的球面上分布有第一采样点,以第一采样点为端点生成射线,通过射线与三维模型的交点与第一采样点之间的距离,来生成对应交点的点云数据。
其中,由于三维模型被第一球体包围在内部,而在生成射线时,如果该射线的发射角度朝向第一球体外部,或发射角没有指向三维模型,就会导致这些射线无法与三维模型产生交点,即为无效射线,无效射线会增加生成点云数据时的操作量和计算量,导致点云数据生成效率降低。
为了减少无效射线的数量,本申请实施例对第二球体的球形表面的最大张角进行了限制。具体地,第二球体的球形表面,与第二球体的球心,也即第一采样点之间的最大张角需满足小于张角阈值,其中,张角阈值可以根据第一球体和第二球体的半径来确定。
举例来说,以第二球体的半径为第一球体的半径的四分之一举例,在这种情况下,张角阈值为ω,ω的公式为:
其中,R为第一球体的半径,r为第二球体的半径。
本申请通过限制第二球体的球形表面的最大张角,来对射线的角度进行了限制,从而减少了无法与三维图形相交的无效射线,减少了生成点云数据时的操作量和计算量,提高了点云数据的生成效率。
在上述任一技术方案中,根据射线与三维模型的表面的交点,确定对应的距离信息,包括:根据射线的端点与交点的距离的最小值,确定射线对应的距离信息。
在本申请实施例中,由于三维模型是一个立体模型,因此,在实际计算过程中,射线与三维模型的交点可能为多个,其中,以射线与三维模型的首个交点来确定三维模型的点云信息。具体地,射线与三维模型的首个交点与射线的端点,也即第一采样点之间的距离,一定是射线与三维模型的全部交点中最小的一个,因此根据射线的端点与交点的最小距离,来确定对应的距离信息,并生成点云数据,能够保证点云数据的准确性。
在上述任一技术方案中,生成方法还包括:在M条射线中,包括与三维模型不相交的目标射线情况下,确定目标射线对应的距离信息为零。
在该技术方案中,如果一个第一采样点生成的M条射线中,存在有与三维模型没有相交的射线,即存在无效射线,则将该无效的目标射线对应的距离信息确定为零,从而保证点云数据的准确性。
其中,在确定一条射线是否为与三维模型相交时,可以通过如下判断方法:当一条射线与三维模型存在交点时,系统算法会自动返回该交点与第一采样点之间的距离。而当这个距离值为无穷大时,则确定该射线与三维模型不相交,为无效的目标射线。
在上述任一技术方案中,预设采样包括斐波那契球形采样。
在该技术方案中,对第一球体和第二球体的球面进行预设采样,具体包括对第一球体的球面,和第二球体的球面进行斐波那契球形采样。
具体地,斐波那契球形采样方法是一种能够在单位球体上生成均匀采样点的近似算法,其中单位球体可表示为:其主要的步骤是二维斐波那契网格映射到球面上。斐波那契网格的定义是一个单位正方形,可表示为[0,1)2,其中均匀分布有任意数量的n个点,其中,索引为i的二维点可以表示为:
使用圆柱等面积投影将斐波那契网格上的二维点映射到单位球面上即可得到均匀分布的三维点,上述点pi在球坐标系下可以表示为:
本申请实施例通过斐波那契球形采样方法实现了射线的固定排列,进而可以有序表示从三维物体表面提取出的点云。
在上述任一技术方案中,生成方法还包括:对点云数据进行压缩,得到对应的一维数组。
在该技术方案中,点云数据中,每个点位的点云数据均通过一维的射线深度信息进行表达,因此将得到的三维有序点云压缩为一维数组,能够有效地减少点云数据对内存的占用,降低点云数据的处理复杂度。
本发明的第二方面提供了一种点云数据的生成装置,包括:确定模块,用于根据三维模型确定第一球体,三维模型位于第一球体内部;采样模块,用于对第一球体的球面进行预设采样,得到N个第一采样点,N为正整数;确定模块,还用于:根据每个第一采样点,确定M条射线,M为正整数;根据射线与三维模型的表面的交点,确定对应的距离信息;基于距离信息,确定三维模型对应的点云数据。
在该技术方案中,在生成三维模型的点云数据时,首先,基于三维模型的形状,生成该模型的包围球体,即上述第一球体,能够理解的是,第一球体是一个虚拟的球体,对于该第一球体可以形成为三维模型,也可以不建立三维模型,仅确定第一球体的球面上各个点位的坐标数据。
在得到第一球体,也即三维模型的包围球体后,对包围球体上的球面,进行预设采样,能够理解的是,预设采样具体为均匀采样,通过预设采样,能够在模型的包围球体上,确定出均匀分布的N个点,这些点即上述第一采样点。在一些实施方式中,N可以取值为3,在另一些实施方式中,N可以取值为5。
在包围球体上采样得到的均匀分布的N个点,可以视为是拍摄三维模型的虚拟相机,根据N个第一采样点确定得到的M条射线,可以视为是这些虚拟相机对应的虚拟光线,通过虚拟光线来模拟虚拟相机的投影过程。
具体地,每个第一采样点均可以生成多条射线,这些射线的端点就是第一采样点,射线的方向是朝向三维模型的方向,且每次投射的射线的防线不变。
由于这些虚拟相机是球形分布的,因此第一采样点模拟的虚拟相机对三维模型的观察方向更具多样性,能够有效避免因采集方向单一,导致模型自身的突出结构遮挡投影射线的“自遮挡”问题。
当射线与三维模型的表面相交时,射线与三维模型的第一个交点与发出该射线的第一采样点之间的距离,就是该交点的点云数据。由于射线的发射方向已知且固定,因此在重新生成三维模型的点云时,根据每个点位的距离信息,就能够轻松的恢复出三维模型的点云数据。且由于确定第一采样点后,第一采样点和射线的排列方式是固定排列,因此得到的三维模型的点云数据是有序点云数据。
本申请实施例通过生成包围三维模型的包围球,并在包围球的球面上,生成球形分布的第一采样点,以第一采样点为端点生成射线,基于射线与三维模型的首个交点的距离,生成对应点位的射线深度,并保存为点云数据。由于采样点和射线固定排列,因此能够得到有序点云,提供了点云数据在时序上的一对一关系,同时点云数据仅保留射线深度信息,即通过一维数据来保存点云数据,相较于传统的三维数据(xyz坐标)保存点云数据,存储效率更高,占用存储空间更少,因此能够有效减少点云数据的内存占用量和处理复杂度。
本发明的第三方面提供了一种点云数据的生成装置,包括:存储器,其上存储有程序或指令;处理器,用于执行程序或指令时实现如上述任一技术方案中提供的点云数据的生成方法的步骤,因此,该点云数据的生成装置同时也包括如上述任一技术方案中提供的点云数据的生成方法的全部有益效果,为避免重复,在此不再赘述。
本发明的第四方面提供了一种可读存储介质,其上存储有程序或指令,程序或指令被处理器执行时能够实现如上述任一技术方案中提供的点云数据的生成方法的步骤,因此,该可读存储介质同时也包括如上述任一技术方案中提供的点云数据的生成方法的全部有益效果,为避免重复,在此不再赘述。
本发明的第五方面提供了一种扫地机器人,包括:如上述任一技术方案中提供的点云数据的生成装置;和/或如上述任一技术方案中提供的可读存储介质,因此,该扫地机器人同时包括如上述任一技术方案中提供的点云数据的生成装置和/或如上述任一技术方案中提供的可读存储介质的全部有益效果,为避免重复,在此不再赘述。
附图说明
本发明的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解,其中:
图1示出了根据本发明实施例的点云数据的生成方法的流程图;
图2示出了根据本发明实施例的生成方法中第一球体和第二球体的示意图;
图3示出了根据本发明实施例的生成方法逻辑示意图;
图4示出了根据本申请实施例的三维模型和点云数据的示意图;
图5示出了根据本发明实施例的点云数据的生成装置的结构框图。
具体实施方式
为了能够更清楚地理解本发明的上述目的、特征和优点,下面结合附图和具体实施方式对本发明进行进一步的详细描述。需要说明的是,在不冲突的情况下,本申请的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本发明,但是,本发明还可以采用其他不同于在此描述的其他方式来实施,因此,本发明的保护范围并不受下面公开的具体实施例的限制。
下面参照图1至图5描述根据本发明一些实施例所述点云数据的生成方法、装置、可读存储介质和扫地机器人。
实施例一
在本发明的一些实施例中,提供了一种点云数据的生成方法,图1示出了根据本发明实施例的点云数据的生成方法的流程图,如图1所示,方法包括:
步骤102,根据三维模型确定第一球体,三维模型位于第一球体内部;
步骤104,对第一球体的球面进行预设采样,得到N个第一采样点,N为正整数;
步骤106,根据每个第一采样点,确定M条射线,M为正整数;
步骤108,根据射线与三维模型的表面的交点,确定对应的距离信息;
步骤110,基于距离信息,确定三维模型对应的点云数据。
在本发明实施例中,在生成三维模型的点云数据时,首先,基于三维模型的形状,生成该模型的包围球体,即上述第一球体,能够理解的是,第一球体是一个虚拟的球体,对于该第一球体可以形成为三维模型,也可以不建立三维模型,仅确定第一球体的球面上各个点位的坐标数据。
在得到第一球体,也即三维模型的包围球体后,对包围球体上的球面,进行预设采样,能够理解的是,预设采样具体为均匀采样,通过预设采样,能够在模型的包围球体上,确定出均匀分布的N个点,这些点即上述第一采样点。在一些实施方式中,N可以取值为3,在另一些实施方式中,N可以取值为5。
在包围球体上采样得到的均匀分布的N个点,可以视为是拍摄三维模型的虚拟相机,根据N个第一采样点确定得到的M条射线,可以视为是这些虚拟相机对应的虚拟光线,通过虚拟光线来模拟虚拟相机的投影过程。
具体地,每个第一采样点均可以生成多条射线,这些射线的端点就是第一采样点,射线的方向是朝向三维模型的方向,且每次投射的射线的防线不变。
由于这些虚拟相机是球形分布的,因此第一采样点模拟的虚拟相机对三维模型的观察方向更具多样性,能够有效避免因采集方向单一,导致模型自身的突出结构遮挡投影射线的“自遮挡”问题。
当射线与三维模型的表面相交时,射线与三维模型的第一个交点与发出该射线的第一采样点之间的距离,就是该交点的点云数据。由于射线的发射方向已知且固定,因此在重新生成三维模型的点云时,根据每个点位的距离信息,就能够轻松的恢复出三维模型的点云数据。且由于确定第一采样点后,第一采样点和射线的排列方式是固定排列,因此得到的三维模型的点云数据是有序点云数据。
本申请实施例通过生成包围三维模型的包围球,并在包围球的球面上,生成球形分布的第一采样点,以第一采样点为端点生成射线,基于射线与三维模型的首个交点的距离,生成对应点位的射线深度,并保存为点云数据。由于采样点和射线固定排列,因此能够得到有序点云,提供了点云数据在时序上的一对一关系,同时点云数据仅保留射线深度信息,即通过一维数据来保存点云数据,相较于传统的三维数据(xyz坐标)保存点云数据,存储效率更高,占用存储空间更少,因此能够有效减少点云数据的内存占用量和处理复杂度。
在上述实施例的基础上,根据每个第一采样点,确定M条射线,包括:以第一采样点为圆心,生成第二球体;对第二球体的球面进行预设采样,得到M个第二采样点;以第一采样点为端点,生成分别经过M个第二采样点的M条射线。
在本申请实施例中,在基于第一采样点生成射线时,以第一采样点,作为射线的端点。图2示出了根据本发明实施例的生成方法中第一球体和第二球体的示意图,如图2所示,为了确定射线的方向,本申请实施例以第一球体200的球面上的第一采样点202为圆心,生成一个第二球体204,并在第二球体的球面上,根据在第一球体的球面上采样得到第一采样点的相同采样方式,采样得到均匀分布的多个第二采样点2042,共得到M个第二采样点。图2中,三维模型206位于第一球体200内。
基于M个第二采样点,生成对应的M条射线,这些射线的端点都是第一采样点,且这些射线分别经过M个第二采样点中的每一个第二采样点。也就是说,以第一采样点作为射线的端点,生成以第一采样点到第二采样点的方向上的射线。能够理解的是,每个第一采样点均生成M条射线,在第一采样点的数量为N的情况下,生成的射线的总数为N×M条。
在上述任一实施例的基础上,第二球体的半径小于第一球体的半径;对第二球体的表面进行预设采样,包括:对第二球体位于第一球体内的球面进行预设采样。
在本发明实施例中,第二球体相较于第一球体更小的球体,也就是说,第二球体的半径要小于第一球体的半径。同时,由于第二球体的圆心在第一球体的球面上,因此第一球体的球面能够将第二球体分割成两部分,第二球体的一部分球面在第一球体的外部,而第二球体的另一部分球面在第一球体的内部。
在对第二球体的球面进行预设采样时,只需要对第二球体的球面中,位于第一球体内部的部分球面进行预设采样,从而使得到的M个第二采样点均位于第一球体的内部,因此,在以第一采样点作为射线的端点,生成经过第二采样点的射线时,这些射线的方向总是朝向第一球体内部的,因此能够有效过滤掉朝向第一球体外部发射的无效射线,减少确定点云数据时的无效计算,提高点云数据的生成效率。
在上述任一实施例的基础上,根据三维模型确定第一球体,包括:确定三维模型的点位坐标的最大值;根据最大值,确定三维模型的边界框;基于边界框确定第一球体。
在本发明实施例中,第一球体是三维模型的包围球,为了确保该包围球能够完整包围三维模型,可以先对三维模型的边界框进行确定。具体地,可以通过计算三维模型在每个维度上的点坐标的极值之间的差异,来找到三维模型的边界框。
其中,边界框用于在三维物体检测中追踪物体空间位置,边界框可以为立方体边界框,也可以为多面体边界框,该边界框能够表达出物体在各个方向上的最远边界,因此基于该边界框确定第一球体,能够保证第一球体完整包围三维模型,保证点云数据的完整性。
在上述任一实施例的基础上,第一球体为边界框的外接球。
在本发明实施例中,第一球体是边界框的外接球,因此能够在保证第一球体完整包围三维模型的基础上,避免第一球体过大导致第一球体内存在大量空白空间,从而减少与三维物体不相交的无效射线的数量,减少点云数据确定的操作量和计算量,提高点云数据的生成效率。
在上述任一实施例的基础上,生成方法还包括:根据第一球体的半径,对三维模型进行归一化处理。
在本发明实施例中,在根据三维模型的边界框,得到第一球体后,进一步根据第一球体的半径,将三维模型归一化到第一球体的内部,从而时第一球体完整包围三维模型,保证点云数据的完整性。
在上述任一实施例的基础上,第二球体的球表面对第一采样点的张角小于夹角阈值;其中,夹角阈值与第二球体的半径和第一球体的半径相关。
在本发明实施例中,三维模型被第一球体包围在内部,第一球体的球面上分布有第一采样点,以第一采样点为端点生成射线,通过射线与三维模型的交点与第一采样点之间的距离,来生成对应交点的点云数据。
其中,由于三维模型被第一球体包围在内部,而在生成射线时,如果该射线的发射角度朝向第一球体外部,或发射角没有指向三维模型,就会导致这些射线无法与三维模型产生交点,即为无效射线,无效射线会增加生成点云数据时的操作量和计算量,导致点云数据生成效率降低。
为了减少无效射线的数量,本申请实施例对第二球体的球形表面的最大张角进行了限制。具体地,第二球体的球形表面,与第二球体的球心,也即第一采样点之间的最大张角需满足小于张角阈值,其中,张角阈值可以根据第一球体和第二球体的半径来确定。
举例来说,以第二球体的半径为第一球体的半径的四分之一举例,在这种情况下,张角阈值为ω,ω的公式为:
其中,R为第一球体的半径,r为第二球体的半径。
本申请通过限制第二球体的球形表面的最大张角,来对射线的角度进行了限制,从而减少了无法与三维图形相交的无效射线,减少了生成点云数据时的操作量和计算量,提高了点云数据的生成效率。
在上述任一实施例的基础上,根据射线与三维模型的表面的交点,确定对应的距离信息,包括:根据射线的端点与交点的距离的最小值,确定射线对应的距离信息。
在本申请实施例中,由于三维模型是一个立体模型,因此,在实际计算过程中,射线与三维模型的交点可能为多个,其中,以射线与三维模型的首个交点来确定三维模型的点云信息。具体地,射线与三维模型的首个交点与射线的端点,也即第一采样点之间的距离,一定是射线与三维模型的全部交点中最小的一个,因此根据射线的端点与交点的最小距离,来确定对应的距离信息,并生成点云数据,能够保证点云数据的准确性。
在上述任一实施例的基础上,生成方法还包括:在M条射线中,包括与三维模型不相交的目标射线情况下,确定目标射线对应的距离信息为零。
在本发明实施例中,如果一个第一采样点生成的M条射线中,存在有与三维模型没有相交的射线,即存在无效射线,则将该无效的目标射线对应的距离信息确定为零,从而保证点云数据的准确性。
其中,在确定一条射线是否为与三维模型相交时,可以通过如下判断方法:当一条射线与三维模型存在交点时,系统算法会自动返回该交点与第一采样点之间的距离。而当这个距离值为无穷大时,则确定该射线与三维模型不相交,为无效的目标射线。
在上述任一实施例的基础上,预设采样包括斐波那契球形采样。
在本发明实施例中,对第一球体和第二球体的球面进行预设采样,具体包括对第一球体的球面,和第二球体的球面进行斐波那契球形采样。
具体地,斐波那契球形采样方法是一种能够在单位球体上生成均匀采样点的近似算法,其中单位球体可表示为:其主要的步骤是二维斐波那契网格映射到球面上。斐波那契网格的定义是一个单位正方形,可表示为[0,1)2,其中均匀分布有任意数量的n个点,其中,索引为i的二维点可以表示为:
使用圆柱等面积投影将斐波那契网格上的二维点映射到单位球面上即可得到均匀分布的三维点,上述点pi在球坐标系下可以表示为:
本申请实施例通过斐波那契球形采样方法实现了射线的固定排列,进而可以有序表示从三维物体表面提取出的点云。
在上述任一实施例的基础上,生成方法还包括:对点云数据进行压缩,得到对应的一维数组。
在本发明实施例中,点云数据中,每个点位的点云数据均通过一维的射线深度信息进行表达,因此将得到的三维有序点云压缩为一维数组,能够有效地减少点云数据对内存的占用,降低点云数据的处理复杂度。
实施例二
在本发明的一些实施例中,提供了一种从三维物体表面直接提取有序点云的方法,能够消除传统点云表征方式内在的无序性,为物体提供时序上的关联。此外,该方法得到的三维有序点云可压缩为一维数组,大大减少了内存占用和处理复杂度。
具体地,本发明实施例通过模拟球形分布的高分辨率相机阵列模型,本发明提出一种虚拟光场采样模型,从多个角度扫描三维物体来提取有序点云,从而恢复其几何形状。
该方案首先在包围物体的球面上进行均匀采样,并以每个采样点作为起点向物体表面发射一簇固定方向的射线。通过判断射线与物体表面的相交情况,得到每条射线到物体表面的距离,即可用已知的射线起点和方向计算出相交点的三维坐标。点云的有序性就来自于在球面上均匀分布的固定射线簇。此外,该方案能以一种更紧凑的方式表示点云,因为它只需要存储一个一维标量数组,即沿射线方向的深度。
本发明实施例通过斐波那契球形采样方法,将二维斐波那契网格映射到球面上。其中,斐波那契球形采样方法是一种在单位球体上生成均匀采样点的近似算法,主要操作是将二维斐波那契网格映射到球面上。斐波那契网格的定义是一个单位正方形[0,1)2,其中均匀分布有任意数量的n个点,其中,索引为i的二维点可以表示为:
然后,使用圆柱等面积投影将斐波那契网格上的二维点映射到单位球面上即可得到均匀分布的三维点,点pi在球坐标系下可以表示为:
构造该发明提出的虚拟光场模型主要涉及提取包围球,设置射线簇和投射虚拟光线三个步骤,图3示出了根据本发明实施例的生成方法逻辑示意图,如图所示,关于各步骤的详细内容包括:
步骤1、提取包围球:为了找到三维物体的包围球,我们首先计算每个维度的点坐标的极值之间的差异来找到其边界框。在三维物体检测中,边界框用于追踪物体空间位置。此时,边界框的外接球即为物体的包围球。根据球的半径将物体进一步归一化到单位球中。
步骤2、设置射线簇:利用斐波那契球形采样方法对从步骤1获得的单位球体进行均匀采样,并在每个采样点处放置一束虚拟光线来模拟相机的投影过程。此处使用球形分布的视角主要是因为观察方向更具多样性,能大大缓解采样过程中的自遮挡问题。此外,球形分布视图的配置也常用于2.5D渲染。
为了结构化定义从每个视点发射的射线束,在单位球体上的每个一级采样点处再放置一个较小的球体。此处,小球的半径可以设置为单位球的四分之一。能够理解的是,小球的半径可自由设置,上述半径关系仅用于说明举例,不具有限制作用。
单位球体和每个小球的相交平面对小球的切割构成了一个朝向单位球内部的球形表面,在这些球形表面上再次使用斐波那契采样可得到固定排列的二级采样点。因此,从一级采样点出发,并穿过内部球形表面上的二级采样点即可得到一条射线。射线簇的张角可通过内部球形表面的张角来控制。
假设大球和小球的半径分别为R和r,则内部球形表面的最大张角为:
其中,R为第一球体的半径,r为第二球体的半径。
张角ω以及射线的数量即为该虚拟光场模型的设计超参数。
步骤3、投射虚拟光线:最后,将设置好的射线簇投射到三维物体表面,判断每条射线与物体表面的相交情况并返回与表面第一个交点之间的距离。对于没有与表面相交的射线,需手动将距离设置为零。
由于已知视点和射线方向,可以轻松地从射线的深度值恢复出三维点云。与三维点坐标相比,一维距离值的存储效率更高。而且,固定的射线排列能够生成有序点云,提供了时序上的一对一关系。
本发明实施例提出的虚拟光场采样模型利用斐波那契球形采样方法实现了射线的固定排列,进而可以有序表示从三维物体表面提取出的点云。而且,该发明只需存储一维深度值即可从固定射线参数中恢复出原始点云,极大地节省了内存。
具体实施时,首先计算物体表面点坐标沿各个维度的极值差得到物体的边界框,用边界框的斜对角线即可找到其外接球。接着,利用外接球的半径将所包围的三维物体归一化到单位球中。
在单位球表面用斐波那契球形采样方法进行均匀采样得到一级采样点,然后,在每个一级采样点处放置一个半径为单位球半径四分之一的小球,并在由两球相交构成的朝向内部的球形表面上再次进行斐波那契球形采样得到二级采样点。
由一级采样点出发,穿过二级采样点即可得到一条射线。射线的总数量由一级采样点和二级采样点共同决定,即射线数等于一级采样点数与二级采样点数相乘。而射线数量越多,从物体表面提取的点云越密集,物体几何形状就越完整。
此外,一簇射线(从同一个一级采样点出发)的张角由朝向内部的球形表面张角来控制,其中最大张角约为83°。为在射线利用率和形状完整度之间达到平衡,该张角可以设置为60°。
最后,向物体表面投射射线簇,判断射线与物体表面相交情况,并返回射线沿射线方向与表面第一个交点的距离。与物体没有交点的射线深度手动设置为零。根据存储的一维深度值以及已知的射线起点和方向,最终恢复出关于三维物体的有序点云,图4示出了根据本申请实施例的三维模型和点云数据的示意图,具体的有序点云如图4所示。
实施例三
在本发明的一些实施例中,提供了一种点云数据的生成装置,图5示出了根据本发明实施例的点云数据的生成装置的结构框图,如图5所示,点云数据的生成装置500包括:
确定模块502,用于根据三维模型确定第一球体,三维模型位于第一球体内部;
采样模块504,用于对第一球体的球面进行预设采样,得到N个第一采样点,N为正整数;
确定模块502,还用于:根据每个第一采样点,确定M条射线,M为正整数;根据射线与三维模型的表面的交点,确定对应的距离信息;基于距离信息,确定三维模型对应的点云数据。
在本发明实施例中,在生成三维模型的点云数据时,首先,基于三维模型的形状,生成该模型的包围球体,即上述第一球体,能够理解的是,第一球体是一个虚拟的球体,对于该第一球体可以形成为三维模型,也可以不建立三维模型,仅确定第一球体的球面上各个点位的坐标数据。
在得到第一球体,也即三维模型的包围球体后,对包围球体上的球面,进行预设采样,能够理解的是,预设采样具体为均匀采样,通过预设采样,能够在模型的包围球体上,确定出均匀分布的N个点,这些点即上述第一采样点。在一些实施方式中,N可以取值为3,在另一些实施方式中,N可以取值为5。
在包围球体上采样得到的均匀分布的N个点,可以视为是拍摄三维模型的虚拟相机,根据N个第一采样点确定得到的M条射线,可以视为是这些虚拟相机对应的虚拟光线,通过虚拟光线来模拟虚拟相机的投影过程。
具体地,每个第一采样点均可以生成多条射线,这些射线的端点就是第一采样点,射线的方向是朝向三维模型的方向,且每次投射的射线的防线不变。
由于这些虚拟相机是球形分布的,因此第一采样点模拟的虚拟相机对三维模型的观察方向更具多样性,能够有效避免因采集方向单一,导致模型自身的突出结构遮挡投影射线的“自遮挡”问题。
当射线与三维模型的表面相交时,射线与三维模型的第一个交点与发出该射线的第一采样点之间的距离,就是该交点的点云数据。由于射线的发射方向已知且固定,因此在重新生成三维模型的点云时,根据每个点位的距离信息,就能够轻松的恢复出三维模型的点云数据。且由于确定第一采样点后,第一采样点和射线的排列方式是固定排列,因此得到的三维模型的点云数据是有序点云数据。
本申请实施例通过生成包围三维模型的包围球,并在包围球的球面上,生成球形分布的第一采样点,以第一采样点为端点生成射线,基于射线与三维模型的首个交点的距离,生成对应点位的射线深度,并保存为点云数据。由于采样点和射线固定排列,因此能够得到有序点云,提供了点云数据在时序上的一对一关系,同时点云数据仅保留射线深度信息,即通过一维数据来保存点云数据,相较于传统的三维数据(xyz坐标)保存点云数据,存储效率更高,占用存储空间更少,因此能够有效减少点云数据的内存占用量和处理复杂度。
在上述实施例的基础上,点云数据的生成装置还包括:
生成模块,用于以第一采样点为圆心,生成第二球体;采样模块,还用于对第二球体的球面进行预设采样,得到M个第二采样点;生成模块,还用于以第一采样点为端点,生成分别经过M个第二采样点的M条射线。
在本申请实施例中,在基于第一采样点生成射线时,以第一采样点,作为射线的端点。图2示出了根据本发明实施例的生成方法中第一球体和第二球体的示意图,如图2所示,为了确定射线的方向,本申请实施例以第一球体200的球面上的第一采样点202为圆心,生成一个第二球体204,并在第二球体的球面上,根据在第一球体的球面上采样得到第一采样点的相同采样方式,采样得到均匀分布的多个第二采样点2042,共得到M个第二采样点。图2中,三维模型206位于第一球体200内。
基于M个第二采样点,生成对应的M条射线,这些射线的端点都是第一采样点,且这些射线分别经过M个第二采样点中的每一个第二采样点。也就是说,以第一采样点作为射线的端点,生成以第一采样点到第二采样点的方向上的射线。能够理解的是,每个第一采样点均生成M条射线,在第一采样点的数量为N的情况下,生成的射线的总数为N×M条。
在上述任一实施例的基础上,第二球体的半径小于第一球体的半径;采样模块,还用于对第二球体位于第一球体内的球面进行预设采样。
在本发明实施例中,第二球体相较于第一球体更小的球体,也就是说,第二球体的半径要小于第一球体的半径。同时,由于第二球体的圆心在第一球体的球面上,因此第一球体的球面能够将第二球体分割成两部分,第二球体的一部分球面在第一球体的外部,而第二球体的另一部分球面在第一球体的内部。
在对第二球体的球面进行预设采样时,只需要对第二球体的球面中,位于第一球体内部的部分球面进行预设采样,从而使得到的M个第二采样点均位于第一球体的内部,因此,在以第一采样点作为射线的端点,生成经过第二采样点的射线时,这些射线的方向总是朝向第一球体内部的,因此能够有效过滤掉朝向第一球体外部发射的无效射线,减少确定点云数据时的无效计算,提高点云数据的生成效率。
在上述任一实施例的基础上,确定模块,还用于确定三维模型的点位坐标的最大值;根据最大值,确定三维模型的边界框;基于边界框确定第一球体。
在本发明实施例中,第一球体是三维模型的包围球,为了确保该包围球能够完整包围三维模型,可以先对三维模型的边界框进行确定。具体地,可以通过计算三维模型在每个维度上的点坐标的极值之间的差异,来找到三维模型的边界框。
其中,边界框用于在三维物体检测中追踪物体空间位置,边界框可以为立方体边界框,也可以为多面体边界框,该边界框能够表达出物体在各个方向上的最远边界,因此基于该边界框确定第一球体,能够保证第一球体完整包围三维模型,保证点云数据的完整性。
在上述任一实施例的基础上,第一球体为边界框的外接球。
在本发明实施例中,第一球体是边界框的外接球,因此能够在保证第一球体完整包围三维模型的基础上,避免第一球体过大导致第一球体内存在大量空白空间,从而减少与三维物体不相交的无效射线的数量,减少点云数据确定的操作量和计算量,提高点云数据的生成效率。
在上述任一实施例的基础上,点云数据的生成装置还包括:处理模块,用于根据第一球体的半径,对三维模型进行归一化处理。
在本发明实施例中,在根据三维模型的边界框,得到第一球体后,进一步根据第一球体的半径,将三维模型归一化到第一球体的内部,从而时第一球体完整包围三维模型,保证点云数据的完整性。
在上述任一实施例的基础上,第二球体的球表面对第一采样点的张角小于夹角阈值;其中,夹角阈值与第二球体的半径和第一球体的半径相关。
在本发明实施例中,三维模型被第一球体包围在内部,第一球体的球面上分布有第一采样点,以第一采样点为端点生成射线,通过射线与三维模型的交点与第一采样点之间的距离,来生成对应交点的点云数据。
其中,由于三维模型被第一球体包围在内部,而在生成射线时,如果该射线的发射角度朝向第一球体外部,或发射角没有指向三维模型,就会导致这些射线无法与三维模型产生交点,即为无效射线,无效射线会增加生成点云数据时的操作量和计算量,导致点云数据生成效率降低。
为了减少无效射线的数量,本申请实施例对第二球体的球形表面的最大张角进行了限制。具体地,第二球体的球形表面,与第二球体的球心,也即第一采样点之间的最大张角需满足小于张角阈值,其中,张角阈值可以根据第一球体和第二球体的半径来确定。
举例来说,以第二球体的半径为第一球体的半径的四分之一举例,在这种情况下,张角阈值为ω,ω的公式为:
其中,R为第一球体的半径,r为第二球体的半径。
本申请通过限制第二球体的球形表面的最大张角,来对射线的角度进行了限制,从而减少了无法与三维图形相交的无效射线,减少了生成点云数据时的操作量和计算量,提高了点云数据的生成效率。
在上述任一实施例的基础上,确定模块,还用于根据射线的端点与交点的距离的最小值,确定射线对应的距离信息。
在本申请实施例中,由于三维模型是一个立体模型,因此,在实际计算过程中,射线与三维模型的交点可能为多个,其中,以射线与三维模型的首个交点来确定三维模型的点云信息。具体地,射线与三维模型的首个交点与射线的端点,也即第一采样点之间的距离,一定是射线与三维模型的全部交点中最小的一个,因此根据射线的端点与交点的最小距离,来确定对应的距离信息,并生成点云数据,能够保证点云数据的准确性。
在上述任一实施例的基础上,确定模块,还用于在M条射线中,包括与三维模型不相交的目标射线情况下,确定目标射线对应的距离信息为零。
在本发明实施例中,如果一个第一采样点生成的M条射线中,存在有与三维模型没有相交的射线,即存在无效射线,则将该无效的目标射线对应的距离信息确定为零,从而保证点云数据的准确性。
其中,在确定一条射线是否为与三维模型相交时,可以通过如下判断方法:当一条射线与三维模型存在交点时,系统算法会自动返回该交点与第一采样点之间的距离。而当这个距离值为无穷大时,则确定该射线与三维模型不相交,为无效的目标射线。
在上述任一实施例的基础上,预设采样包括斐波那契球形采样。
在本发明实施例中,对第一球体和第二球体的球面进行预设采样,具体包括对第一球体的球面,和第二球体的球面进行斐波那契球形采样。
具体地,斐波那契球形采样方法是一种能够在单位球体上生成均匀采样点的近似算法,其中单位球体可表示为:其主要的步骤是二维斐波那契网格映射到球面上。斐波那契网格的定义是一个单位正方形,可表示为[0,1)2,其中均匀分布有任意数量的n个点,其中,索引为i的二维点可以表示为:
使用圆柱等面积投影将斐波那契网格上的二维点映射到单位球面上即可得到均匀分布的三维点,上述点pi在球坐标系下可以表示为:
本申请实施例通过斐波那契球形采样方法实现了射线的固定排列,进而可以有序表示从三维物体表面提取出的点云。
在上述任一实施例的基础上,点云数据的处理装置还包括:压缩模块,用于对点云数据进行压缩,得到对应的一维数组。
在本发明实施例中,点云数据中,每个点位的点云数据均通过一维的射线深度信息进行表达,因此将得到的三维有序点云压缩为一维数组,能够有效地减少点云数据对内存的占用,降低点云数据的处理复杂度。
实施例四
在本发明的一些实施例中,提供了一种点云数据的生成装置,包括:存储器,其上存储有程序或指令;处理器,用于执行程序或指令时实现如上述任一实施例中提供的点云数据的生成方法的步骤,因此,该点云数据的生成装置同时也包括如上述任一实施例中提供的点云数据的生成方法的全部有益效果,为避免重复,在此不再赘述。
实施例五
在本发明的一些实施例中,提供了一种可读存储介质,其上存储有程序或指令,程序或指令被处理器执行时能够实现如上述任一实施例中提供的点云数据的生成方法的步骤,因此,该可读存储介质同时也包括如上述任一实施例中提供的点云数据的生成方法的全部有益效果,为避免重复,在此不再赘述。
实施例六
在本发明的一些实施例中,提供了一种扫地机器人,包括:如上述任一实施例中提供的点云数据的生成装置;和/或如上述任一实施例中提供的可读存储介质,因此,该扫地机器人同时包括如上述任一实施例中提供的点云数据的生成装置和/或如上述任一实施例中提供的可读存储介质的全部有益效果,为避免重复,在此不再赘述。
本发明的描述中,术语“多个”则指两个或两个以上,除非另有明确的限定,术语“上”、“下”等指示的方位或位置关系为基于附图所述的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制;术语“连接”、“安装”、“固定”等均应做广义理解,例如,“连接”可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是直接相连,也可以通过中间媒介间接相连。对于本领域的普通技术人员而言,可以根据具体情况理解上述术语在本发明中的具体含义。
在本发明的描述中,术语“一个实施例”、“一些实施例”、“具体实施例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或特点包含于本发明的至少一个实施例或示例中。在本发明中,对上述术语的示意性表述不一定指的是相同的实施例或实例。而且,描述的具体特征、结构、材料或特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (15)
1.一种点云数据的生成方法,其特征在于,包括:
根据三维模型确定第一球体,所述三维模型位于所述第一球体内部;
对所述第一球体的球面进行预设采样,得到N个第一采样点,N为正整数;
根据每个所述第一采样点,确定M条射线,M为正整数;
根据所述射线与所述三维模型的表面的交点,确定对应的距离信息;
基于所述距离信息,确定所述三维模型对应的点云数据。
2.根据权利要求1所述的生成方法,其特征在于,所述根据每个所述第一采样点,确定M条射线,包括:
以所述第一采样点为圆心,生成第二球体;
对所述第二球体的球面进行所述预设采样,得到M个第二采样点;
以所述第一采样点为端点,生成分别经过M个所述第二采样点的M条所述射线。
3.根据权利要求2所述的生成方法,其特征在于,所述第二球体的半径小于所述第一球体的半径;
所述对所述第二球体的表面进行预设采样,包括:
对所述第二球体位于所述第一球体内的球面进行所述预设采样。
4.根据权利要求1所述的生成方法,其特征在于,所述根据三维模型确定第一球体,包括:
确定所述三维模型的点位坐标的最大值;
根据所述最大值,确定所述三维模型的边界框;
基于所述边界框确定所述第一球体。
5.根据权利要求4所述的生成方法,其特征在于,所述第一球体为所述边界框的外接球。
6.根据权利要求4所述的生成方法,其特征在于,还包括:
根据所述第一球体的半径,对所述三维模型进行归一化处理。
7.根据权利要求2或3所述的生成方法,其特征在于,所述第二球体的球表面对所述第一采样点的张角小于夹角阈值;
其中,所述夹角阈值与所述第二球体的半径和所述第一球体的半径相关。
8.根据权利要求1至6中任一项所述的生成方法,其特征在于,所述根据所述射线与所述三维模型的表面的交点,确定对应的距离信息,包括:
根据所述射线的端点与所述交点的距离的最小值,确定所述射线对应的距离信息。
9.根据权利要求8所述的生成方法,其特征在于,还包括:
在所述M条射线中,包括与所述三维模型不相交的目标射线情况下,确定所述目标射线对应的距离信息为零。
10.根据权利要求1或2所述的生成方法,其特征在于,所述预设采样包括斐波那契球形采样。
11.根据权利要求1至6中任一项所述的生成方法,其特征在于,还包括:
对所述点云数据进行压缩,得到对应的一维数组。
12.一种点云数据的生成装置,其特征在于,包括:
确定模块,用于根据三维模型确定第一球体,所述三维模型位于所述第一球体内部;
采样模块,用于对所述第一球体的球面进行预设采样,得到N个第一采样点,N为正整数;
所述确定模块,还用于:
根据每个所述第一采样点,确定M条射线,M为正整数;
根据所述射线与所述三维模型的表面的交点,确定对应的距离信息;
基于所述距离信息,确定所述三维模型对应的点云数据。
13.一种点云数据的生成装置,其特征在于,包括:
存储器,其上存储有程序或指令;
处理器,用于执行所述程序或指令时实现如权利要求1至11中任一项所述的生成方法。
14.一种可读存储介质,其上存储有程序或指令,其特征在于,所述程序或指令,所述程序或指令被处理器执行时实现如权利要求1至11中任一项所述的方法。
15.一种扫地机器人,其特征在于,包括:
如权利要求12或13所述的生成装置;和/或
如权利要求14所述的可读存储介质。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210453514.7A CN114782630A (zh) | 2022-04-27 | 2022-04-27 | 点云数据的生成方法、装置、可读存储介质和扫地机器人 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210453514.7A CN114782630A (zh) | 2022-04-27 | 2022-04-27 | 点云数据的生成方法、装置、可读存储介质和扫地机器人 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114782630A true CN114782630A (zh) | 2022-07-22 |
Family
ID=82432928
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210453514.7A Pending CN114782630A (zh) | 2022-04-27 | 2022-04-27 | 点云数据的生成方法、装置、可读存储介质和扫地机器人 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114782630A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116051797A (zh) * | 2023-04-03 | 2023-05-02 | 山东捷瑞数字科技股份有限公司 | 一种基于三维引擎批量修改模型穿插的方法、装置及设备 |
CN116125446A (zh) * | 2023-01-31 | 2023-05-16 | 清华大学 | 旋转驱动式多线激光雷达三维重建装置的标定方法及装置 |
CN116758174A (zh) * | 2023-08-16 | 2023-09-15 | 北京易控智驾科技有限公司 | 激光点云数据的压缩传输方法、装置、电子设备及存储介质 |
CN116778068A (zh) * | 2023-08-22 | 2023-09-19 | 中国电子科技集团公司第十五研究所 | 基于视点椭球相似特征数的光线采样精确优化方法 |
-
2022
- 2022-04-27 CN CN202210453514.7A patent/CN114782630A/zh active Pending
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116125446A (zh) * | 2023-01-31 | 2023-05-16 | 清华大学 | 旋转驱动式多线激光雷达三维重建装置的标定方法及装置 |
CN116125446B (zh) * | 2023-01-31 | 2023-09-05 | 清华大学 | 旋转驱动式多线激光雷达三维重建装置的标定方法及装置 |
CN116051797A (zh) * | 2023-04-03 | 2023-05-02 | 山东捷瑞数字科技股份有限公司 | 一种基于三维引擎批量修改模型穿插的方法、装置及设备 |
CN116758174A (zh) * | 2023-08-16 | 2023-09-15 | 北京易控智驾科技有限公司 | 激光点云数据的压缩传输方法、装置、电子设备及存储介质 |
CN116758174B (zh) * | 2023-08-16 | 2023-11-10 | 北京易控智驾科技有限公司 | 激光雷达点云数据的压缩传输方法、装置及电子设备 |
CN116778068A (zh) * | 2023-08-22 | 2023-09-19 | 中国电子科技集团公司第十五研究所 | 基于视点椭球相似特征数的光线采样精确优化方法 |
CN116778068B (zh) * | 2023-08-22 | 2023-11-10 | 中国电子科技集团公司第十五研究所 | 基于视点椭球相似特征数的光线采样精确优化方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114782630A (zh) | 点云数据的生成方法、装置、可读存储介质和扫地机器人 | |
CN108537876B (zh) | 三维重建方法、装置、设备及存储介质 | |
US7499053B2 (en) | Real-time precision ray tracing | |
US8441477B2 (en) | Apparatus and method of enhancing ray tracing speed | |
KR102164541B1 (ko) | 레이 트레이싱 시스템에서의 가속 구조 생성 장치 및 그 생성 방법 | |
US20120019533A1 (en) | Optimal point density using camera proximity for point-based global illumination | |
CN114491824B (zh) | 有限元网格自动划分方法、设备和存储介质 | |
CN113724401A (zh) | 一种三维模型切割方法、装置、计算机设备和存储介质 | |
CN116843841B (zh) | 基于网格压缩的大规模虚拟现实系统 | |
CN114494649A (zh) | 有限元网格划分几何清理方法、设备和存储介质 | |
CA2609283A1 (en) | Real-time precision ray tracing | |
CN113570666B (zh) | 任务分配方法、装置、服务器及计算机可读存储介质 | |
CN114581871A (zh) | 一种目标物体的检测方法和装置 | |
US20220392121A1 (en) | Method for Improved Handling of Texture Data For Texturing and Other Image Processing Tasks | |
CN113674356A (zh) | 相机筛选方法及相关装置 | |
CN114332203A (zh) | 一种虚拟光源的光源信息确定方法和装置 | |
Bianco et al. | Sensor placement optimization in buildings | |
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 | |
CN114928418B (zh) | 一种适用于射线追踪信道建模的角度z缓冲区优化方法 | |
CN114398707B (zh) | 空间遮挡信息的确定方法、装置及设备 | |
US11282272B2 (en) | Model simplification method | |
CN114708303A (zh) | 追踪方法、追踪装置、可读存储介质、电子设备和机器人 | |
CN116089752A (zh) | 一种基于Webgl和无人机的建筑工程轻量级可视化方法 | |
Han | Osg based real-time volume rendering algorithm for electromagnetic environment | |
CN109785438A (zh) | 一种室内设计中物件查找方法及系统 |
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 |