CN114863195B

CN114863195B - 一种点云数据的处理方法、系统、存储介质和电子设备

Info

Publication number: CN114863195B
Application number: CN202210791344.3A
Authority: CN
Inventors: 李峰; 聂春梅; 季中林; 于万伟; 都军辉; 吕德勇; 彭光华; 王崇宇; 耿广彬; 曲有成; 孔祥刚
Original assignee: SHANDONG MATRIX SOFTWARE ENGINEERING CO LTD
Current assignee: SHANDONG MATRIX SOFTWARE ENGINEERING CO LTD
Priority date: 2022-07-07
Filing date: 2022-07-07
Publication date: 2022-09-13
Anticipated expiration: 2042-07-07
Also published as: CN114863195A

Abstract

本申请提供一种点云数据的处理方法、系统、存储介质和电子设备，涉及数据处理领域，包括：获取点云数据；确定所述点云数据所包含的几何特征；其中，所述几何特征包含一维特征和多维特征；对所述几何特征采用相应维度的特征索引处理所述点云数据。本申请在处理点云数据时，根据点云数据所包含的数据特征维度进行划分，并采用相应维度的特征索引分类处理点云数据，通过解析点云数据的维度，将处理维度可由高维度降至低纬度，实现点云数据的简化处理，降低复杂点云数据的处理难度，同时保证数据处理准确率和处理效率。

Description

一种点云数据的处理方法、系统、存储介质和电子设备

技术领域

本申请涉及数据处理领域，特别涉及一种点云数据的处理方法、系统及相关装置。

背景技术

随着点云类数据处理技术在生产环境中的广泛使用，一些对测量数据要求比较高的行业逐渐不再满足于现今的测算精度和数据延迟。然而要想提高点云数据的测算精度，就必须要求提升点云数据的密度，而密度的提升又必然导致数据处理量的大幅增加，从而增加了数据延迟。这不但导致采集类设备的成本逐渐提高，对数据计算硬件性能的要求也会大幅提升，最后就造成产业成本的大幅增加，进而导致企业利润率的降低，不利于产业持续的发展。

发明内容

本申请的目的是提供一种点云数据的处理方法、处理系统、计算机可读存储介质和电子设备，能够提高点云数据的处理精度。

为解决上述技术问题，本申请提供一种点云数据的处理方法，具体技术方案如下：

获取点云数据；

确定所述点云数据所包含的几何特征；其中，所述几何特征包含一维特征和多维特征；

对所述几何特征采用相应维度的特征索引处理所述点云数据。

可选的，对所述几何特征采用相应维度的特征索引处理所述点云数据之前，还包括：

建立不同维度的特征索引；其中，高维度的特征索引基于低纬度的特征索引构建。

可选的，若所述点云数据包含一维特征，则对所述几何特征采用相应维度的特征索引处理所述点云数据包括：

将所述点云数据利用一维特征索引进行坐标轴投影，得到一维数据特征。

可选的，若所述点云数据包含二维特征，则对所述几何特征采用相应维度的特征索引处理所述点云数据包括：

将所述点云数据利用二维特征索引映射到预设坐标方向，得到二维特征数据。

可选的，若所述点云数据包含三维特征，则对所述几何特征采用相应维度的特征索引处理所述点云数据包括：

利用二维特征索引确定所述点云数据中的二维特征数据；

利用多个方向面的几何特征和面之间的夹角关系确定所述点云数据的三维特征数据。

可选的，若所述点云数据包含三维特征，则对所述几何特征采用相应维度的特征索引处理所述点云数据时，还包括：

利用局部特征对所述点云数据进行特征检索；所述局部特征包括纹理特征、构件特征和装饰物特征中的至少一种。

可选的，获取点云数据包括：

确定目标的有效观测范围；

在所述有效观测范围内创建多维数据空间，并设定所述多维数据空间的特征判定规则；

捕捉所述多维数据空间内的点云数据。

本申请还提供一种点云数据的处理系统，包括：

数据获取模块，用于获取点云数据；

特征确定模块，用于确定所述点云数据所包含的几何特征；其中，所述几何特征包含一维特征和多维特征；

特征处理模块，用于对所述几何特征采用相应维度的特征索引处理所述点云数据。

本申请还提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如上所述的方法的步骤。

本申请还提供一种电子设备，包括存储器和处理器，所述存储器中存有计算机程序，所述处理器调用所述存储器中的计算机程序时实现如上所述的方法的步骤。

本申请在处理点云数据时，根据点云数据所包含的数据特征维度进行划分，并采用相应维度的特征索引分类处理点云数据，通过解析点云数据的维度，将处理维度可由高维度降至低纬度，实现点云数据的简化处理，降低复杂点云数据的处理难度，同时保证数据处理准确率和处理效率。

本申请还提供一种点云数据的处理系统、计算机可读存储介质和电子设备，具有上述有益效果，此处不再赘述。

附图说明

为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。

图1为本申请实施例所提供的一种点云数据的处理方法的流程图；

图2为本申请实施例所提供的一种点云数据的处理系统结构示意图。

具体实施方式

为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，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，都属于本申请保护的范围。

请参考图1，图1为本申请实施例所提供的一种点云数据的处理方法的流程图，该方法包括：

S101：获取点云数据；

本步骤需要获取点云数据，在此对于点云数据的获取方式不作限定。其可以通过观测目标物体获得。一种可行的实施方式，可以先确定目标的有效观测范围，在有效观测范围内创建多维数据空间，并设定多维数据空间的特征判定规则，此后可以直接捕捉多维数据空间内的点云数据。

S102：确定所述点云数据所包含的几何特征；其中，所述几何特征包含一维特征和多维特征；

本步骤需要确定点云数据包含的几何特征。需要注意的是，同一目标通常具有不同维度的特征，而本步骤中需要确定实际为所需要执行数据处理的几何特征。举例而言，对于车辆自动驾驶而言，所需要检测的数据若为速度和距离，则对于车辆自身结构的三维特征无需关注。也即是说，本步骤中只需确定所需要进行处理的几何特征即可。当然，若需要观察车辆自身特征，则车辆的长、宽、高等，甚至表面纹理等均可以作为需要处理的几何特征。因此，随着研究对象不同，同一目标在执行本步骤时确定的几何特征也存在差异。

S103：对所述几何特征采用相应维度的特征索引处理所述点云数据。

本步骤利用相应维度的特征索引对已经确定的几何特征进行处理。

容易理解的是，在本步骤之前，可以事先建立不同维度的特征索引；且高维度的特征索引可以基于低纬度的特征索引构建，例如三维特征索引可以基于一维特征索引和二维特征索引构建。

下文分别以一维特征索引、二维特征索引和三维特征索引为例对本步骤处理点云数据进行说明：

若点云数据包含一维特征，则对几何特征采用相应维度的特征索引处理点云数据包括：

将点云数据利用一维特征索引进行坐标轴投影，得到一维数据特征。

若点云数据包含二维特征，则对几何特征采用相应维度的特征索引处理点云数据包括：

将点云数据利用二维特征索引映射到预设坐标方向，得到二维特征数据。

例如，可以将点云数据按照固定的坐标轴方向投影，再将二维投影的点云数据按照另一个方向进行投影，比如以X轴投影后形成二维图像，再以Y轴投影后则只保留Z轴数据，即目标物的高度信息。同理可以计算出长度和宽度信息。

若点云数据包含三维特征，则对几何特征采用相应维度的特征索引处理点云数据包括：

利用二维特征索引确定点云数据中的二维特征数据；

利用多个方向面的几何特征和面之间的夹角关系确定点云数据的三维特征数据。

处理三维特征的点云数据时，可以通过组合二维特征数据，完成三维几何特征的融合与解析工作，构建观测目标的三维特征数据。

此外，若点云数据包含三维特征，则对几何特征采用相应维度的特征索引处理点云数据时，还可以利用局部特征对点云数据进行特征检索。局部特征包括纹理特征、构件特征和装饰物特征中的至少一种。

还需要注意的是，若针对多个目标进行处理，需要建立相应的多维数据空间，比如单纯计算观测者与被观测目标之间的距离与速度，则只需要保留目标的一维或二维数据特性，因此仅需要建立二维数据空间。而对更加复杂的处理目标则需要建立对应的更多维度的数据空间。为进一步简化多个多维数据空间的交互问题，可以创建更高维度的处理空间，将不同的低维度处理空间映射其中，从而完成更加复杂的运算。

即对于单一目标，可以直接识别目标的集合特征，通过映射投影或切割的方式减少需要计算的点云数据的总量。

若对于多个目标，可以根据有效观测范围的空间大小创建多维数据空间，在多维数据空间中设定观测者坐标，观测者坐标可以设为原点。同时设定多维数据空间规则，如：观测周边目标物的距离与速度、当超过阈值时发送警告。根据这些规则为数据空间中出现的目标物设定处理模板，以便保留其必要的特征属性，如几何轮廓、形状、速度、距离等。捕捉区域范围内的点云数据，根据规则简化这些点云数据并将之映射到多维数据空间中，在多维数据空间中完成各个目标的点云数据处理。

下面对本申请实施例提供的一种点云数据的处理系统进行介绍，下文描述的处理系统与上文描述的点云数据的处理方法可相互对应参照。

参见图2，图2为本申请实施例所提供的一种点云数据的处理系统结构示意图，本申请还提供一种点云数据的处理系统，包括：

数据获取模块，用于获取点云数据；

本申请还提供了一种计算机可读存储介质，其上存有计算机程序，该计算机程序被执行时可以实现上述实施例所提供的步骤。该存储介质可以包括：U盘、移动硬盘、只读存储器（Read-Only Memory ，ROM）、随机存取存储器（Random Access Memory ，RAM）、磁碟或者光盘等各种可以存储程序代码的介质。

本申请还提供了一种电子设备，可以包括存储器和处理器，所述存储器中存有计算机程序，所述处理器调用所述存储器中的计算机程序时，可以实现上述实施例所提供的步骤。当然所述电子设备还可以包括各种网络接口，电源等组件。

说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例提供的系统而言，由于其与实施例提供的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。

本文中应用了具体个例对本申请的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本申请的方法及其核心思想。应当指出，对于本技术领域的普通技术人员来说，在不脱离本申请原理的前提下，还可以对本申请进行若干改进和修饰，这些改进和修饰也落入本申请权利要求的保护范围内。

还需要说明的是，在本说明书中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，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过程、方法、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。

Claims

1.一种点云数据的处理方法，其特征在于，包括：

获取点云数据；

对所述几何特征采用相应维度的特征索引处理所述点云数据；

若所述点云数据包含一维特征，则对所述几何特征采用相应维度的特征索引处理所述点云数据包括：

将所述点云数据利用一维特征索引进行坐标轴投影，得到一维数据特征；

若所述点云数据包含二维特征，则对所述几何特征采用相应维度的特征索引处理所述点云数据包括：

将所述点云数据利用二维特征索引映射到预设坐标方向，得到二维特征数据；

若所述点云数据包含三维特征，则对所述几何特征采用相应维度的特征索引处理所述点云数据包括：

利用二维特征索引确定所述点云数据中的二维特征数据；

利用多个方向面的几何特征和面之间的夹角关系确定所述点云数据的三维特征数据；

若所述点云数据包含三维特征，则对所述几何特征采用相应维度的特征索引处理所述点云数据时，还包括：

2.根据权利要求1所述的处理方法，其特征在于，对所述几何特征采用相应维度的特征索引处理所述点云数据之前，还包括：

3.根据权利要求1所述的处理方法，其特征在于，获取点云数据包括：

确定目标的有效观测范围；

捕捉所述多维数据空间内的点云数据。

4.一种点云数据的处理系统，其特征在于，包括：

数据获取模块，用于获取点云数据；

特征处理模块，用于对所述几何特征采用相应维度的特征索引处理所述点云数据；

若所述点云数据包含一维特征，所述特征处理模块为用于将所述点云数据利用一维特征索引进行坐标轴投影，得到一维数据特征的模块；

若所述点云数据包含二维特征，所述特征处理模块为用于将所述点云数据利用二维特征索引映射到预设坐标方向，得到二维特征数据的模块；

若所述点云数据包含三维特征，所述特征处理模块为用于利用二维特征索引确定所述点云数据中的二维特征数据，利用多个方向面的几何特征和面之间的夹角关系确定所述点云数据的三维特征数据，以及利用局部特征对所述点云数据进行特征检索的模块；所述局部特征包括纹理特征、构件特征和装饰物特征中的至少一种。

5.一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，所述计算机程序被处理器执行时实现如权利要求1-3任一项所述的点云数据的处理方法的步骤。

6.一种电子设备，其特征在于，包括存储器和处理器，所述存储器中存有计算机程序，所述处理器调用所述存储器中的计算机程序时实现如权利要求1-3任一项所述的点云数据的处理方法的步骤。