CN115423835B - 杆状物点云数据处理方法、装置、电子设备及存储介质 - Google Patents
杆状物点云数据处理方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN115423835B CN115423835B CN202211360592.9A CN202211360592A CN115423835B CN 115423835 B CN115423835 B CN 115423835B CN 202211360592 A CN202211360592 A CN 202211360592A CN 115423835 B CN115423835 B CN 115423835B
- Authority
- CN
- China
- Prior art keywords
- point cloud
- point
- rod
- target
- dimensional
- 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
- 238000003672 processing method Methods 0.000 title claims abstract description 24
- 238000000034 method Methods 0.000 claims abstract description 39
- 238000012545 processing Methods 0.000 claims description 54
- 239000013598 vector Substances 0.000 claims description 50
- 239000011159 matrix material Substances 0.000 claims description 17
- 238000012216 screening Methods 0.000 claims description 13
- 230000011218 segmentation Effects 0.000 claims description 13
- 238000012937 correction Methods 0.000 claims description 9
- 238000007619 statistical method Methods 0.000 claims description 5
- 238000000605 extraction Methods 0.000 abstract description 4
- 238000010586 diagram Methods 0.000 description 9
- 230000006835 compression Effects 0.000 description 5
- 238000007906 compression Methods 0.000 description 5
- 238000004590 computer program Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 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
- 230000000717 retained effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/66—Analysis of geometric attributes of image moments or centre of gravity
-
- 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
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/762—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using clustering, e.g. of similar faces in social networks
-
- 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
-
- 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
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computing Systems (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Databases & Information Systems (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Multimedia (AREA)
- Geometry (AREA)
- Image Processing (AREA)
Abstract
本申请涉及杆状物点云数据处理方法、装置、电子设备及存储介质,该方法包括:从杆状物的初始点云中确定杆部对应的初始杆部点云;对初始杆部点云进行直线拟合;基于拟合直线,对初始点云进行垂直校正,得到杆状物的中间点云;将中间点云在垂直方向上进行压缩处理,得到位于同一平面的二维点云;确定二维点云中每个二维点的第一预设距离内邻接点的数量;基于每个二维点的第一预设距离内邻接点的数量,从二维点云中确定杆部对应的目标杆部点云。本申请可以解决杆体倾斜对杆状物矢量化的影响,且结合垂直杆部点云在邻接点数量上的特征,可以实现杆状物初始点云中目标杆部点云的快速提取,且准确度较高。
Description
技术领域
本申请涉及数据处理技术领域,特别涉及一种杆状物点云数据处理方法、装置、电子设备及存储介质。
背景技术
道路杆状物作为我国重要的基础交通设施,其信息的快速获取与更新对保障公路安全有重大意义。高精度的杆状物信息如位置、倾角、朝向和属性等,在道路资产调查、自动驾驶和辅助驾驶等领域都有重要作用。
目前,道路杆状物信息的提取技术主要包括人工测量、基于车载影像判读和基于车载激光点云提取三大类。首先,由于杆状物数量巨大且较为分散,人工测量方法不可取,它的安全性较低,质量又难以保证,不适合信息的快速更新。其次,车载影像的判读则严重依赖成像质量,相片质量差,判读效果就差,自动化程度也比较低。基于车载激光点云提取是主要运用的方法,然而,目前的点云分割算法,无法准确地提取出杆状物中垂直杆体的节点。
发明内容
本申请实施例提供了一种杆状物点云数据处理方法、装置、电子设备及存储介质,本申请的技术方案如下:
一方面,本申请实施例提供了一种杆状物点云数据处理方法,包括:
获取杆状物的初始点云;杆状物包括杆部;
从初始点云中确定杆部对应的初始杆部点云;
对初始杆部点云进行直线拟合,得到表征杆部的拟合直线;
基于拟合直线的方向信息和垂直方向信息,对初始点云进行垂直校正,得到杆状物的中间点云;
将中间点云在垂直方向上进行压缩处理,得到位于同一平面的二维点云;
确定二维点云中每个二维点的第一预设距离内邻接点的数量;
基于每个二维点的第一预设距离内邻接点的数量,从二维点云中确定杆部对应的目标杆部点云。
在一些可能的实施例中,从初始点云中确定杆部对应的初始杆部点云,包括:
对初始点云进行水平切面处理,得到多个第一水平切面一一对应的多个第一平面轮廓点集合;
对多个第一平面轮廓点集合中每个第一平面轮廓点集合进行圆拟合,确定每个第一平面轮廓点集合的圆心点;
基于每个第一平面轮廓点集合的圆心点,得到第一圆心点序列;
将第一圆心点序列作为杆部对应的初始杆部点云。
在一些可能的实施例中,基于每个第一平面轮廓点集合的圆心点,得到第一圆心点序列之后,还包括:
确定第一圆心点序列中,每个圆心点与相邻圆心点之间的距离;
针对每个圆心点,若圆心点与相邻圆心点之间的距离与第二预设距离之间的差值大于等于预设值,将圆心点进行删除处理,得到筛选后的第一圆心点序列;
其中,第二预设距离为多个第一水平切面中相邻两个第一水平切面之间的距离;预设值为根据杆部的倾斜角度阈值和第二预设距离确定。
在一些可能的实施例中,基于拟合直线的方向信息和垂直方向信息,对初始点云进行垂直校正,得到杆状物的中间点云,包括:
根据拟合直线的方向信息和垂直方向信息,确定旋转矩阵;
根据旋转矩阵对初始点云进行旋转处理,得到杆状物的中间点云。
在一些可能的实施例中,中间点云包括多个中间点和多个中间点中每个中间点的三维坐标值;
将中间点云在垂直方向上进行压缩处理,得到位于同一平面的二维点云,包括:
获取目标平面的目标垂直方向坐标值;
将每个中间点在垂直方向上的垂直方向坐标值,替换为目标垂直方向坐标值,得到每个中间点在目标平面上的投射点;
基于每个中间点在目标平面上的投射点,得到二维点云。
在一些可能的实施例中,确定二维点云中每个二维点的第一预设距离内邻接点的数量,包括:
以每个二维点为圆心、第一预设距离为半径,确定每个二维点的搜索区域;
将位于每个二维点的搜索区域内的二维点作为每个二维点的邻接点,得到每个二维点对应的邻接点的数量;
其中,第一预设距离根据杆部的参照半径确定。
在一些可能的实施例中,基于每个二维点的第一预设距离内邻接点的数量,从二维点云中确定杆部对应的目标杆部点云,包括:
对每个二维点的第一预设距离内邻接点的数量进行统计分析,确定分割阈值;
将邻接点的数量大于等于分割阈值对应的二维点,作为杆部对应的目标点,得到目标杆部点云。
在一些可能的实施例中,还包括:
基于拟合直线,对目标杆部点云中至少一个目标点进行位置校准,得到校准后的目标点;
将校准后的目标点作为杆部的矢量节点。
在一些可能的实施例中,杆状物还包括至少一个延伸部,方法还包括:
从二维点云中,得到至少一个延伸部对应的延伸部点云;
对延伸部点云进行聚类处理,得到聚类处理结果;
基于聚类处理结果,从延伸部点云中确定目标点云块;
将目标点云块对应的延伸部作为目标延伸部;
对目标点云块进行筛选,得到目标延伸部的矢量节点。
在一些可能的实施例中,对目标点云块进行筛选,得到目标延伸部的矢量节点,包括:
基于目标点云块和拟合直线,确定目标点云块对应的目标延伸部的延伸方向信息;
根据延伸方向信息和垂直方向信息,对目标点云块进行旋转处理,得到旋转处理后的目标点云块;
对旋转处理后的目标点云块进行水平切面处理,得到多个第二水平切面一一对应的多个第二平面轮廓点集合;
对多个第二平面轮廓点集合中每个第二平面轮廓点集合进行圆拟合处理,得到每个第二平面轮廓点集合的圆心点;
基于每个第二平面轮廓点集合的圆心点,得到第二圆心点序列;
对第二圆心点序列进行反旋转处理,得到反旋转处理后的第二圆心点序列;
将反旋转处理后的第二圆心点序列作为目标延伸部的矢量节点。
另一方面,本申请实施例还提供一种杆状物点云数据处理装置,包括:
获取模块,用于获取杆状物的初始点云;杆状物包括杆部;
第一确定模块,用于从初始点云中确定杆部对应的初始杆部点云;
拟合模块,用于对初始杆部点云进行直线拟合,得到表征杆部的拟合直线;
校正模块,用于基于拟合直线的方向信息和垂直方向信息,对初始点云进行垂直校正,得到杆状物的中间点云;
处理模块,用于将中间点云在垂直方向上进行压缩处理,得到位于同一平面的二维点云;
第二确定模块,用于确定二维点云中每个二维点的第一预设距离内邻接点的数量;
第三确定模块,用于基于每个二维点的第一预设距离内邻接点的数量,从二维点云中确定杆部对应的目标杆部点云。
另一方面,本申请实施例还提供一种电子设备,电子设备包括处理器和存储器,存储器中存储有至少一条指令或至少一段程序,至少一条指令或至少一段程序由处理器加载并执行本申请实施例的杆状物点云数据处理方法。
另一方面,本申请实施例还提供一种计算机存储介质,存储介质中存储有至少一条指令或至少一段程序,至少一条指令或至少一段程序由处理器加载并执行以实现本申请实施例的杆状物点云数据处理方法。
本申请实施例提供的杆状物点云数据处理方法、装置、电子设备及存储介质具有如下有益效果:
通过获取杆状物的初始点云;杆状物包括杆部;从初始点云中确定杆部对应的初始杆部点云;对初始杆部点云进行直线拟合,得到表征杆部的拟合直线;基于拟合直线的方向信息和垂直方向信息,对初始点云进行垂直校正,得到杆状物的中间点云;将中间点云在垂直方向上进行压缩处理,得到位于同一平面的二维点云;确定二维点云中每个二维点的第一预设距离内邻接点的数量;基于每个二维点的第一预设距离内邻接点的数量,从二维点云中确定杆部对应的目标杆部点云。如此,通过对杆状物的初始点云进行垂直校正,可以解决杆体倾斜对杆状物矢量化的影响,并且,通过垂直压缩方法结合垂直杆部点云在邻接点数量上的特征,可以实现杆状物初始点云中目标杆部点云的快速提取,且准确度较高。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例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一些实施例,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,还可以根据这些附图获得其他的附图。
图1是本申请实施例提供的一种应用环境的示意图;
图2是本申请实施例提供的一种杆状物点云数据处理方法的流程图;
图3是本申请实施例提供的一种确定杆部对应的初始杆部点云的流程图;
图4是本申请实施例提供的一种水平切面效果示意图;
图5是本申请实施例提供的一种对第一圆心点序列进行杆部点云筛选的流程图;
图6是本申请实施例提供的一种对初始点云进行垂直校正的流程图;
图7是本申请实施例提供的一种将中间点云在垂直方向上进行压缩处理的流程图;
图8是本申请实施例提供的一种确定二维点云中每个二维点的第一预设距离内邻接点的数量的流程图;
图9是本申请实施例提供的一种从二维点云中确定杆部对应的目标杆部点云的流程图;
图10是本申请实施例提供的一种邻接点统计直方图;
图11是本申请实施例提供的一种确定杆部的矢量节点的流程图;
图12是本申请实施例提供的一种确定目标延伸部的流程图;
图13是本申请实施例提供的一种确定目标延伸部的矢量节点的流程图;
图14是本申请实施例提供的一种杆状物点云数据处理装置的结构示意图;
图15是本申请实施例提供的一种用于杆状物点云数据处理的电子设备的框图。
具体实施方式
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,所描述的实施例仅仅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的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。
需要说明的是,本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或服务器不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
请参阅图1,图1是本申请实施例提供的一种应用环境的示意图,如图1所示,包括服务器01和终端设备02。可选的,服务器01和终端设备02可以通过无线链路连接,也可以通过有线链路连接。
在一些可能的实施例中,终端设备02对杆状物进行点云数据采集,将采集的初始点云发送至服务器01;服务器01获取杆状物的初始点云,对初始点云进行处理,从初始点云中分割出杆状物的垂直杆体即杆部对应的目标杆部点云。
具体的,服务器01可以是独立的物理服务器,也可以是多个物理服务器构成的服务器集群或者分布式系统,还可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、CDN(Content Delivery Network,内容分发网络)、以及大数据和人工智能平台等基础云计算服务的云服务器。可选的,该服务器01上运行的操作系统可以包括但是不限于IOS、Linux、Windows、Unix、Android 系统等。
在一个可选的实施例中,终端设备02配置有激光雷达,通过激光雷达获取到杆状物的点云数据,并对杆状物的点云数据进行预处理后得到杆状物的初始点云。
应理解的,图1所示的应用环境仅为示例,在实际应用中,可以由终端设备或者服务器独立执行本申请实施例的杆状物点云数据处理方法,也可以由终端设备和服务器配合执行本申请实施例的杆状物点云数据处理方法,本申请实施例对具体的应用环境不作限定。
图2是本申请实施例提供的一种杆状物点云数据处理方法的流程图,如图2所示,杆状物点云数据处理方法可以应用于服务器,包括以下步骤:
在步骤S201中,获取杆状物的初始点云;杆状物包括杆部。
本申请实施例中,服务器可以对采集设备采集的原始道路环境点云数据进行预处理,即从原始道路环境点云数据中分割出杆状物感兴趣的部分,得到初始点云,以及初始点云中每个初始点云的三维坐标值;或者,服务器可以从采集设备中直接获取杆状物的初始点云,该采集设备被配置为主要采集杆状物的点云数据,采集设备在去除噪音后,直接将去噪后的杆状物的初始点云以及每个初始点云的三维坐标值发送至服务器。其中,三维坐标值包括垂直方向坐标值(即z轴坐标值)、第一水平方向坐标值(即x轴坐标值)和第二水平方向坐标值(即y轴坐标值)。
服务器在获取到杆状物的初始点云后,对初始点云进行后续步骤的处理,处理的过程也可以看作是矢量化的过程,矢量化指的是,从杆状物的初始点云中选取能够表征杆状物各个部分的矢量节点,其中,各个部分的矢量节点,可以构建表征各个部分的矢量图形,各个部分的矢量图形可以组合形成表征杆状物整体的矢量图形,该杆状物整体的矢量图形可以用于高精度地图,并在自动驾驶领域中应用。
通常,杆状物包括一个杆部,在一些可能的实施例中,杆状物还包括至少一个延伸部;具体的,当杆状物仅包括一个杆部,没有延伸部时,杆状物可以是交通标牌;当杆状物包括一个杆部和一个延伸部时,杆状物可以是红绿灯、单臂路灯等;当杆状物包括一个杆部和两个延伸部时,杆状物可以是高低臂路灯。
相关技术中,在对杆状物的点云数据进行处理,以获得矢量节点时,未考虑到实际道路环境中杆状物存在倾斜的问题,以及无法区分杆状物的垂直杆部和非垂直延伸部,导致最终提取的矢量节点并不准确,进而影响高精度地图的准确度。
基于此,本申请实施例提供了一种杆状物点云数据处理方法,可以解决杆状物倾斜的干扰问题,准确地从杆状物的初始点云中提取出垂直杆部对应的杆部点云,进一步可以提升最终提取的杆状物的矢量节点的准确度,提高高精度地图的准确度和可靠度。
在步骤S203中,从初始点云中确定杆部对应的初始杆部点云。
本申请实施例中,服务器通过对初始点云进行垂直校正,来解决杆状物的倾斜干扰问题。具体的,服务器从初始点云中确定垂直杆部对应的初始杆部点云,然后确定垂直杆部的拟合直线,再使用点云旋转的方法将杆状物整体扶正。
在一些可能的实施例中,上述的从初始点云中确定杆部对应的初始杆部点云,可以包括如图3所示的以下步骤:
在步骤S301中,对初始点云进行水平切面处理,得到多个第一水平切面一一对应的多个第一平面轮廓点集合。
该步骤中,对初始点云进行水平切面处理,得到多个第一水平切面中每个第一水平切面对应的第一平面轮廓点集合;其中,第一平面轮廓点集合中每个轮廓点的z轴坐标值相同。
可选的,多个第一水平切面中相邻两个第一水平切面之间的距离为第二预设距离。
具体的,以一定的间距d获取一组水平切面,水平切面方程如式(1)所示:
z=h……(1)
其中,d表示第二预设距离,具体可以根据杆状物的实际高度设置;同一水平切面上不同点的z值相同,均为h;不同水平切面z值不同,h值的范围在0到杆状物的最大高度H之间。
利用上述水平切面对杆状物的初始点云进行水平切片,可选的,切片厚度为d/2,获取杆状物点云在各间距水平面上的轮廓点,每个水平切面对应一组轮廓点;在此过程中,将每组平面轮廓点的z轴坐标值统一赋值为所在水平切面的z轴坐标值h。
如图4所示,图4是本申请实施例提供的一种水平切面效果示意图;对图4中左侧示出的单臂路灯的初始点云进行水平切面处理,获取到的不同高度对应的水平切面轮廓点如图4中右侧所示。
在步骤S303中,对多个第一平面轮廓点集合中每个第一平面轮廓点集合进行圆拟合,确定每个第一平面轮廓点集合的圆心点。
在步骤S305中,基于每个第一平面轮廓点集合的圆心点,得到第一圆心点序列。
上述步骤中,对每个第一平面轮廓点集合进行圆拟合,得到每个第一平面轮廓点集合的圆心点,形成第一圆心点序列。后续,利用得到第一圆心点序列进行直线拟合,获得能纵贯垂直杆部点云的直线。
具体的,如图4所示,对获取到的各组轮廓点分别进行圆拟合,得到各组轮廓点的圆心坐标,形成圆心序列点。
在步骤S307中,将第一圆心点序列作为杆部对应的初始杆部点云。
在进行直线拟合之前,为了排除非垂直杆部点的影响,通过对第一圆心点序列进行杆部点云筛选,得到筛选后的第一圆心点序列,去除第一圆心点序列中的离异点。
在一些可能的实施例中,上述的对第一圆心点序列进行杆部点云筛选,得到筛选后的第一圆心点序列,可以包括如图5所示的以下步骤:
在步骤S501中,确定第一圆心点序列中,每个圆心点与相邻圆心点之间的距离。
在步骤S503中,针对每个圆心点,若圆心点与相邻圆心点之间的距离与第二预设距离之间的差值大于等于预设值,将圆心点进行删除处理,得到筛选后的第一圆心点序列。
具体的,计算第一圆心点序列中,每个圆心点与相邻圆心点之间的欧氏距离d’,然后与水平切面间距d即第二预设距离进行比较,确定两者之间的偏差值∆d。
考虑到如果圆心点是由包含非垂直杆部的点云切片拟合得到,那么其与相邻圆心点之间的直线距离d’必定远大于水平切面间距d。因此,预先设定一个预设值ε,如果∆d≥ε,则筛除掉对应的圆心点。其中,预设值ε可以根据杆部的倾斜角度阈值和第二预设距离确定;具体的,可以参照下述公式(2)来确定:
ε=(secθ-1)×d……(2)
其中,θ表示垂直杆部的倾斜角度阈值,即最大倾斜角度;secθ表示最大倾斜角度的正割;d表示第二预设距离,即多个第一水平切面中相邻两个第一水平切面之间的距离。
上述实施例中,通过去除第一圆心点序列中的离异点,排除非垂直杆部点的影响,可以保证筛选后的第一圆心序列点均属于垂直杆部,可以确保后续拟合的直线能够准确的贯穿杆部点云。
在步骤S205中,对初始杆部点云进行直线拟合,得到表征杆部的拟合直线。
本申请实施例中,对初始杆部点云进行直线拟合,得到表征杆部的拟合直线和拟合直线的方向信息,方向信息可以指拟合直线的方向向量。
具体的,利用筛选出的初始杆部点云,拟合出纵贯垂直杆部的拟合直线L1,拟合直线L1方程可以表示如下方程(3):
(x-b1)/a1 =(x-b2)/a2 =(x-b3)/a3……(3)
其中,(a1,a2,a3)为直线L1的方向向量,(b1,b2,b3)为截距向量。
在步骤S207中,基于拟合直线的方向信息和垂直方向信息,对初始点云进行垂直校正,得到杆状物的中间点云。
本申请实施例中,服务器对初始点云进行垂直校正,具体的,基于垂直杆部的拟合直线L1,对杆状物的初始点云进行旋转,以使得旋转后的杆部点云的拟合直线L1能够平行于垂直方向(即z轴)。
在一些可能的实施例中,上述基于拟合直线的方向信息和垂直方向信息,对初始点云进行垂直校正,得到杆状物的中间点云,可以包括如图6所示的以下步骤:
在步骤S601中,根据拟合直线的方向信息和垂直方向信息,确定旋转矩阵。
该步骤中,利用直线L1的方向向量(a1,a2,a3)与z轴方向向量(0,0,1),计算出旋转矩阵R1。
具体的,旋转矩阵的计算可采用罗德里格旋转公式,设v为直线L1方向向量(a1,a2,a3)与z轴方向向量的向量积,s为v的范数,c为两个向量的内积,则R1的计算方式如下式(4)所示:
其中,I表示单位矩阵;[v]×表示v的反对称叉乘矩阵,结合式(4)中v=(a2,-a1,0),[v]×表达式如下公式(5)所示:
在步骤S603中,根据旋转矩阵对初始点云进行旋转处理,得到杆状物的中间点云。
具体的,使用旋转矩阵R1对杆状物初始点云进行旋转,得到扶正后的杆状物点云,即中间点云。点云旋转方法如下述公式(6)所示:
上述实施例中,通过对杆状物的初始点云进行旋转,使得旋转后的杆部点云平行于z轴方向,以便于后续步骤的处理。
在步骤S209中,将中间点云在垂直方向上进行压缩处理,得到位于同一平面的二维点云。
本申请实施例中,扶正后的杆状物的中间点云包括多个中间点和多个中间点中每个中间点的三维坐标值。服务器使用z轴压缩的方法,将中间点云在z轴方向上进行压缩处理,得到位于同一xy平面的二维点云。
在一些可能的实施例中,上述的将中间点云在垂直方向上进行压缩处理,得到位于同一平面的二维点云,可以包括如图7所示的以下步骤:
在步骤S701中,获取目标平面的目标垂直方向坐标值。
这里,目标平面选取z轴坐标值为0的xy平面,相应的,目标垂直方向坐标值为0。
在步骤S703中,将每个中间点在垂直方向上的垂直方向坐标值,替换为目标垂直方向坐标值,得到每个中间点在目标平面上的投射点。
在步骤S705中,基于每个中间点在目标平面上的投射点,得到二维点云。
具体的,去除各中间点的三维坐标值中z轴坐标值,只保留各中间点的x轴坐标值和y轴坐标值,得到每个中间点在目标平面xoy上的投射点。然后基于每个中间点在目标平面xoy上的投射点,得到二维点云。
上述实施例中,将扶正后的中间点云投射到xoy平面上,以便于后续在二维平面进一步分割垂直杆部和非垂直延伸部的点云。
在步骤S211中,确定二维点云中每个二维点的第一预设距离内邻接点的数量。
在步骤S213中,基于每个二维点的第一预设距离内邻接点的数量,从二维点云中确定杆部对应的目标杆部点云。
本申请实施例中,考虑到杆状物中垂直杆部的点云在z轴上具有延伸性,经z轴压缩后,杆部点云密度会非常高,而非垂直延伸部则相反,因此,可以利用这种特点,来提取垂直杆部的点云,以及区分垂直杆部与非垂直杆体。
本申请实施例中,密度的高低通过二维点的第一预设距离内邻接点的数量来量化。从而,服务器可以通过邻点搜索的方法,确定二维点云中各二维点的第一预设距离内邻接点的数量。然后,基于每个二维点的第一预设距离内邻接点的数量,从二维点云中确定杆部对应的目标杆部点云。在确定出目标杆部点云之后,服务器可以直接将二维点云中除目标杆部点云之外的部分作为非垂直延伸部的点云。
在一些可能的实施例中,上述确定二维点云中每个二维点的第一预设距离内邻接点的数量,可以包括如图8所示的以下步骤:
在步骤S801中,以每个二维点为圆心、第一预设距离为半径,确定每个二维点的搜索区域。
其中,第一预设距离根据杆部的参照半径确定。
在步骤S803中,将位于每个二维点的搜索区域内的二维点作为每个二维点的邻接点,得到每个二维点对应的邻接点的数量。
具体的,将落入每个二维点的搜索区域内的二维点,作为该二维点的邻接点,然后统计得到每个二维点的搜索区域内的临界点的数量。
在一些可能的实施例中,上述的基于每个二维点的第一预设距离内邻接点的数量,从二维点云中确定杆部对应的目标杆部点云,可以包括如图9所示的以下步骤:
在步骤S901中,对每个二维点的第一预设距离内邻接点的数量进行统计分析,确定分割阈值。
在步骤S903中,将邻接点的数量大于等于分割阈值对应的二维点,作为杆部对应的目标点,得到目标杆部点云。
具体的,利用平面内垂直杆部的点云与非垂直延伸部的点云在二维邻接点数量特征上的差异,提取垂直杆部的点云,首先,对各个二维点对应的邻接点数量进行统计分析,请参阅图10,图10是本申请实施例提供的一种邻接点统计直方图,其中,横轴表示各二维点的序号,纵轴表示各二维点对应的邻接点数量;基于该统计直方图,对各个二维点对应的邻接点数量统计分析,使用自然断裂法确定出垂直杆部与非垂直延伸部在邻接点数量特征上的分割阈值T。
由于垂直杆部对应的二维点的邻接点的数量是要明显大于非垂直延伸部对应的二维点的邻接点的数量,因此,可以将邻接点的数量大于等于分割阈值T的二维点,确定为杆部对应的目标点,得到目标杆部点云。
在一些可能的实施例中,本申请实施例的方法还可以包括如图11所示的以下步骤:
在步骤S1101中,基于拟合直线,对目标杆部点云中至少一个目标点进行位置校准,得到校准后的目标点。
在步骤S1103中,将校准后的目标点作为杆部的矢量节点。
上述步骤中,服务器可以选取目标杆部点云中z轴坐标值最大的目标点和z轴坐标值最小的目标点,即杆部两端的点,对这两个目标点进行位置校准后,即可得到杆部的矢量节点。
具体的,选取目标杆部点云中z轴坐标最大值zmax和z轴坐标最小值zmin,分别代入拟合直线L1的直线方程中,计算出这两个最值在直线L1上对应的点,作为杆状物中垂直杆部的上下端点坐标,如下式(7)所示:
其中,(x1,y1,z1)和(x2,y2,z2)表示杆部的矢量节点的三维坐标值;zmax和zmin为目标杆部点云在z轴方向上的最大值和最小值;a1,a2,b1,b2为直线L1的直线方程参数。
本申请实施例中,在分割出目标杆部点云或者确定杆状物中杆部的矢量节点之后,服务器可以对二维点云中剩余部分的点云进行非垂直延伸部点云的提取与非垂直延伸部的矢量化。
考虑到杆状物可能存在多个延伸部,因此剩余部分的点云并不全部是同一延伸部的点云,比如高低臂路灯有两个延伸部。
从而,在一些可能的实施例中,杆状物还包括至少一个延伸部,本申请实施例的方法还可以包括如图12所示的以下步骤:
在步骤S1201中,从二维点云中,得到至少一个延伸部对应的延伸部点云。
在步骤S1203中,对延伸部点云进行聚类处理,得到聚类处理结果。
上述步骤中,服务器从二维点云中删除目标杆部点云,得到剩余部分点云,即延伸部对应的延伸部点云;由于考虑到杆状物存在两个以上延伸部的情况,服务器对即剩余的延伸部点云进行聚类,具体可使用DBSCAN密度聚类算法,得到聚类处理结果,聚类处理结果包括至少一个点云块,当存在多个点云块时,每个点云块指示不同类别的延伸部。
在步骤S1205中,基于聚类处理结果,从延伸部点云中确定目标点云块。
当聚类处理结果指示存在一个点云块时,直接将将该点云块作为目标点云块。
在步骤S1207中,将目标点云块对应的延伸部作为目标延伸部。
该步骤中,当聚类处理结果指示存在至少两个点云块时,表示存在至少两个不同类别的延伸部。因此,需要从至少两个点云块中选取一个点云块作为目标点云块,将目标点云块对应的延伸部作为目标延伸部。
具体的,上述从至少两个点云块中选取一个点云块作为目标点云块,可以包括以下步骤:针对每个点云块,计算其到拟合直线L1的最大距离D,将最大距离D作为该点云块对应的延伸部的延伸距离;然后,比较每个延伸部的延伸距离的大小,选择延伸距离最长的延伸部对应的点云块作为目标点云块。
实际应用中,若最长延伸距离小于等于1m,可以不进行后续的非垂直延伸部的矢量化。
在步骤S1209中,对目标点云块进行筛选,得到目标延伸部的矢量节点。
该步骤中,服务器对目标点云块进行筛选,得到目标延伸部的矢量节点,完成非垂直延伸部的矢量化。
在一些可能的实施例中,上述对目标点云块进行筛选,得到目标延伸部的矢量节点,可以包括如图13所示的以下步骤:
在步骤S1301中,基于目标点云块和拟合直线,确定目标点云块对应的目标延伸部的延伸方向信息。
其中,延伸方向信息可以指延伸方向向量。具体的,服务器首先确定目标点云块中距拟合直线L1最远的点P1,然后确定该点P1在直线L1的垂点P2;连接P2和P1得到直线L2,直线L2的方向向量即为目标延伸部的延伸方向向量。
在步骤S1303中,根据延伸方向信息和垂直方向信息,对目标点云块进行旋转处理,得到旋转处理后的目标点云块。
该步骤中,在确定目标延伸部的延伸方向向量后,服务器根据z轴方向向量(0,0,1)和直线L2的方向向量,计算得到旋转矩阵R2,根据旋转矩阵R2对目标点云块进行旋转处理,得到旋转处理后的目标点云块,旋转后的目标点云块平行于z轴。
在步骤S1305中,对旋转处理后的目标点云块进行水平切面处理,得到多个第二水平切面一一对应的多个第二平面轮廓点集合。
在步骤S1307中,对多个第二平面轮廓点集合中每个第二平面轮廓点集合进行圆拟合处理,得到每个第二平面轮廓点集合的圆心点。
在步骤S1309中,基于每个第二平面轮廓点集合的圆心点,得到第二圆心点序列。
通过上述步骤S1305~S1309,对目标延伸部的矢量节点进行筛选。由于上述第二圆心点序列是基于目标点云块旋转后进行处理得到的,无法直接作为目标延伸部的矢量节点,需要进行反旋转处理。
在步骤S1311中,对第二圆心点序列进行反旋转处理,得到反旋转处理后的第二圆心点序列。
在步骤S1313中,将反旋转处理后的第二圆心点序列作为目标延伸部的矢量节点。
上述实施例中,通过将目标延伸部旋转至与z轴平行,以便于对延伸部的水平切面处理,并通过对各水平切面的轮廓点集合进行圆拟合,获得目标延伸部的矢量节点,实现了非垂直延伸部的矢量化。
综上,本申请实施例通过对杆状物的初始点云进行垂直校正,解决了杆体倾斜对杆状物矢量化的影响,并且,通过垂直压缩方法结合垂直杆部点云在邻接点数量上的特征,实现杆状物初始点云中目标杆部点云的快速提取,且准确度较高;进一步地,提高了杆状物点云矢量化的效率和准确性。
本申请实施例还提供了一种杆状物点云数据处理装置,图14是本申请实施例提供的一种杆状物点云数据处理装置的结构示意图,如图14所示,该装置包括:
获取模块1401,用于获取杆状物的初始点云;杆状物包括杆部;
第一确定模块1402,用于从初始点云中确定杆部对应的初始杆部点云;
拟合模块1403,用于对初始杆部点云进行直线拟合,得到表征杆部的拟合直线;
校正模块1404,用于基于拟合直线的方向信息和垂直方向信息,对初始点云进行垂直校正,得到杆状物的中间点云;
处理模块1405,用于将中间点云在垂直方向上进行压缩处理,得到位于同一平面的二维点云;
第二确定模块1406,用于确定二维点云中每个二维点的第一预设距离内邻接点的数量;
第三确定模块1407,用于基于每个二维点的第一预设距离内邻接点的数量,从二维点云中确定杆部对应的目标杆部点云。
在一些可能的实施例中,第一确定模块1402,还用于对初始点云进行水平切面处理,得到多个第一水平切面一一对应的多个第一平面轮廓点集合;对多个第一平面轮廓点集合中每个第一平面轮廓点集合进行圆拟合,确定每个第一平面轮廓点集合的圆心点;基于每个第一平面轮廓点集合的圆心点,得到第一圆心点序列;将第一圆心点序列作为杆部对应的初始杆部点云。
在一些可能的实施例中,多个第一水平切面中相邻两个第一水平切面之间的距离为第二预设距离;
第一确定模块1402,还用于确定第一圆心点序列中,每个圆心点与相邻圆心点之间的距离;针对每个圆心点,若圆心点与相邻圆心点之间的距离与第二预设距离之间的差值大于等于预设值,将圆心点进行删除处理,得到筛选后的第一圆心点序列;其中,第二预设距离为多个第一水平切面中相邻两个第一水平切面之间的距离;预设值为根据杆部的倾斜角度阈值和第二预设距离确定。
在一些可能的实施例中,校正模块1404,还用于根据拟合直线的方向信息和垂直方向信息,确定旋转矩阵;根据旋转矩阵对初始点云进行旋转处理,得到杆状物的中间点云。
在一些可能的实施例中,中间点云包括多个中间点和多个中间点中每个中间点的三维坐标值;
处理模块1405,还用于获取目标平面的目标垂直方向坐标值;将每个中间点在垂直方向上的垂直方向坐标值,替换为目标垂直方向坐标值,得到每个中间点在目标平面上的投射点;基于每个中间点在目标平面上的投射点,得到二维点云。
在一些可能的实施例中,第二确定模块1406,还用于以每个二维点为圆心、第一预设距离为半径,确定每个二维点的搜索区域;将位于每个二维点的搜索区域内的二维点作为每个二维点的邻接点,得到每个二维点对应的邻接点的数量;其中,第一预设距离根据杆部的参照半径确定。
在一些可能的实施例中,第三确定模块1407,还用于对每个二维点的第一预设距离内邻接点的数量进行统计分析,确定分割阈值;将邻接点的数量大于等于分割阈值对应的二维点,作为杆部对应的目标点,得到目标杆部点云。
在一些可能的实施例中,装置还包括第四确定模块,第四确定模块用于基于拟合直线,对目标杆部点云中至少一个目标点进行位置校准,得到校准后的目标点;将校准后的目标点作为杆部的矢量节点。
在一些可能的实施例中,杆状物还包括至少一个延伸部,装置还包括第五确定模块,
第五确定模块,用于从二维点云中,得到至少一个延伸部对应的延伸部点云;对延伸部点云进行聚类处理,得到聚类处理结果;基于聚类处理结果,从延伸部点云中确定目标点云块;将目标点云块对应的延伸部作为目标延伸部;对目标点云块进行筛选,得到目标延伸部的矢量节点。
在一些可能的实施例中,第五确定模块,还用于基于目标点云块和拟合直线,确定目标点云块对应的目标延伸部的延伸方向信息;根据延伸方向信息和垂直方向信息,对目标点云块进行旋转处理,得到旋转处理后的目标点云块;对旋转处理后的目标点云块进行水平切面处理,得到多个第二水平切面一一对应的多个第二平面轮廓点集合;对多个第二平面轮廓点集合中每个第二平面轮廓点集合进行圆拟合处理,得到每个第二平面轮廓点集合的圆心点;基于每个第二平面轮廓点集合的圆心点,得到第二圆心点序列;对第二圆心点序列进行反旋转处理,得到反旋转处理后的第二圆心点序列;将反旋转处理后的第二圆心点序列作为目标延伸部的矢量节点。
本申请实施例中的装置与方法实施例基于同样地申请构思。
图15是本申请实施例提供的一种用于杆状物点云数据处理的电子设备的框图,该电子设备可以是终端,其内部结构图可以如图15所示。该电子设备包括通过系统总线连接的处理器、存储器、网络接口、显示屏和输入装置。其中,该电子设备的处理器用于提供计算和控制能力。该电子设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该电子设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种杆状物点云数据处理方法。该电子设备的显示屏可以是液晶显示屏或者电子墨水显示屏,该电子设备的输入装置可以是显示屏上覆盖的触摸层,也可以是电子设备外壳上设置的按键、轨迹球或触控板,还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解,图15中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的电子设备的限定,具体的电子设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在示例性实施例中,还提供了一种电子设备,包括:处理器;用于存储该处理器可执行指令的存储器;其中,该处理器被配置为执行该指令,以实现如本申请实施例中的杆状物点云数据处理方法。
在示例性实施例中,还提供了一种计算机可读存储介质,当该存储介质中的指令由电子设备的处理器执行时,使得电子设备能够执行本申请实施例中的杆状物点云数据处理方法。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,该计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
本领域技术人员在考虑说明书及实践这里公开的发明后,将容易想到本申请的其它实施方案。本申请旨在涵盖本申请的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本申请的一般性原理并包括本申请未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本申请的真正范围和精神由下面的权利要求指出。
应当理解的是,本申请并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本申请的范围仅由所附的权利要求来限制。
Claims (11)
1.一种杆状物点云数据处理方法,其特征在于,包括:
获取杆状物的初始点云;所述杆状物包括杆部;
对所述初始点云进行水平切面处理,得到多个第一水平切面一一对应的多个第一平面轮廓点集合;
对所述多个第一平面轮廓点集合中每个第一平面轮廓点集合进行圆拟合,确定所述每个第一平面轮廓点集合的圆心点;
基于所述每个第一平面轮廓点集合的圆心点,得到第一圆心点序列;
将所述第一圆心点序列作为所述杆部对应的初始杆部点云;
对所述初始杆部点云进行直线拟合,得到表征所述杆部的拟合直线;
基于所述拟合直线的方向信息和垂直方向信息,对所述初始点云进行垂直校正,得到所述杆状物的中间点云;
将所述中间点云在垂直方向上进行压缩处理,得到位于同一平面的二维点云;
确定所述二维点云中每个二维点的第一预设距离内邻接点的数量;
对所述每个二维点的第一预设距离内邻接点的数量进行统计分析,确定分割阈值;
将所述邻接点的数量大于等于所述分割阈值对应的二维点,作为所述杆部对应的目标点,得到目标杆部点云。
2.根据权利要求1所述的杆状物点云数据处理方法,其特征在于,所述基于所述每个第一平面轮廓点集合的圆心点,得到第一圆心点序列之后,还包括:
确定所述第一圆心点序列中,每个圆心点与相邻圆心点之间的距离;
针对所述每个圆心点,若所述圆心点与相邻圆心点之间的距离与第二预设距离之间的差值大于等于预设值,将所述圆心点进行删除处理,得到筛选后的第一圆心点序列;
其中,第二预设距离为所述多个第一水平切面中相邻两个第一水平切面之间的距离;所述预设值为根据所述杆部的倾斜角度阈值和所述第二预设距离确定。
3.根据权利要求1所述的杆状物点云数据处理方法,其特征在于,所述基于所述拟合直线的方向信息和垂直方向信息,对所述初始点云进行垂直校正,得到所述杆状物的中间点云,包括:
根据所述拟合直线的方向信息和所述垂直方向信息,确定旋转矩阵;
根据所述旋转矩阵对所述初始点云进行旋转处理,得到所述杆状物的中间点云。
4.根据权利要求1所述的杆状物点云数据处理方法,其特征在于,所述中间点云包括多个中间点和所述多个中间点中每个中间点的三维坐标值;
所述将所述中间点云在垂直方向上进行压缩处理,得到位于同一平面的二维点云,包括:
获取目标平面的目标垂直方向坐标值;
将所述每个中间点在所述垂直方向上的垂直方向坐标值,替换为所述目标垂直方向坐标值,得到所述每个中间点云在所述目标平面上的投射点;
基于所述每个中间点在所述目标平面上的投射点,得到所述二维点云。
5.根据权利要求1或4所述的杆状物点云数据处理方法,其特征在于,所述确定所述二维点云中每个二维点的第一预设距离内邻接点的数量,包括:
以所述每个二维点为圆心、所述第一预设距离为半径,确定所述每个二维点的搜索区域;
将位于所述每个二维点的搜索区域内的二维点作为所述每个二维点的邻接点,得到所述每个二维点对应的邻接点的数量;
其中,所述第一预设距离根据所述杆部的参照半径确定。
6.根据权利要求1所述的杆状物点云数据处理方法,其特征在于,还包括:
基于所述拟合直线,对所述目标杆部点云中至少一个目标点进行位置校准,得到校准后的目标点;
将所述校准后的目标点作为所述杆部的矢量节点。
7.根据权利要求1所述的杆状物点云数据处理方法,其特征在于,所述杆状物还包括至少一个延伸部,所述方法还包括:
从所述二维点云中,得到所述至少一个延伸部对应的延伸部点云;
对所述延伸部点云进行聚类处理,得到聚类处理结果;
基于所述聚类处理结果,从所述延伸部点云中确定目标点云块;将所述目标点云块对应的延伸部作为目标延伸部;
对所述目标点云块进行筛选,得到所述目标延伸部的矢量节点。
8.根据权利要求7所述的杆状物点云数据处理方法,其特征在于,所述对所述目标点云块进行筛选,得到所述目标延伸部的矢量节点,包括:
基于所述目标点云块和所述拟合直线,确定所述目标点云块对应的目标延伸部的延伸方向信息;
根据所述延伸方向信息和所述垂直方向信息,对所述目标点云块进行旋转处理,得到旋转处理后的目标点云块;
对所述旋转处理后的目标点云块进行水平切面处理,得到多个第二水平切面一一对应的多个第二平面轮廓点集合;
对多个第二平面轮廓点集合中每个第二平面轮廓点集合进行圆拟合处理,得到所述每个第二平面轮廓点集合的圆心点;
基于所述每个第二平面轮廓点集合的圆心点,得到第二圆心点序列;
对所述第二圆心点序列进行反旋转处理,得到反旋转处理后的第二圆心点序列;
将所述反旋转处理后的第二圆心点序列作为所述目标延伸部的矢量节点。
9.一种杆状物点云数据处理装置,其特征在于,包括:
获取模块,用于获取杆状物的初始点云;所述杆状物包括杆部;
第一确定模块,用于对所述初始点云进行水平切面处理,得到多个第一水平切面一一对应的多个第一平面轮廓点集合;对所述多个第一平面轮廓点集合中每个第一平面轮廓点集合进行圆拟合,确定所述每个第一平面轮廓点集合的圆心点;基于所述每个第一平面轮廓点集合的圆心点,得到第一圆心点序列;将所述第一圆心点序列作为所述杆部对应的初始杆部点云;
拟合模块,用于对所述初始杆部点云进行直线拟合,得到表征所述杆部的拟合直线;
校正模块,用于基于所述拟合直线的方向信息和垂直方向信息,对所述初始点云进行垂直校正,得到所述杆状物的中间点云;
处理模块,用于将所述中间点云在垂直方向上进行压缩处理,得到位于同一平面的二维点云;
第二确定模块,用于确定所述二维点云中每个二维点的第一预设距离内邻接点的数量;
第三确定模块,用于对所述每个二维点的第一预设距离内邻接点的数量进行统计分析,确定分割阈值;将所述邻接点的数量大于等于所述分割阈值对应的二维点,作为所述杆部对应的目标点,得到目标杆部点云。
10.一种电子设备,其特征在于,所述电子设备包括处理器和存储器,所述存储器中存储有至少一条指令或至少一段程序,所述至少一条指令或所述至少一段程序由所述处理器加载并执行如权利要求1-8任一项所述的杆状物点云数据处理方法。
11.一种计算机存储介质,其特征在于,所述存储介质中存储有至少一条指令或至少一段程序,所述至少一条指令或至少一段程序由处理器加载并执行以实现如权利要求1-8任一项所述的杆状物点云数据处理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211360592.9A CN115423835B (zh) | 2022-11-02 | 2022-11-02 | 杆状物点云数据处理方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211360592.9A CN115423835B (zh) | 2022-11-02 | 2022-11-02 | 杆状物点云数据处理方法、装置、电子设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115423835A CN115423835A (zh) | 2022-12-02 |
CN115423835B true CN115423835B (zh) | 2023-03-24 |
Family
ID=84207500
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211360592.9A Active CN115423835B (zh) | 2022-11-02 | 2022-11-02 | 杆状物点云数据处理方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115423835B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110992356A (zh) * | 2019-12-17 | 2020-04-10 | 深圳辰视智能科技有限公司 | 目标对象检测方法、装置和计算机设备 |
CN111932688A (zh) * | 2020-09-10 | 2020-11-13 | 深圳大学 | 一种基于三维点云的室内平面要素提取方法、系统及设备 |
CN112102375A (zh) * | 2020-07-22 | 2020-12-18 | 广州视源电子科技股份有限公司 | 一种点云配准可靠性检测的方法、装置、移动智慧设备 |
CN113570665A (zh) * | 2021-07-30 | 2021-10-29 | 苏州挚途科技有限公司 | 路沿提取的方法、装置及电子设备 |
EP3961259A1 (en) * | 2020-08-31 | 2022-03-02 | Mitsubishi Logisnext Co., Ltd. | Pallet detection device, forklift, pallet detection method, and program |
Family Cites Families (28)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8224097B2 (en) * | 2008-06-12 | 2012-07-17 | Sri International | Building segmentation for densely built urban regions using aerial LIDAR data |
JP5343042B2 (ja) * | 2010-06-25 | 2013-11-13 | 株式会社トプコン | 点群データ処理装置および点群データ処理プログラム |
JP5462093B2 (ja) * | 2010-07-05 | 2014-04-02 | 株式会社トプコン | 点群データ処理装置、点群データ処理システム、点群データ処理方法、および点群データ処理プログラム |
GB2559157A (en) * | 2017-01-27 | 2018-08-01 | Ucl Business Plc | Apparatus, method and system for alignment of 3D datasets |
US11042146B2 (en) * | 2017-11-17 | 2021-06-22 | Kodak Alaris Inc. | Automated 360-degree dense point object inspection |
CN110161513B (zh) * | 2018-09-28 | 2023-11-14 | 腾讯科技(北京)有限公司 | 估计道路坡度的方法、装置、存储介质和计算机设备 |
CN109541997B (zh) * | 2018-11-08 | 2020-06-02 | 东南大学 | 一种面向平面/近似平面工件的喷涂机器人快速智能编程方法 |
CN109993783B (zh) * | 2019-03-25 | 2020-10-27 | 北京航空航天大学 | 一种面向复杂三维建筑物点云的屋顶及侧面优化重建方法 |
EP3963414A2 (en) * | 2019-05-02 | 2022-03-09 | Kodak Alaris Inc. | Automated 360-degree dense point object inspection |
CN110531759B (zh) * | 2019-08-02 | 2020-09-22 | 深圳大学 | 机器人探索路径生成方法、装置、计算机设备和存储介质 |
CN110765962A (zh) * | 2019-10-29 | 2020-02-07 | 刘秀萍 | 一种基于三维点云轮廓分维值的植物识别分类方法 |
CN111161252B (zh) * | 2019-12-31 | 2022-03-25 | 山东大学 | 岩体结构探测及危石探测系统及方法 |
CN111272165B (zh) * | 2020-02-27 | 2020-10-30 | 清华大学 | 一种基于特征点标定的智能车定位方法 |
CN111598823B (zh) * | 2020-05-19 | 2023-07-25 | 北京数字绿土科技股份有限公司 | 多源移动测量点云数据空地一体化融合方法、存储介质 |
CN111709981A (zh) * | 2020-06-22 | 2020-09-25 | 高小翎 | 特征线融合的激光点云与模拟图像的配准方法 |
WO2022040970A1 (zh) * | 2020-08-26 | 2022-03-03 | 南京翱翔信息物理融合创新研究院有限公司 | 一种同步实现三维重建和ar虚实注册的方法、系统及装置 |
CN112147633A (zh) * | 2020-09-27 | 2020-12-29 | 广东电网有限责任公司 | 一种电力线路安全距离检测方法 |
CN112053361B (zh) * | 2020-10-15 | 2021-11-09 | 南京航空航天大学 | 一种基于大规模点云的飞机蒙皮对缝检测方法 |
CN112720487B (zh) * | 2020-12-23 | 2022-03-22 | 东北大学 | 基于自适应动态力平衡的机械臂抓取方法和系统 |
CN112904306A (zh) * | 2021-01-18 | 2021-06-04 | 深圳市普渡科技有限公司 | 斜坡感知方法、装置、机器人和存储介质 |
CN112799088B (zh) * | 2021-01-21 | 2023-02-03 | 中南大学 | 一种基于三维激光雷达的全自动隧道湿喷状态检测方法 |
CN113177977B (zh) * | 2021-04-09 | 2022-06-10 | 上海工程技术大学 | 一种非接触式三维人体尺寸的测量方法 |
CN113298833A (zh) * | 2021-05-20 | 2021-08-24 | 山东大学 | 目标物点云特征线面提取方法及系统 |
CN113506376A (zh) * | 2021-07-27 | 2021-10-15 | 刘秀萍 | 地面三维点云多尺度闭合差校验拼接方法 |
CN114782357A (zh) * | 2022-04-18 | 2022-07-22 | 杭州电子科技大学 | 一种用于变电站场景的自适应分割系统及方法 |
CN115147437B (zh) * | 2022-07-04 | 2023-04-14 | 中国民用航空飞行学院 | 机器人智能引导加工方法与系统 |
CN115236628B (zh) * | 2022-07-26 | 2024-05-31 | 中国矿业大学 | 一种基于激光雷达检测车厢残留货物的方法 |
CN115187648A (zh) * | 2022-09-08 | 2022-10-14 | 安徽继远软件有限公司 | 输电线路本体逆向建模方法、装置、电子设备及存储介质 |
-
2022
- 2022-11-02 CN CN202211360592.9A patent/CN115423835B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110992356A (zh) * | 2019-12-17 | 2020-04-10 | 深圳辰视智能科技有限公司 | 目标对象检测方法、装置和计算机设备 |
CN112102375A (zh) * | 2020-07-22 | 2020-12-18 | 广州视源电子科技股份有限公司 | 一种点云配准可靠性检测的方法、装置、移动智慧设备 |
EP3961259A1 (en) * | 2020-08-31 | 2022-03-02 | Mitsubishi Logisnext Co., Ltd. | Pallet detection device, forklift, pallet detection method, and program |
CN111932688A (zh) * | 2020-09-10 | 2020-11-13 | 深圳大学 | 一种基于三维点云的室内平面要素提取方法、系统及设备 |
CN113570665A (zh) * | 2021-07-30 | 2021-10-29 | 苏州挚途科技有限公司 | 路沿提取的方法、装置及电子设备 |
Also Published As
Publication number | Publication date |
---|---|
CN115423835A (zh) | 2022-12-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2021232463A1 (zh) | 多源移动测量点云数据空地一体化融合方法、存储介质 | |
CN111795704B (zh) | 一种视觉点云地图的构建方法、装置 | |
US11209837B2 (en) | Method and device for generating a model of a to-be reconstructed area and an unmanned aerial vehicle flight trajectory | |
CN103337052B (zh) | 面向宽幅遥感影像的自动几何纠正方法 | |
CN112396133B (zh) | 基于多尺度空间的城市区域空地一体融合点云分类方法 | |
CN109145129B (zh) | 基于层次三元组损失函数的深度度量学习方法及其装置 | |
CN108564102A (zh) | 图像聚类结果评价方法和装置 | |
CN112257801B (zh) | 图像的增量聚类方法、装置、电子设备及存储介质 | |
Xiao et al. | Building segmentation and modeling from airborne LiDAR data | |
CN114241141B (zh) | 光滑物体三维重建方法、装置、计算机设备和存储介质 | |
CN108764157A (zh) | 基于法向量高斯分布的建筑物激光脚点提取方法及系统 | |
CN114742957B (zh) | 一种基于点云数据的建筑物立面提取方法 | |
CN112418196A (zh) | 人群数量预测方法、装置、计算机设备及存储介质 | |
Park et al. | Segmentation of Lidar data using multilevel cube code | |
CN115830587A (zh) | 一种基于高精度点云数据的结构面快速自动识别方法 | |
CN117710833B (zh) | 基于云计算的测绘地理信息数据采集方法及相关装置 | |
CN110309855B (zh) | 图像分割的训练方法、计算机设备及存储介质 | |
CN115423835B (zh) | 杆状物点云数据处理方法、装置、电子设备及存储介质 | |
Keyvanfar et al. | Performance comparison analysis of 3D reconstruction modeling software in construction site visualization and mapping | |
CN117152344B (zh) | 基于照片重建点云的隧道围岩结构面解析方法及系统 | |
CN113762262A (zh) | 图像数据筛选、图像分割模型训练方法、装置和存储介质 | |
CN117197639A (zh) | 真值获取方法、装置、电子设备及存储介质 | |
CN116168410A (zh) | 一种基于神经网络的药盒信息识别方法及系统 | |
Wang et al. | Segmented Douglas-Peucker algorithm based on the node importance | |
Cheng et al. | Detecting branching nodes of multiply connected 3D structures |
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 |