CN115829892A - 一种点云数据与可见光数据的融合方法及系统 - Google Patents

Abstract

本申请涉及一种点云数据与可见光数据的融合方法及系统，方法包括响应于获取到的数据组，对数据组的长度进行分割；使用图片数据对点云数据进行筛选，得到多组特征点云数据组；根据特征点云数据组绘制曲线段，得到多个特征圆心和与特征圆心对应的曲率半径；使用特征圆心构建引导曲线并对多段引导曲线进行融合；对曲率半径进行均值计算得到扫描弧线并对多个扫描弧线进行融合；对融合后的扫描弧线的缺失部分进行填充，得到扫描；以及引导扫描环在引导曲线上移动，得到线缆模型。本申请公开的点云数据与可见光数据的融合方法及系统，通过两种数据的融合来得到被扫描物体更加准确的面貌，进而得到更加准确的测量数据。

Description

一种点云数据与可见光数据的融合方法及系统

技术领域

本申请涉及多数据融合处理技术领域，尤其是涉及一种点云数据与可见光数据的融合方法及系统。

背景技术

检测架空输电线路弧垂等数据，对于保证架空输电线路的安全、乃至整个电力系统的安全运行具有重要意义，单一传感器测量不可避免的存在局限性，为了提高系统的稳健性，会多采取多传感器融合的方案。

传感器高速运动时扫描物体，原始数据存在一定的变形，这会导致测量结果失真，多传感器扫描能够将失真控制在很小的范围内，但是如何将多种不同的数据融合，恢复被扫描物体的本来面貌，需要进行进一步研究。

发明内容

本申请提供一种点云数据与可见光数据的融合方法及系统，通过两种数据的融合来得到被扫描物体更加准确的面貌，进而得到更加准确的测量数据。

本申请的上述目的是通过以下技术方案得以实现的：

第一方面，本申请提供了一种点云数据与可见光数据的融合方法，包括：

响应于获取到的数据组，对数据组的长度进行分割，任意两个相邻的数据组的端部具有一个重合段，数据组包括点云数据和图片数据；

使用图片数据对点云数据进行筛选，得到多组特征点云数据组；

根据特征点云数据组绘制曲线段，得到多个特征圆心和与特征圆心对应的曲率半径；

使用特征圆心构建引导曲线并对多段引导曲线进行融合；

对曲率半径进行均值计算得到扫描弧线并对多个扫描弧线进行融合；

对融合后的扫描弧线的缺失部分进行填充，得到扫描环；以及

引导扫描环在引导曲线上移动，得到线缆模型；

其中，属于同一个数据组的云数据和图片数据的生成时间相同或相近。

在本申请的一种可能的实现方式中，特征点云数据组的得到过程包括：

获取图片数据的边界并使用边界构建点云数据筛选框和中轴线；

使用点云数据筛选框对点云数据进行筛选，得到特征点云数据，特征点云数据位于点云数据筛选框内；

使用垂直于中轴线的面构建多个建模平面并使用建模平面对特征点云数据进行筛选，得到多个特征点云数据组。

在本申请的一种可能的实现方式中，全部数据组的长度在同一个平面上的投影长度相同。

在本申请的一种可能的实现方式中，重合段的处理过程包括：

在第一个数据组中选取一节点云数据，作为连接点云数据组；

在第二个数据组中移动连接点云数据组；

计算连接点云数据组在多个位置处与第二个数据组中对应的点云数据的重合度；以及

在重合度大于等于设定阈值时，将这两组数据组移动到同一个坐标系中。

在本申请的一种可能的实现方式中，重合度的计算过程包括：

计算连接点云数据组中的每一个点云数据与第二个数据组中对应的点云数据之间的距离；

计算距离值超过允许距离值的对数；以及

对数小于等于允许对数时，对两个数据组进行融合；

其中，对数大于允许对数时，移动其中一组点云数据，使得对数小于等于允许对数。

在本申请的一种可能的实现方式中，重合度的计算过程包括：

计算连接点云数据组中的每一个点云数据与第二个数据组中对应的点云数据之间的距离；

计算距离值超过允许距离值的对数；

对数小于等于允许对数时，以两个对应点云数据的中间点作为新的点云数据；对数大于允许对数时，移动其中一组点云数据，使得对数小于等于允许对数。

在本申请的一种可能的实现方式中，点云数据组的生成方向上，移动后一组连接点云数据组；

后一组连接点云数据组移动时，与其属于同一组的其他点云数据一并移动。

第二方面，本申请提供了一种点云数据与可见光数据的融合装置，包括：

第一处理单元，用于响应于获取到的数据组，对数据组的长度进行分割，任意两个相邻的数据组的端部具有一个重合段，数据组包括点云数据和图片数据；属于同一个数据组的云数据和图片数据的生成时间相同或相近；

第一筛选单元，用于使用图片数据对点云数据进行筛选，得到多组特征点云数据组；

绘制单元，用于根据特征点云数据组绘制曲线段，得到多个特征圆心和与特征圆心对应的曲率半径；

第一融合单元，用于使用特征圆心构建引导曲线并对多段引导曲线进行融合；

第二融合单元，用于对曲率半径进行均值计算得到扫描弧线并对多个扫描弧线进行融合；

填充单元，用于对融合后的扫描弧线的缺失部分进行填充，得到扫描环；以及

模型构建单元，用于引导扫描环在引导曲线上移动，得到线缆模型。

第三方面，本申请提供了一种点云数据与可见光数据的融合系统，所述系统包括：

一个或多个存储器，用于存储指令；以及

一个或多个处理器，用于从所述存储器中调用并运行所述指令，执行，如第一方面及第一方面任意可能的实现方式中所述的方法。

一种计算机可读存储介质，所述计算机可读存储介质包括：

程序，当所述程序被处理器运行时，，如第一方面及第一方面任意可能的实现方式中所述的方法被执行。

第五方面，本申请提供了一种计算机程序产品，包括程序指令，当所述程序指令被计算设备运行时，如第一方面及第一方面任意可能的实现方式中所述的方法被执行。

第六方面，本申请提供了一种芯片系统，该芯片系统包括处理器，用于实现上述各方面中所涉及的功能，例如，生成，接收，发送，或处理上述方法中所涉及的数据和/或信息。

该芯片系统，可以由芯片构成，也可以包括芯片和其他分立器件。

在一种可能的设计中，该芯片系统还包括存储器，该存储器，用于保存必要的程序指令和数据。该处理器和该存储器可以解耦，分别设置在不同的设备上，通过有线或者无线的方式连接，或者处理器和该存储器也可以耦合在同一个设备上。

附图说明

图1是本申请提供的一种点云数据与可见光数据的融合方法的流程示意图。

图2是本申请提供的一种无人机飞行过程中的数据采集过程示意图。

图3是本申请提供的一种对多段引导曲线进行融合的过程示意图。

图4是本申请提供的一种引导曲线的生成过程示意图。

图5是本申请提供的一种点云数据的筛选过程示意图。

图6是本申请提供的一种得到特征点云数据组的过程示意图。

图7是本申请提供的一种使用点云数据连接两个数据组的过程示意图。

图8是本申请提供的另一种使用点云数据连接两个数据组的过程示意图。

具体实施方式

以下结合附图，对本申请中的技术方案作进一步详细说明。

请参阅图1，为本申请公开的一种点云数据与可见光数据的融合方法，包括以下步骤：

S101，响应于获取到的数据组，对数据组的长度进行分割，任意两个相邻的数据组的端部具有一个重合段，数据组包括点云数据和图片数据；

S102，使用图片数据对点云数据进行筛选，得到多组特征点云数据组；

S103，根据特征点云数据组绘制曲线段，得到多个特征圆心和与特征圆心对应的曲率半径；

S104，使用特征圆心构建引导曲线并对多段引导曲线进行融合；

S105，对曲率半径进行均值计算得到扫描弧线并对多个扫描弧线进行融合；

S106，对融合后的扫描弧线的缺失部分进行填充，得到扫描环；以及

S107，引导扫描环在引导曲线上移动，得到线缆模型；

其中，属于同一个数据组的云数据和图片数据的生成时间相同或相近。

本申请公开的点云数据与可见光数据的融合方法，应用于无人机或者具有无人机的测绘平台上，无人机上携带有至少两种传感器，分别是点云数据传感器（使用激光扫描）和可见光数据传感器（相机），激光扫描得到的数据是在三维空间内的点集数据，相机拍摄的数据是在二维空间内的图像数据。

采集得到的数据，可以由无人机进行处理，也可以由无人机传回到测绘平台上进行处理。

无人机在沿着输电线缆飞行时，点云数据传感器和可见光数据传感器会同时采集数据，但是需要理解的是，精确量测传感器输出的数据中，除了每个点的(x,y,z)坐标之外，还有一个重要的字段就是时间戳。

相对于相机，精确量测传感器是一个慢速扫描设备，每一帧点云中的不同点的时间戳是不一样的，以每秒10帧的精确量测传感器为例，每帧点云耗时100毫秒，每帧点云中的第一个点和最后一个点之间相差约100毫秒。扫描高速运动的物体时，原始点云是“变形”的，类似于用普通相机（非全局快门）在高铁上拍摄景物时都是歪的一样。

请参阅图2，因此无人机在飞行过程中在每一个数据采集点处，都需要进行悬停或者短暂停留，在悬停或者短暂停留位置处，点云数据传感器和可见光数据传感器同时工作，但是二者无法实现同步，因为常规相机（除非是定制的）都不支持与主机或其他传感器的时钟同步。采用分布点式的采集方式能够在众多数据中找到生成时间上相近的两组数据（点云数据和可见光数据），然后进行后续的数据融合处理。

因为在这种方式中，两组数据（点云数据和可见光数据）的生成地点至少是相同的或者说相近的，再配合上三维空间稳定技术，可以将生成地点区域控制在误差允许的范围内。

无人机在采集数据组时，此处假设每一个数据组的单位长度是1个单位长度，那么在这个数据组的两端，需要适当的延长，例如延长0.2-0.5个单位长度，用于与相邻的数据组连接，图2 表示两个数据组进行精确对接时的长度，在对无人机在某个位置处的数据进行裁切处理时，每一个数据组对应的角度可以适当的增大。

在步骤S101中，响应于获取到的数据组，对数据组的长度进行分割，任意两个相邻的数据组的端部具有一个重合段，数据组包括点云数据和图片数据。在前述内容中提到，会对线缆进行分段式的数据采集，每一个数据组都有一个覆盖范围，在无人机的移动路线上，通过在时间序列上排列的多个数据组来表示悬空的架空输电线缆。

接着执行步骤S102，该步骤中，会图片数据对点云数据进行筛选，得到多组特征点云数据组，点云数据的特点是在空间分布，其中会掺杂一定量的无效数据，这些无效数据可以理解为不是基于架空输电线缆生成的。

在空间范围上，图片数据中架空输电线缆的边界可以划定一个范围，在这个范围内的点云数据视为有效数据，在这个范围外的点云数据视为无效数据。当然，图片数据中显示的架空输电线缆可能存在一定的变形和误差，该问题在后续的步骤中会得以解决。

图片数据给定的范围可以以架空输电线缆的边缘为边界，也可以以架空输电线缆的边缘适当外扩后划定的范围为边界。

此处，属于同一个数据组的云数据和图片数据的生成时间相同或相近，因为生成地点的误差控制在允许范围内，因此时间上的差异可以忽略不计。

在步骤S103中，会根据特征点云数据组绘制曲线段，得到多个特征圆心和与特征圆心对应的曲率半径，此处的曲线段指的就是架空输电线缆上任意一个截面上的一段曲线，每一段曲线都会有一个圆心，称为特征圆心，根据特征圆心和曲线段之间的距离，可以得到特征圆心对应的曲率半径。

对于得到的多个圆心，在步骤S104中进行处理，该步骤中，会使用特征圆心构建引导曲线并对多段引导曲线进行融合，应理解，这些特征圆心均应该出现在架空输电线缆的轴线上，但是在数据采集过程中，特征圆心会出现离散分布的特点，也就是存在一部分圆心不在架空输电线缆的轴线上。

这种情况的处理方式是：

第一种处理方式是将一组中的特征圆心连接成一条线，然后对不光滑处进行处理，使这条线光滑，这条光滑的线就是一节引导曲线，接着将多节引导曲线连接，并对连接处光滑处理，如图3所示。

第二种处理方式是以特征圆心为中心画一个圆，然后使用一条曲线顺序经过每一个圆，这条曲线就称为引导曲线，当然在该过程中会出现一部分圆无法经过的情况，此时只要这部分圆的数量在全部圆的数量中的占比小于一个设定阈值时，就认为曲线是符合要求的，可以将其视为引导曲线，如图4所示。

在步骤S105中，对曲率半径进行均值计算得到扫描弧线并对多个扫描弧线进行融合，均值计算对应的是每一个数据组。

应理解，在前述内容中，数据组的数量是多个，每一个数据组在处理过程中会得到曲率半径，对于这些曲率半径，需要得到一个平均值来表示该数据组对应的一段架空输电线缆的直径，也就是在本申请中，对于一个数据组表示的一段架空输电线缆，将其直径视为是一个定值。

此时会得到多个扫描弧线，对于这些扫描弧线，要进行融合处理，融合处理的结果是得到一个扫描弧线，融合处理的方式可以是对多个扫描弧线的曲率半径进行平均值计算。

然后执行步骤S106，该步骤中，对融合后的扫描弧线的缺失部分进行填充，得到扫描环，扫描弧线本质上讲就是扫描环的一部分，在拥有扫描弧线的圆心和曲率半径的情况下，可以反向得到扫描环。

最后执行步骤S107，该步骤中，引导扫描环在引导曲线上移动，得到线缆模型，该线缆模型能够准确的反应架空输电线缆的形状，进而得到架空输电线路弧垂等数据，相比于人工获取数据的方式，本申请提供的方式操作更加简单，获取成本也更低。

因为架空输电线缆多位于野外，人工获取数据的成本过高，并且野外还存在架设设备困难甚至无法架设等实际问题，观测到的数据还需要经过复杂计算才能够得到结果。

作为申请提供的点云数据与可见光数据的融合方法的一种具体实施方式，特征点云数据组的得到过程包括以下步骤：

S201，获取图片数据的边界并使用边界构建点云数据筛选框和中轴线；

S202，使用点云数据筛选框对点云数据进行筛选，得到特征点云数据，特征点云数据位于点云数据筛选框内；

S203，使用垂直于中轴线的面构建多个建模平面并使用建模平面对特征点云数据进行筛选，得到多个特征点云数据组。

请参阅图5，具体地说，在步骤S201至步骤S203中，会根据图片数据的边界来构建点云数据筛选框和中轴线，点云数据筛选框的作用是筛选出来有效数据，而中轴线的作用是用来选择有效数据中的特征点云数据组，如图6所示，特征点云数据组用来绘制曲线段，得到多个特征圆心和与特征圆心对应的曲率半径。

应理解，悬空的架空输电线缆具有一定的弧度，这就导致图片数据的边界中存在多条弧线，此时需要根据图片数据的边界来得到一个中轴线，这个中轴线可以看作是架空输电线缆的轴线，通过这个轴线，可以得到特征点云数据，并根据特征点云数据来绘制曲线段，得到多个特征圆心和与特征圆心对应的曲率半径。

具体的方式如下，图片数据的边界中的两条长弧线，分别找到圆心，然后对这两个圆心进行如下处理方式中的一种：

1. 对两个圆心的坐标进行均值计算，将得到的新坐标视为中轴线的曲率中心；

2. 随机舍弃其中一个圆心，将另一个圆心视为中轴线的曲率中心；

3. 绘制一个小圆，两个圆心均在这个小圆上，将小圆的圆心视为中轴线的曲率中心。

得到中轴线的曲率中心后，以中轴线的曲率中心为基准绘制多条曲线，这些曲线会与图片数据的边界中的两条长弧线分别产生一个交点，然后取两个交点的中心点作为中轴线的点。

将得到的多个中心点连接起来进行光滑处理，得到中轴线，光滑处理的方式参考前述内容。

在对数据组长度的筛选过程中，使用如下方式处理，全部数据组的长度在同一个平面上的投影长度相同。这种方式方便无人机调整步距。

在前文中提到，本申请使用多组数据组来表示架空输电线缆，将这些具有长度的数据组连接起来，使其在空间上具有连贯性，才能够将架空输电线缆以数据的方式表达出来。

作为申请提供的点云数据与可见光数据的融合方法的一种具体实施方式，重合段的处理过程包括以下两种方式。

第一种方式的步骤如下：

S301，在第一个数据组中选取一节点云数据，作为连接点云数据组；

S302，在第二个数据组中移动连接点云数据组；

S303，计算连接点云数据组在多个位置处与第二个数据组中对应的点云数据的重合度；以及

S304，在重合度大于等于设定阈值时，将这两组数据组移动到同一个坐标系中。

请参阅图7，在步骤S301至步骤S304中，选取一个数据组中的一节点云数据作为连接点云数据组，连接点云数据组的作用就是将其所在数据组与相邻的另一个数据组连接起来。

应理解，数据组中还包括图片数据，但是图片数据在空间的表达无法满足要求，因为其无法表达曲面，仅通过颜色和宽度很难将两个相邻的数据组连接起来。

因为在实际的处理过程中，架空输电线缆的颜色变化不大，再加上悬空拍摄畸变等实际问题，将两个数据组使用图片数据进行连接具有一定的难度。但是点云数据能够够在空间上表达，具备实用性。

具体的方式是计算连接点云数据组在多个位置处与第二个数据组中对应的点云数据的重合度，当其中一个位置处的重合度大于等于设定阈值时，说明此处就是两个数据组的连接处，此时将这两组数据组移动到同一个坐标系中，就完成了数据组的连接。

并且，重合度大于等于设定阈值的位置处也表示了两个数据组需要在这个地方进行融合，那么对于后一个数据组而言，则可以通过整体的移动的方式与前一个数据组完成连接。

第二种方式的步骤如下：

S401，计算连接点云数据组中的每一个点云数据与第二个数据组中对应的点云数据之间的距离；

S402，计算距离值超过允许距离值的对数；以及

S403，对数小于等于允许对数时，对两个数据组进行融合；

其中，对数大于允许对数时，移动其中一组点云数据，使得对数小于等于允许对数。

请参阅图8，步骤S401至步骤S403中的内容，表示的是存在一定误差的情况下进行两个数据组的融合，具体的方式是计算连接点云数据组中的每一个点云数据与第二个数据组中对应的点云数据之间的距离，然后再分别计算距离值超过允许距离值的对数，当对数小于等于允许对数时，对两个数据组进行融合，对数小于等于允许对数表示误差在允许范围内。

对数大于允许对数时，移动其中一组点云数据，使得对数小于等于允许对数，移动表示无人机在数据采集过程中存在误差，整体移动的方式可以将这些误差消除或者缩小至允许范围内。

在上述两种处理方式中，点云数据组的生成方向上，移动后一组连接点云数据组，并且，后一组连接点云数据组移动时，与其属于同一组的其他点云数据一并移动。

本申请还提供了一种点云数据与可见光数据的融合装置，包括：

第一处理单元，用于响应于获取到的数据组，对数据组的长度进行分割，任意两个相邻的数据组的端部具有一个重合段，数据组包括点云数据和图片数据；属于同一个数据组的云数据和图片数据的生成时间相同或相近；

第一筛选单元，用于使用图片数据对点云数据进行筛选，得到多组特征点云数据组；

绘制单元，用于根据特征点云数据组绘制曲线段，得到多个特征圆心和与特征圆心对应的曲率半径；

第一融合单元，用于使用特征圆心构建引导曲线并对多段引导曲线进行融合；

第二融合单元，用于对曲率半径进行均值计算得到扫描弧线并对多个扫描弧线进行融合；

填充单元，用于对融合后的扫描弧线的缺失部分进行填充，得到扫描环；以及

模型构建单元，用于引导扫描环在引导曲线上移动，得到线缆模型。

进一步地，还包括：

获取单元，用于获取图片数据的边界并使用边界构建点云数据筛选框和中轴线；

第二筛选单元，用于使用点云数据筛选框对点云数据进行筛选，得到特征点云数据，特征点云数据位于点云数据筛选框内；

第三筛选单元，用于使用垂直于中轴线的面构建多个建模平面并使用建模平面对特征点云数据进行筛选，得到多个特征点云数据组。

进一步地，全部数据组的长度在同一个平面上的投影长度相同。

进一步地，还包括：

选取单元，用于在第一个数据组中选取一节点云数据，作为连接点云数据组；

第一移动单元，用于在第二个数据组中移动连接点云数据组；

第一计算单元，用于计算连接点云数据组在多个位置处与第二个数据组中对应的点云数据的重合度；以及

第二移动单元，用于在重合度大于等于设定阈值时，将这两组数据组移动到同一个坐标系中。

进一步地，还包括：

第二计算单元，用于计算连接点云数据组中的每一个点云数据与第二个数据组中对应的点云数据之间的距离；

第三计算单元，用于计算距离值超过允许距离值的对数；以及

数据融合单元，用于对数小于等于允许对数时，对两个数据组进行融合；

其中，对数大于允许对数时，移动其中一组点云数据，使得对数小于等于允许对数。

进一步地，还包括：

第四计算单元，用于计算连接点云数据组中的每一个点云数据与第二个数据组中对应的点云数据之间的距离；

第五计算单元，用于计算距离值超过允许距离值的对数；

第二处理单元，用于对数小于等于允许对数时，以两个对应点云数据的中间点作为新的点云数据；对数大于允许对数时，移动其中一组点云数据，使得对数小于等于允许对数。

进一步地，点云数据组的生成方向上，移动后一组连接点云数据组；

后一组连接点云数据组移动时，与其属于同一组的其他点云数据一并移动。

在一个例子中，以上任一装置中的单元可以是被配置成实施以上方法的一个或多个集成电路，例如：一个或多个专用集成电路(application specificintegratedcircuit，ASIC)，或，一个或多个数字信号处理器(digital signal processor，DSP)，或，一个或者多个现场可编程门阵列(field programmable gate array，FPGA)，或这些集成电路形式中至少两种的组合。

再如，当装置中的单元可以通过处理元件调度程序的形式实现时，该处理元件可以是通用处理器，例如中央处理器(central processing unit，CPU)或其它可以调用程序的处理器。再如，这些单元可以集成在一起，以片上系统(system-on-a-chip，SOC)的形式实现。

在本申请中可能出现的对各种消息/信息/设备/网元/系统/装置/动作/操作/流程/概念等各类客体进行了赋名，可以理解的是，这些具体的名称并不构成对相关客体的限定，所赋名称可随着场景，语境或者使用习惯等因素而变更，对本申请中技术术语的技术含义的理解，应主要从其在技术方案中所体现/执行的功能和技术效果来确定。

所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统、装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

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。

本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。

还应理解，在本申请的各个实施例中，第一、第二等只是为了表示多个对象是不同的。例如第一时间窗和第二时间窗只是为了表示出不同的时间窗。而不应该对时间窗的本身产生任何影响，上述的第一、第二等不应该对本申请的实施例造成任何限制。

还应理解，在本申请的各个实施例中，如果没有特殊说明以及逻辑冲突，不同的实施例之间的术语和/或描述具有一致性、且可以相互引用，不同的实施例中的技术特征根据其内在的逻辑关系可以组合形成新的实施例。

所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个计算机可读存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的计算机可读存储介质包括：U盘、移动硬盘、只读存储器(Read-OnlyMemory，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计算机程序产品，该计算机程序产品包括指令，当该指令被执行时，以使得该融合数据处理设备执行对应于上述方法的融合数据处理设备的操作。

本申请还提供了一种点云数据与可见光数据的融合系统，所述系统包括：

一个或多个存储器，用于存储指令；以及

一个或多个处理器，用于从所述存储器中调用并运行所述指令，执行如上述内容中所述的方法。

本申请还提供了一种芯片系统，该芯片系统包括处理器，用于实现上述内容中所涉及的功能，例如，生成，接收，发送，或处理上述方法中所涉及的数据和/或信息。

该芯片系统，可以由芯片构成，也可以包括芯片和其他分立器件。

上述任一处提到的处理器，可以是一个CPU，微处理器，ASIC，或一个或多个用于控制上述的反馈信息传输的方法的程序执行的集成电路。

在一种可能的设计中，该芯片系统还包括存储器，该存储器，用于保存必要的程序指令和数据。该处理器和该存储器可以解耦，分别设置在不同的设备上，通过有线或者无线的方式连接，以支持该芯片系统实现上述实施例中的各种功能。或者，该处理器和该存储器也可以耦合在同一个设备上。

可选地，该计算机指令被存储在存储器中。

可选地，该存储器为该芯片内的存储单元，如寄存器、缓存等，该存储器还可以是该终端内的位于该芯片外部的存储单元，如ROM或可存储静态信息和指令的其他类型的静态存储设备，RAM等。

可以理解，本申请中的存储器可以是易失性存储器或非易失性存储器，或可包括易失性和非易失性存储器两者。

非易失性存储器可以是ROM、可编程只读存储器(programmable ROM，PROM)、可擦除可编程只读存储器(erasable PROM，EPROM)、电可擦除可编程只读存储器(electricallyEPROM，EEPROM)或闪存。

易失性存储器可以是RAM，其用作外部高速缓存。RAM有多种不同的类型，例如静态随机存取存储器(static RAM，SRAM)、动态随机存取存储器(dynamic RAM，DRAM)、同步动态随机存取存储器(synchronous DRAM，SDRAM)、双倍数据速率同步动态随机存取存储器(double data rate SDRAM，DDR SDRAM)、增强型同步动态随机存取存储器(enhancedSDRAM，ESDRAM)、同步连接动态随机存取存储器(synch link DRAM，SLDRAM)和直接内存总线随机存取存储器。

本具体实施方式的实施例均为本申请的较佳实施例，并非依此限制本申请的保护范围，故：凡依本申请的结构、形状、原理所做的等效变化，均应涵盖于本申请的保护范围之内。

Claims (10)

1.一种点云数据与可见光数据的融合方法，其特征在于，包括：

响应于获取到的数据组，对数据组的长度进行分割，任意两个相邻的数据组的端部具有一个重合段，数据组包括点云数据和图片数据；

使用图片数据对点云数据进行筛选，得到多组特征点云数据组；

根据特征点云数据组绘制曲线段，得到多个特征圆心和与特征圆心对应的曲率半径；

使用特征圆心构建引导曲线并对多段引导曲线进行融合；

对曲率半径进行均值计算得到扫描弧线并对多个扫描弧线进行融合；

对融合后的扫描弧线的缺失部分进行填充，得到扫描环；以及

引导扫描环在引导曲线上移动，得到线缆模型；

其中，属于同一个数据组的云数据和图片数据的生成时间相同或相近。

2.根据权利要求1所述的点云数据与可见光数据的融合方法，其特征在于，特征点云数据组的得到过程包括：

获取图片数据的边界并使用边界构建点云数据筛选框和中轴线；

使用点云数据筛选框对点云数据进行筛选，得到特征点云数据，特征点云数据位于点云数据筛选框内；

使用垂直于中轴线的面构建多个建模平面并使用建模平面对特征点云数据进行筛选，得到多个特征点云数据组。

3.根据权利要求1所述的点云数据与可见光数据的融合方法，其特征在于，全部数据组的长度在同一个平面上的投影长度相同。

4.根据权利要求1或3所述的点云数据与可见光数据的融合方法，其特征在于，重合段的处理过程包括：

在第一个数据组中选取一节点云数据，作为连接点云数据组；

在第二个数据组中移动连接点云数据组；

计算连接点云数据组在多个位置处与第二个数据组中对应的点云数据的重合度；以及

在重合度大于等于设定阈值时，将这两组数据组移动到同一个坐标系中。

5.根据权利要求4所述的点云数据与可见光数据的融合方法，其特征在于，重合度的计算过程包括：

计算连接点云数据组中的每一个点云数据与第二个数据组中对应的点云数据之间的距离；

计算距离值超过允许距离值的对数；以及

对数小于等于允许对数时，对两个数据组进行融合；

其中，对数大于允许对数时，移动其中一组点云数据，使得对数小于等于允许对数。

6.根据权利要求4所述的点云数据与可见光数据的融合方法，其特征在于，重合度的计算过程包括：

计算连接点云数据组中的每一个点云数据与第二个数据组中对应的点云数据之间的距离；

计算距离值超过允许距离值的对数；

对数小于等于允许对数时，以两个对应点云数据的中间点作为新的点云数据；对数大于允许对数时，移动其中一组点云数据，使得对数小于等于允许对数。

7.根据权利要求5或6所述的点云数据与可见光数据的融合方法，其特征在于，点云数据组的生成方向上，移动后一组连接点云数据组；

后一组连接点云数据组移动时，与其属于同一组的其他点云数据一并移动。

8.一种点云数据与可见光数据的融合装置，其特征在于，包括：

第一处理单元，用于响应于获取到的数据组，对数据组的长度进行分割，任意两个相邻的数据组的端部具有一个重合段，数据组包括点云数据和图片数据；属于同一个数据组的云数据和图片数据的生成时间相同或相近；

第一筛选单元，用于使用图片数据对点云数据进行筛选，得到多组特征点云数据组；

绘制单元，用于根据特征点云数据组绘制曲线段，得到多个特征圆心和与特征圆心对应的曲率半径；

第一融合单元，用于使用特征圆心构建引导曲线并对多段引导曲线进行融合；

第二融合单元，用于对曲率半径进行均值计算得到扫描弧线并对多个扫描弧线进行融合；

填充单元，用于对融合后的扫描弧线的缺失部分进行填充，得到扫描环；以及

模型构建单元，用于引导扫描环在引导曲线上移动，得到线缆模型。

9.一种点云数据与可见光数据的融合系统，其特征在于，所述系统包括：

一个或多个存储器，用于存储指令；以及

一个或多个处理器，用于从所述存储器中调用并运行所述指令，执行如权利要求1至7中任意一项所述的方法。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质包括：

程序，当所述程序被处理器运行时，如权利要求1至7中任意一项所述的方法被执行。

Images