CN116128886A - 一种点云数据分割方法、装置、电子设备及存储介质 - Google Patents
一种点云数据分割方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN116128886A CN116128886A CN202310409688.8A CN202310409688A CN116128886A CN 116128886 A CN116128886 A CN 116128886A CN 202310409688 A CN202310409688 A CN 202310409688A CN 116128886 A CN116128886 A CN 116128886A
- Authority
- CN
- China
- Prior art keywords
- point cloud
- plane
- cloud data
- floor
- point
- 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
- 238000000034 method Methods 0.000 title claims abstract description 46
- 230000011218 segmentation Effects 0.000 title claims abstract description 38
- 238000001914 filtration Methods 0.000 claims abstract description 16
- 238000004590 computer program Methods 0.000 claims description 5
- 238000010586 diagram Methods 0.000 description 8
- 238000005259 measurement Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- 239000000463 material Substances 0.000 description 2
- 239000010979 ruby Substances 0.000 description 2
- 229910001750 ruby Inorganic materials 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 239000010432 diamond Substances 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 239000007787 solid Substances 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T19/00—Manipulating 3D models or images for computer graphics
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computer Graphics (AREA)
- Computer Hardware Design (AREA)
- General Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Image Processing (AREA)
Abstract
本申请提供一种点云数据分割方法、装置、电子设备及存储介质,用于改善对目标建筑物的点云数据进行分割的效率较低的问题。包括:获取目标建筑物的点云数据,点云数据包括多个点云;针对多个点云中的每个点云,对该点云在预设距离内的全部点进行平面拟合,获得该点云的最优平面,并根据该点云的最优平面对多个点云进行过滤,获得多个楼层面点;根据多个楼层面点的数量和面积确定多个水平方向结构;使用多个水平方向结构对点云数据在垂直方向上进行分割,获得目标建筑物的楼层点云数据。
Description
技术领域
本申请涉及计算机视觉、三维建模和点云数据分割的技术领域,具体而言,涉及一种点云数据分割方法、装置、电子设备及存储介质。
背景技术
目前,大都是通过纯手工测量和分割的方式来对目标建筑物的点云数据进行分割,具体例如:获取目标建筑物的点云数据,通过人工计算出比例尺大小和测量目标建筑物的尺寸,然后根据比例尺大小和目标建筑物的尺寸来对目标建筑物的点云数据进行分割。然而,在具体的过程中发现,通过纯手工测量和分割的方式对目标建筑物的点云数据进行分割的效率较低。
发明内容
本申请实施例的目的在于提供一种点云数据分割方法、装置、电子设备及存储介质,用于改善对目标建筑物的点云数据进行分割的效率较低的问题。
本申请实施例提供了一种点云数据分割方法,包括:获取目标建筑物的点云数据,点云数据包括多个点云;针对多个点云中的每个点云,对该点云在预设距离内的全部点进行平面拟合,获得该点云的最优平面,并根据该点云的最优平面对多个点云进行过滤,获得多个楼层面点;根据多个楼层面点的数量和面积确定多个水平方向结构;使用多个水平方向结构对点云数据在垂直方向上进行分割,获得目标建筑物的楼层点云数据。在上述方案的实现过程中,通过从目标建筑物的点云数据中拟合出在预设距离内的全部点的最优平面,并根据该点云的最优平面获得的多个楼层面点的数量和面积确定水平方向结构,实现了使用水平方向结构对目标建筑物的点云数据进行自动分割,改善了通过纯手工测量和分割的方式分割点云数据的情况,从而有效地提高了对目标建筑物的点云数据进行分割的效率。
可选地,在本申请实施例中,对该点云在预设距离内的全部点进行平面拟合,获得该点云的最优平面,包括:计算出该点云到全部相邻点云之间的距离总和,全部相邻点云与该点云之间的距离小于预设距离,且均在同一平面;根据距离总和对该点云和全部相邻点云进行拟合,获得该点云的最优平面。在上述方案的实现过程中,通过计算出该点云到全部相邻点云之间的距离总和,并根据距离总和对该点云和全部相邻点云进行拟合,获得该点云的最优平面,从而提高了该点云的最优平面的拟合精度。
可选地,在本申请实施例中,根据该点云的最优平面对多个点云进行过滤,包括:根据该点云的最优平面确定该点云的法向量,法向量垂直于最优平面,且指向点云数据的采集设备;判断该点云的法向量与垂直轴之间的夹角是否大于预设角度;若是,则从多个点云中删除该点云。在上述方案的实现过程中,通过在该点云的法向量与垂直轴之间的夹角大于预设角度的情况下,就从多个点云中删除该点云,改善了夹角大于预设角度的点云参与计算的情况,减小了点云数据分割的计算量,从而有效地提高了对目标建筑物的点云数据进行分割的效率。
可选地,在本申请实施例中,根据该点云的最优平面对多个点云进行过滤,包括:判断该点云的最优平面与水平面之间的夹角是否大于预设角度;若是,则从多个点云中删除该点云。在上述方案的实现过程中,通过在该点云的最优平面与水平面之间的夹角大于预设角度的情况下,就从多个点云中删除该点云,改善了夹角大于预设角度的点云参与计算的情况,减小了点云数据分割的计算量,从而有效地提高了对目标建筑物的点云数据进行分割的效率。
可选地,在本申请实施例中,根据多个楼层面点的数量和面积确定多个水平方向结构,包括:使用距离相等的多个水平面将多个楼层面点划分为相邻的多个区间;针对多个区间中的每个区间,将该区间的全部楼层面点投影至区间对应的水平面上,获得多个水平面上的多个投影点;针对多个水平面中的每个水平面,根据该水平面上的投影点的数量和面积确定水平方向结构。在上述方案的实现过程中,通过将该区间的全部楼层面点投影至区间对应的水平面上投影点的数量和面积来确定水平方向结构,从而提高了确定水平方向结构的准确率。
可选地,在本申请实施例中,根据该水平面上的投影点的数量和面积确定水平方向结构,包括:判断该水平面上的投影点的数量和面积是否满足预设条件,预设条件包括:投影点的数量大于预设阈值,且投影点的面积大于预设阈值;若是,则将该水平面确定为水平方向结构。在上述方案的实现过程中,通过在投影点的数量大于预设阈值,且投影点的面积大于预设阈值的情况下,就将该水平面确定为水平方向结构,从而提高了确定水平方向结构的准确率。
可选地,在本申请实施例中,水平方向结构包括:天花板平面和地板平面,多个水平方向结构包括:第一平面和第二平面,第一平面低于第二平面;使用多个水平方向结构对点云数据在垂直方向上进行分割,获得目标建筑物的楼层点云数据,包括:判断第一平面和第二平面之间的间隔是否大于预设间隔;若是,则将第一平面确定为地板平面,并将第二平面确定为天花板平面,按照从低到高的顺序依次使用地板平面和天花板平面对点云数据在垂直方向上进行分割,楼层点云数据是地板平面与天花板平面之间的点云数据。在上述方案的实现过程中,通过根据预设间隔确定天花板平面和地板平面,并按照从低到高的顺序依次使用地板平面和天花板平面对点云数据在垂直方向上进行分割,改善了通过纯手工测量和分割的方式分割点云数据的情况,从而有效地提高了对目标建筑物的点云数据进行分割的效率。
本申请实施例还提供了一种点云数据分割装置,包括:点云数据获取模块,用于获取目标建筑物的点云数据,点云数据包括多个点云;最优平面获得模块,用于针对多个点云中的每个点云,对该点云在预设距离内的全部点进行平面拟合,获得该点云的最优平面,并根据该点云的最优平面对多个点云进行过滤,获得多个楼层面点;水平结构确定模块,用于根据多个楼层面点的数量和面积确定多个水平方向结构;楼层点云分割模块,用于使用多个水平方向结构对点云数据在垂直方向上进行分割,获得目标建筑物的楼层点云数据。
可选地,在本申请实施例中,最优平面获得模块,包括:距离总和计算子模块,用于计算出该点云到全部相邻点云之间的距离总和,全部相邻点云与该点云之间的距离小于预设距离,且均在同一平面;最优平面拟合子模块,用于根据距离总和对该点云和全部相邻点云进行拟合,获得该点云的最优平面。
可选地,在本申请实施例中,最优平面获得模块,包括:法向量确定子模块,用于根据该点云的最优平面确定该点云的法向量,法向量垂直于最优平面,且指向点云数据的采集设备;法向量判断子模块,用于判断该点云的法向量与垂直轴之间的夹角是否大于预设角度;第一点云删除子模块,用于若该点云的法向量与垂直轴之间的夹角大于预设角度,则从多个点云中删除该点云。
可选地,在本申请实施例中,最优平面获得模块,包括:平面夹角判断子模块,用于判断该点云的最优平面与水平面之间的夹角是否大于预设角度;第二点云删除子模块,用于若该点云的最优平面与水平面之间的夹角大于预设角度,则从多个点云中删除该点云。
可选地,在本申请实施例中,水平结构确定模块,包括:相邻区间划分子模块,用于使用距离相等的多个水平面将多个楼层面点划分为相邻的多个区间;楼层面点投影子模块,用于针对多个区间中的每个区间,将该区间的全部楼层面点投影至区间对应的水平面上,获得多个水平面上的多个投影点;水平结构确定子模块,用于针对多个水平面中的每个水平面,根据该水平面上的投影点的数量和面积确定水平方向结构。
可选地,在本申请实施例中,水平结构确定子模块,包括:预设条件判断单元,用于判断该水平面上的投影点的数量和面积是否满足预设条件,预设条件包括:投影点的数量大于预设阈值,且投影点的面积大于预设阈值;水平结构确定单元,用于若该水平面上的投影点的数量和面积满足预设条件,则将该水平面确定为水平方向结构。
可选地,在本申请实施例中,水平方向结构包括:天花板平面和地板平面,多个水平方向结构包括:第一平面和第二平面,第一平面低于第二平面;楼层点云分割模块,包括:平面间隔判断子模块,用于判断第一平面和第二平面之间的间隔是否大于预设间隔;点云数据分割子模块,用于若第一平面和第二平面之间的间隔是否大于预设间隔,则将第一平面确定为地板平面,并将第二平面确定为天花板平面,按照从低到高的顺序依次使用地板平面和天花板平面对点云数据在垂直方向上进行分割,楼层点云数据是地板平面与天花板平面之间的点云数据。
本申请实施例还提供了一种电子设备,包括:处理器和存储器,存储器存储有处理器可执行的机器可读指令,机器可读指令被处理器执行时执行如上面描述的方法。
本申请实施例还提供了一种计算机可读存储介质,该计算机可读存储介质上存储有计算机程序,该计算机程序被处理器运行时执行如上面描述的方法。
本申请实施例的其他特征和优点将在随后的说明书阐述,并且,部分地从说明书中变得显而易见,或者通过实施本申请实施例了解。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对本申请实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本申请实施例中的某些实施例,因此不应被看作是对范围的限定,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相关的附图。
图1示出的本申请实施例提供的点云数据分割方法的流程示意图;
图2示出的本申请实施例提供的目标建筑物的点云数据的示意图;
图3示出的本申请实施例提供的最优平面的拟合示意图;
图4示出的本申请实施例提供的点云数据分割装置的结构示意图;
图5示出的本申请实施例提供的电子设备的结构示意图。
具体实施方式
下面将结合本申请实施例中附图,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实施例中的一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此,以下对在附图中提供的本申请实施例的详细描述并非旨在限制要求保护的本申请实施例的范围,而是仅仅表示本申请实施例中的选定实施例。基于本申请实施例,本领域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,都属于本申请实施例保护的范围。
可以理解的是,本申请实施例中的“第一”、“第二”用于区别类似的对象。本领域技术人员可以理解“第一”、“第二”等字样并不对数量和执行次序进行限定,并且“第一”、“第二”等字样也并不限定一定不同。
在介绍本申请实施例提供的点云数据分割方法之前,先介绍本申请实施例中所涉及的一些概念:
点云(Point Cloud),是指通过测量仪器得到的产品外观表面的点数据集合,点云可以表征同一空间参考系下表达目标空间,可以理解为三维空间下的点,点云的属性包括:空间分辨率和点位精度等。
需要说明的是,本申请实施例提供的点云数据分割方法可以被电子设备执行,这里的电子设备是指具有执行计算机程序功能的设备终端或者服务器,设备终端例如:智能手机、个人电脑、平板电脑、个人数字助理或者移动上网设备等。服务器是指通过网络提供计算服务的设备,服务器例如:x86服务器以及非x86服务器,非x86服务器包括:大型机、小型机和UNIX服务器。
下面介绍该点云数据分割方法适用的应用场景,这里的应用场景包括但不限于:使用该点云数据分割方法增强或者改进建筑仿真管理系统等功能,例如:使用该点云数据分割方法自动对目标建筑物的点云数据进行分割,可以是将一个多楼层的建筑物按照楼层数量切割为多个楼层的点云数据,具体地,假设6层的建筑物的点云数据(每层都包括4个房间),那么可以将这6层的建筑物的点云数据切割为6个层级的点云数据,每个层级的点云数据均包括4个房间,从而获得目标建筑物的楼层点云数据(例如每个层级的点云数据)和楼层数量(例如6个层级)等等信息。
请参见图1示出的本申请实施例提供的点云数据分割方法的流程示意图;该点云数据分割方法的主要思路是,从目标建筑物的点云数据中拟合出最优平面,并根据最优平面获得的多个楼层面点的数量和面积确定水平方向结构,从而实现使用水平方向结构对点云数据进行自动分割,以此来提高点云数据的分割效率。上述点云数据分割方法的实施方式可以包括:
步骤S110:获取目标建筑物的点云数据,点云数据包括多个点云。
请参见图2示出的本申请实施例提供的目标建筑物的点云数据的示意图;上述步骤S110的实施方式有很多种,包括但不限于:第一种实施方式,使用采集设备(例如车载激光雷达)对目标建筑物进行扫描,获得该目标建筑物的点云数据,电子设备可以接收采集设备(例如车载激光雷达)发送的点云数据,并从点云数据中解析出多个点云。第二种实施方式,通过人持有采集设备(例如激光雷达设备)对目标建筑物进行扫描,获得该目标建筑物的点云数据,然后,采集设备(例如激光雷达设备)向电子设备发送点云数据,电子设备在接收到采集设备(例如激光雷达设备)发送的电云数据之后,从点云数据中解析出多个点云。
步骤S120:针对多个点云中的每个点云,对该点云在预设距离内的全部点进行平面拟合,获得该点云的最优平面,并根据该点云的最优平面对多个点云进行过滤,获得多个楼层面点。
可以理解的是,上述的预设距离可以根据具体情况设置,例如:将预设距离设置为1米、1.5米或2米等等,由于楼层面点(即天花板平面的点和地板平面上的点)周围的点云大概率也是在天花板平面和地板平面上,因此,可以通过楼层面点周围的点云拟合出该点云的最优平面。
步骤S130:根据多个楼层面点的数量和面积确定多个水平方向结构。
水平方向结构,是指天花板平面和地板平面构成的水平方向的主平面结构。
步骤S140:使用多个水平方向结构对点云数据在垂直方向上进行分割,获得目标建筑物的楼层点云数据。
可以理解的是,由于上面的步骤S120至步骤S140的实施方式有很多种,因此,步骤S120至步骤S140的实施方式将在下面详细地说明。
在上述的实现过程中,通过从目标建筑物的点云数据中拟合出在预设距离内的全部点的最优平面,并根据该点云的最优平面获得的多个楼层面点的数量和面积确定水平方向结构,实现了使用水平方向结构对目标建筑物的点云数据进行自动分割,改善了通过纯手工测量和分割的方式分割点云数据的情况,从而有效地提高了对目标建筑物的点云数据进行分割的效率。
请参见图3示出的本申请实施例提供的最优平面的拟合示意图;图中的实心点代表目标建筑物的点云数据中的每个点云,菱形代表根据这些点云数据拟合出的水平方向的最优平面。作为上述步骤S120的一种可选实施方式,在对该点云在预设距离内的全部点进行平面拟合时,可以对该点云和全部相邻点云进行拟合,从而获得该点云的最优平面,该实施方式可以包括:
步骤S121:计算出该点云到全部相邻点云之间的距离总和,全部相邻点云与该点云之间的距离小于预设距离,且均在同一平面。
步骤S122:根据距离总和对该点云和全部相邻点云进行拟合,获得该点云的最优平面。
上述步骤S121至步骤S122的实施方式例如:统计出该点云之间的距离小于预设距离(例如1米、1.5米或2米等等)之内且在同一平面的全部相邻点云,并计算出该点云到上述全部相邻点云之间的距离总和,然后,采用最小二乘法根据距离总和对该点云和全部相邻点云进行拟合,即调整拟合平面的角度和位置以使拟合平面与全部相邻点云之间的距离总和最小时,即可获得该点云的最优平面。
作为上述步骤S120中的第一种点云过滤实施方式,在对多个点云进行过滤时,可以根据点云的法向量来过滤,该实施方式可以包括:
步骤S123:根据该点云的最优平面确定该点云的法向量,法向量垂直于最优平面,且指向点云数据的采集设备。
可以理解的是,上述的法向量是指垂直于最优平面的单位向量,即每个点云的法向量均是指垂直于最优平面的单位向量的,其该点云的法向量方向是指向点云数据的采集设备(例如激光雷达机器人或激光雷达设备)的。
步骤S124:判断该点云的法向量与垂直轴之间的夹角是否大于预设角度。
上述步骤S124的实施方式例如:使用预设编程语言编译或者解释的可执行程序判断该点云的法向量与垂直轴之间的夹角是否大于预设角度,其中,该预设角度可以根据具体情况设置,例如将预设角度设置为5°、10°或20°等,可以使用的编程语言例如:C、C++、Java、BASIC、JavaScript、LISP、Shell、Perl、Ruby、Python和PHP等等。
步骤S125:若该点云的法向量与垂直轴之间的夹角大于预设角度,则从多个点云中删除该点云。
上述步骤S125的实施方式例如:理论上来说,由于楼层面点(即天花板平面和地板平面上的点)的最优平面是与水平面平行的,且楼层面点(即天花板平面和地板平面上的点)的法向量是指垂直于最优平面的,因此,法向量应当是与垂直的Z轴是平行的。在实际过程中的测量可能存在误差,因此,可以使用点云的法向量与垂直轴之间的夹角大于预设角度的条件来过滤掉其它非楼层面点(例如墙面上的点),具体例如:若该点云的法向量与垂直轴之间的夹角大于预设角度(例如5°、10°或20°等),则从多个点云中删除该点云,即从多个点云中过滤排除掉该点云,就说明该点云不是楼层面点。
作为上述步骤S120中的第二种点云过滤实施方式,在对多个点云进行过滤时,还可以根据该点云的最优平面与水平面之间的夹角进行过滤,该实施方式可以包括:
步骤S126:判断该点云的最优平面与水平面之间的夹角是否大于预设角度。
上述步骤S126的实施方式例如:使用预设编程语言编译或者解释的可执行程序判断该点云的最优平面与水平面之间的夹角是否大于预设角度,其中,该预设角度可以根据具体情况设置,例如将预设角度设置为5°、10°或20°等,上面可以使用的编程语言例如:C、C++、Java、BASIC、JavaScript、LISP、Shell、Perl、Ruby、Python和PHP等等。
步骤S127:若该点云的最优平面与水平面之间的夹角大于预设角度,则从多个点云中删除该点云。
上述步骤S127的实施方式例如:理论上来说,由于楼层面点(即天花板平面和地板平面上的点)的最优平面是与水平面平行的,然而,在实际过程中的测量可能存在误差,因此,可以使用该点云的最优平面与水平面之间的夹角大于预设角度的条件来过滤掉其它非楼层面点(例如墙面上的点),具体例如:若该点云的最优平面与水平面之间的夹角大于预设角度(例如5°、10°或20°等),则从多个点云中删除该点云。
作为上述步骤S130的一种可选实施方式,在确定多个水平方向结构时,还可以根据该水平面上的投影点的数量和面积确定,该实施方式可以包括:
步骤S131:使用距离相等的多个水平面将多个楼层面点划分为相邻的多个区间。
上述步骤S131的实施方式例如:为了提取出天花板平面的点云和地板平面上的点云,可以先使用距离相等的多个水平面沿着垂直的Z轴方向,将多个楼层面点划分为相邻的多个区间,这些多个区间之间的间隔可以根据情况设置,例如:将多个区间之间的间隔设置为10厘米(CM)或13厘米(CM)等等。然后,根据这些区间来确定水平方向结构,水平方向结构的具体确定方式如下。
步骤S132:针对多个区间中的每个区间,将该区间的全部楼层面点投影至区间对应的水平面上,获得多个水平面上的多个投影点。
上述步骤S132的实施方式例如:针对多个区间中的每个区间,按照垂直的Z轴方向将该区间的全部楼层面点投影至各自区间对应的水平面上,获得该水平面上的多个投影点,每个区间都进行上述处理,即可获得多个水平面上的多个投影点。
步骤S133:针对多个水平面中的每个水平面,根据该水平面上的投影点的数量和面积确定水平方向结构。
作为上述步骤S133的一种可选实施方式,根据该水平面上的投影点的数量和面积确定水平方向结构的实施方式可以包括:
步骤S133a:判断该水平面上的投影点的数量和面积是否满足预设条件,预设条件包括:投影点的数量大于预设阈值,且投影点的面积大于预设阈值。
上述步骤S133a的实施方式例如:统计各个区间对应水平面上所有投影点的数量以及所有投影点围成的区域面积,并使用预设编程语言编译或者解释的可执行程序判断该水平面上所有投影点的数量是否大于预设阈值(例如8000、10000或者12000等等),且可以判断该水平面上所有投影点围成的区域面积是否大于预设阈值(例如10平方米、12平方米或者14平方米等等)。
步骤S133b:若该水平面上的投影点的数量和面积满足预设条件,则将该水平面确定为水平方向结构。
上述步骤S133b的实施方式例如:若该水平面上所有投影点的数量大于10000,且该水平面上所有投影点围成的区域面积大于10平方米,则将该水平面确定为水平方向结构。
作为上述步骤S140的一种可选实施方式,上述的水平方向结构可以包括:天花板平面和地板平面,上述的多个水平方向结构可以包括:第一平面和第二平面,第一平面低于第二平面;在对点云数据在垂直方向上进行分割时,可以使用确定的地板平面和天花板平面来进行分割,该实施方式可以包括:
步骤S141:判断第一平面和第二平面之间的间隔是否大于预设间隔。
上述步骤S141的实施方式例如:由于目标建筑物的每个楼层都是由该楼层对应的天花板平面和地板平面之间的点云数据组成,因此,只要能够确定出每个楼层对应的天花板平面和地板平面的具体位置,就可以提取该楼层对应的点云数据。使用预设编程语言编译或者解释的可执行程序判断第一平面和第二平面之间的间隔是否大于预设间隔,此处的预设间隔可以根据具体情况设置,例如将预设间隔设置为2.6米或2.8米等等,即通常天花板平面和地板平面之间是高于预设间隔的,因此可以通过预设间隔来区分出天花板平面和地板平面。
步骤S142:若第一平面和第二平面之间的间隔大于预设间隔,则将第一平面确定为地板平面,并将第二平面确定为天花板平面,按照从低到高的顺序依次使用地板平面和天花板平面对点云数据在垂直方向上进行分割,楼层点云数据是地板平面与天花板平面之间的点云数据。
上述步骤S142的实施方式例如:若第一平面和第二平面之间的间隔大于预设间隔(例如2.6米或2.8米等等),且第一平面低于第二平面,那么可以确定第一平面低于第二平面是构成了一个楼层的,将第一平面确定为该楼层的地板平面,并将第二平面确定为该楼层的天花板平面,按照从低到高的顺序依次使用地板平面和天花板平面对点云数据在垂直方向上进行分割,直达分割至Z值最高的地板平面为止,楼层点云数据是地板平面与天花板平面之间的点云数据。
请参见图4示出的本申请实施例提供的点云数据分割装置的结构示意图;本申请实施例提供了一种点云数据分割装置200,包括:
点云数据获取模块210,用于获取目标建筑物的点云数据,点云数据包括多个点云。
最优平面获得模块220,用于针对多个点云中的每个点云,对该点云在预设距离内的全部点进行平面拟合,获得该点云的最优平面,并根据该点云的最优平面对多个点云进行过滤,获得多个楼层面点。
水平结构确定模块230,用于根据多个楼层面点的数量和面积确定多个水平方向结构。
楼层点云分割模块240,用于使用多个水平方向结构对点云数据在垂直方向上进行分割,获得目标建筑物的楼层点云数据。
可选地,在本申请实施例中,最优平面获得模块,包括:
距离总和计算子模块,用于计算出该点云到全部相邻点云之间的距离总和,全部相邻点云与该点云之间的距离小于预设距离,且均在同一平面。
最优平面拟合子模块,用于根据距离总和对该点云和全部相邻点云进行拟合,获得该点云的最优平面。
可选地,在本申请实施例中,最优平面获得模块,包括:
法向量确定子模块,用于根据该点云的最优平面确定该点云的法向量,法向量垂直于最优平面,且指向点云数据的采集设备。
法向量判断子模块,用于判断该点云的法向量与垂直轴之间的夹角是否大于预设角度。
第一点云删除子模块,用于若该点云的法向量与垂直轴之间的夹角大于预设角度,则从多个点云中删除该点云。
可选地,在本申请实施例中,最优平面获得模块,包括:
平面夹角判断子模块,用于判断该点云的最优平面与水平面之间的夹角是否大于预设角度。
第二点云删除子模块,用于若该点云的最优平面与水平面之间的夹角大于预设角度,则从多个点云中删除该点云。
可选地,在本申请实施例中,水平结构确定模块,包括:
相邻区间划分子模块,用于使用距离相等的多个水平面将多个楼层面点划分为相邻的多个区间。
楼层面点投影子模块,用于针对多个区间中的每个区间,将该区间的全部楼层面点投影至区间对应的水平面上,获得多个水平面上的多个投影点。
水平结构确定子模块,用于针对多个水平面中的每个水平面,根据该水平面上的投影点的数量和面积确定水平方向结构。
可选地,在本申请实施例中,水平结构确定子模块,包括:
预设条件判断单元,用于判断该水平面上的投影点的数量和面积是否满足预设条件,预设条件包括:投影点的数量大于预设阈值,且投影点的面积大于预设阈值。
水平结构确定单元,用于若该水平面上的投影点的数量和面积满足预设条件,则将该水平面确定为水平方向结构。
可选地,在本申请实施例中,水平方向结构包括:天花板平面和地板平面,多个水平方向结构包括:第一平面和第二平面,第一平面低于第二平面;楼层点云分割模块,包括:
平面间隔判断子模块,用于判断第一平面和第二平面之间的间隔是否大于预设间隔。
点云数据分割子模块,用于若第一平面和第二平面之间的间隔是否大于预设间隔,则将第一平面确定为地板平面,并将第二平面确定为天花板平面,按照从低到高的顺序依次使用地板平面和天花板平面对点云数据在垂直方向上进行分割,楼层点云数据是地板平面与天花板平面之间的点云数据。
应理解的是,该装置与上述的点云数据分割方法实施例对应,能够执行上述方法实施例涉及的各个步骤,该装置具体的功能可以参见上文中的描述,此处适当省略详细描述。该装置包括至少一个能以软件或固件(firmware)的形式存储于存储器中或固化在装置的操作系统(operating system,OS)中的软件功能模块。
请参见图5示出的本申请实施例提供的电子设备的结构示意图。本申请实施例提供的一种电子设备300,包括:处理器310和存储器320,存储器320存储有处理器310可执行的机器可读指令,机器可读指令被处理器310执行时执行如上的方法。
本申请实施例还提供了一种计算机可读存储介质330,该计算机可读存储介质330上存储有计算机程序,该计算机程序被处理器310运行时执行如上的方法。其中,计算机可读存储介质330可以由任何类型的易失性或非易失性存储设备或者它们的组合实现,如静态随机存取存储器(Static Random Access Memory, 简称SRAM),电可擦除可编程只读存储器(Electrically Erasable Programmable Read-Only Memory, 简称EEPROM),可擦除可编程只读存储器(Erasable Programmable Read Only Memory, 简称EPROM),可编程只读存储器(Programmable Read-Only Memory, 简称PROM),只读存储器(Read-OnlyMemory, 简称ROM),磁存储器,快闪存储器,磁盘或光盘。
需要说明的是,本说明书中的各个实施例均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的部分互相参见即可。对于装置类实施例而言,由于其与方法实施例基本相似,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
本申请实施例提供的几个实施例中,应该理解到,所揭露的装置和方法,也可以通过其他的方式实现。以上所描述的装置实施例仅是示意性的,例如,附图中的流程图和框图显示了根据本申请实施例的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分,模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现方式中,方框中所标注的功能也可以和附图中所标注的发生顺序不同。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这主要根据所涉及的功能而定。
另外,在本申请实施例中的各个实施例的各功能模块可以集成在一起形成一个独立的部分,也可以是各个模块单独存在,也可以两个或两个以上模块集成形成一个独立的部分。此外,在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本申请实施例的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不必须针对的是相同的实施例或示例。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例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例或示例以及不同实施例或示例的特征进行结合和组合。
以上的描述,仅为本申请实施例的可选实施方式,但本申请实施例的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请实施例揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本申请实施例的保护范围之内。
Claims (10)
1.一种点云数据分割方法,其特征在于,包括:
获取目标建筑物的点云数据,所述点云数据包括多个点云;
针对所述多个点云中的每个点云,对该点云在预设距离内的全部点进行平面拟合,获得该点云的最优平面,并根据该点云的最优平面对所述多个点云进行过滤,获得多个楼层面点;
根据所述多个楼层面点的数量和面积确定多个水平方向结构;
使用所述多个水平方向结构对所述点云数据在垂直方向上进行分割,获得所述目标建筑物的楼层点云数据。
2.根据权利要求1所述的方法,其特征在于,所述对该点云在预设距离内的全部点进行平面拟合,获得该点云的最优平面,包括:
计算出该点云到全部相邻点云之间的距离总和,所述全部相邻点云与该点云之间的距离小于所述预设距离,且均在同一平面;
根据所述距离总和对该点云和全部相邻点云进行拟合,获得该点云的最优平面。
3.根据权利要求1所述的方法,其特征在于,所述根据该点云的最优平面对所述多个点云进行过滤,包括:
根据该点云的最优平面确定该点云的法向量,所述法向量垂直于所述最优平面,且指向所述点云数据的采集设备;
判断该点云的法向量与垂直轴之间的夹角是否大于预设角度;
若是,则从所述多个点云中删除该点云。
4.根据权利要求1所述的方法,其特征在于,所述根据该点云的最优平面对所述多个点云进行过滤,包括:
判断该点云的最优平面与水平面之间的夹角是否大于预设角度;
若是,则从所述多个点云中删除该点云。
5.根据权利要求1所述的方法,其特征在于,所述根据所述多个楼层面点的数量和面积确定多个水平方向结构,包括:
使用距离相等的多个水平面将所述多个楼层面点划分为相邻的多个区间;
针对所述多个区间中的每个区间,将该区间的全部楼层面点投影至区间对应的水平面上,获得所述多个水平面上的多个投影点;
针对所述多个水平面中的每个水平面,根据该水平面上的投影点的数量和面积确定所述水平方向结构。
6.根据权利要求5所述的方法,其特征在于,所述根据该水平面上的投影点的数量和面积确定所述水平方向结构,包括:
判断该水平面上的投影点的数量和面积是否满足预设条件,所述预设条件包括:所述投影点的数量大于预设阈值,且所述投影点的面积大于预设阈值;
若是,则将该水平面确定为所述水平方向结构。
7.根据权利要求5所述的方法,其特征在于,所述水平方向结构包括:天花板平面和地板平面,所述多个水平方向结构包括:第一平面和第二平面,所述第一平面低于所述第二平面;所述使用所述多个水平方向结构对所述点云数据在垂直方向上进行分割,获得所述目标建筑物的楼层点云数据,包括:
判断所述第一平面和所述第二平面之间的间隔是否大于预设间隔;
若是,则将所述第一平面确定为所述地板平面,并将所述第二平面确定为所述天花板平面,按照从低到高的顺序依次使用所述地板平面和所述天花板平面对所述点云数据在垂直方向上进行分割,所述楼层点云数据是所述地板平面与所述天花板平面之间的点云数据。
8.一种点云数据分割装置,其特征在于,包括:
点云数据获取模块,用于获取目标建筑物的点云数据,所述点云数据包括多个点云;
最优平面获得模块,用于针对所述多个点云中的每个点云,对该点云在预设距离内的全部点进行平面拟合,获得该点云的最优平面,并根据该点云的最优平面对所述多个点云进行过滤,获得多个楼层面点;
水平结构确定模块,用于根据所述多个楼层面点的数量和面积确定多个水平方向结构;
楼层点云分割模块,用于使用所述多个水平方向结构对所述点云数据在垂直方向上进行分割,获得所述目标建筑物的楼层点云数据。
9.一种电子设备,其特征在于,包括:处理器和存储器,所述存储器存储有所述处理器可执行的机器可读指令,所述机器可读指令被所述处理器执行时执行如权利要求1至7任一所述的方法。
10.一种计算机可读存储介质,其特征在于,该计算机可读存储介质上存储有计算机程序,该计算机程序被处理器运行时执行如权利要求1至7任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310409688.8A CN116128886A (zh) | 2023-04-18 | 2023-04-18 | 一种点云数据分割方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310409688.8A CN116128886A (zh) | 2023-04-18 | 2023-04-18 | 一种点云数据分割方法、装置、电子设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116128886A true CN116128886A (zh) | 2023-05-16 |
Family
ID=86306674
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310409688.8A Pending CN116128886A (zh) | 2023-04-18 | 2023-04-18 | 一种点云数据分割方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116128886A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116740197A (zh) * | 2023-08-11 | 2023-09-12 | 之江实验室 | 一种外参的标定方法、装置、存储介质及电子设备 |
Citations (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103544728A (zh) * | 2013-08-23 | 2014-01-29 | 武汉海达数云技术有限公司 | 一种在实景地图中基于法向量的被探面过滤方法 |
CN105844629A (zh) * | 2016-03-21 | 2016-08-10 | 河南理工大学 | 一种大场景城市建筑物立面点云自动分割方法 |
CN106780509A (zh) * | 2016-12-01 | 2017-05-31 | 山东交通学院 | 融合多维特征的建筑物点云层次聚类分割方法 |
CN107452064A (zh) * | 2017-05-23 | 2017-12-08 | 巧夺天宫(深圳)科技有限公司 | 一种三维建筑实体空间找平实现方法、装置及存储设备 |
CN108665472A (zh) * | 2017-04-01 | 2018-10-16 | 华为技术有限公司 | 点云分割的方法和设备 |
CN110009751A (zh) * | 2019-04-01 | 2019-07-12 | 贝壳技术有限公司 | 一种房屋虚拟三维模型的楼层分割方法及装置 |
CN110189412A (zh) * | 2019-05-13 | 2019-08-30 | 武汉大学 | 基于激光点云的多楼层室内结构化三维建模方法及系统 |
CN111275724A (zh) * | 2020-02-26 | 2020-06-12 | 武汉大学 | 一种基于八叉树和边界优化的机载点云屋顶平面分割方法 |
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 |
CN112595258A (zh) * | 2020-11-23 | 2021-04-02 | 扆亮海 | 基于地面激光点云的地物轮廓提取方法 |
CN112650790A (zh) * | 2020-12-28 | 2021-04-13 | 北京字节跳动网络技术有限公司 | 目标点云平面确定方法,装置,电子设备及存储介质 |
CN113409332A (zh) * | 2021-06-11 | 2021-09-17 | 电子科技大学 | 一种基于三维点云的建筑物平面分割方法 |
CN113487730A (zh) * | 2021-09-06 | 2021-10-08 | 中国电子科技集团公司第二十八研究所 | 一种基于激光雷达点云数据的城市三维自动建模方法 |
CN114663598A (zh) * | 2022-04-07 | 2022-06-24 | 深圳元戎启行科技有限公司 | 三维建模方法、装置和存储介质 |
CN114722944A (zh) * | 2022-04-12 | 2022-07-08 | 高德软件有限公司 | 点云精度确定方法、电子设备及计算机存储介质 |
CN114742843A (zh) * | 2022-04-12 | 2022-07-12 | 武汉大学 | 基于机载建筑物LiDAR点云的立面线自动提取方法及设备 |
CN115049690A (zh) * | 2022-06-14 | 2022-09-13 | 广州小马慧行科技有限公司 | 车挂偏航角的确定方法、装置、计算机设备和存储介质 |
CN115512067A (zh) * | 2022-09-16 | 2022-12-23 | 中冶南方工程技术有限公司 | 一种基于激光点云的结构构件参数提取和变形测量方法 |
-
2023
- 2023-04-18 CN CN202310409688.8A patent/CN116128886A/zh active Pending
Patent Citations (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103544728A (zh) * | 2013-08-23 | 2014-01-29 | 武汉海达数云技术有限公司 | 一种在实景地图中基于法向量的被探面过滤方法 |
CN105844629A (zh) * | 2016-03-21 | 2016-08-10 | 河南理工大学 | 一种大场景城市建筑物立面点云自动分割方法 |
CN106780509A (zh) * | 2016-12-01 | 2017-05-31 | 山东交通学院 | 融合多维特征的建筑物点云层次聚类分割方法 |
CN108665472A (zh) * | 2017-04-01 | 2018-10-16 | 华为技术有限公司 | 点云分割的方法和设备 |
CN107452064A (zh) * | 2017-05-23 | 2017-12-08 | 巧夺天宫(深圳)科技有限公司 | 一种三维建筑实体空间找平实现方法、装置及存储设备 |
CN110009751A (zh) * | 2019-04-01 | 2019-07-12 | 贝壳技术有限公司 | 一种房屋虚拟三维模型的楼层分割方法及装置 |
CN110189412A (zh) * | 2019-05-13 | 2019-08-30 | 武汉大学 | 基于激光点云的多楼层室内结构化三维建模方法及系统 |
CN111275724A (zh) * | 2020-02-26 | 2020-06-12 | 武汉大学 | 一种基于八叉树和边界优化的机载点云屋顶平面分割方法 |
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 |
CN112595258A (zh) * | 2020-11-23 | 2021-04-02 | 扆亮海 | 基于地面激光点云的地物轮廓提取方法 |
CN112650790A (zh) * | 2020-12-28 | 2021-04-13 | 北京字节跳动网络技术有限公司 | 目标点云平面确定方法,装置,电子设备及存储介质 |
CN113409332A (zh) * | 2021-06-11 | 2021-09-17 | 电子科技大学 | 一种基于三维点云的建筑物平面分割方法 |
CN113487730A (zh) * | 2021-09-06 | 2021-10-08 | 中国电子科技集团公司第二十八研究所 | 一种基于激光雷达点云数据的城市三维自动建模方法 |
CN114663598A (zh) * | 2022-04-07 | 2022-06-24 | 深圳元戎启行科技有限公司 | 三维建模方法、装置和存储介质 |
CN114722944A (zh) * | 2022-04-12 | 2022-07-08 | 高德软件有限公司 | 点云精度确定方法、电子设备及计算机存储介质 |
CN114742843A (zh) * | 2022-04-12 | 2022-07-12 | 武汉大学 | 基于机载建筑物LiDAR点云的立面线自动提取方法及设备 |
CN115049690A (zh) * | 2022-06-14 | 2022-09-13 | 广州小马慧行科技有限公司 | 车挂偏航角的确定方法、装置、计算机设备和存储介质 |
CN115512067A (zh) * | 2022-09-16 | 2022-12-23 | 中冶南方工程技术有限公司 | 一种基于激光点云的结构构件参数提取和变形测量方法 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116740197A (zh) * | 2023-08-11 | 2023-09-12 | 之江实验室 | 一种外参的标定方法、装置、存储介质及电子设备 |
CN116740197B (zh) * | 2023-08-11 | 2023-11-21 | 之江实验室 | 一种外参的标定方法、装置、存储介质及电子设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107272019B (zh) | 基于激光雷达扫描的路沿检测方法 | |
CN109407073B (zh) | 反射值地图构建方法和装置 | |
CN109146976B (zh) | 用于定位无人车的方法和装置 | |
CN109725303B (zh) | 坐标系的修正方法及装置、存储介质 | |
CN110608982A (zh) | 检测方法、装置、移动设备、电子设备及存储介质 | |
CN110807439B (zh) | 检测障碍物的方法及装置 | |
CN112154303B (zh) | 高精度地图定位方法、系统、平台及计算机可读存储介质 | |
CN116128886A (zh) | 一种点云数据分割方法、装置、电子设备及存储介质 | |
CN114252870A (zh) | 激光雷达自检方法及其自检设备、计算机可读存储介质 | |
CN110850882A (zh) | 一种扫地机器人的充电桩定位方法及装置 | |
CN113295176A (zh) | 地图更新方法、地图更新装置及计算机可读存储介质 | |
CN102317739A (zh) | 航空障碍物提取装置、航空障碍物提取方法和记录介质 | |
CN115082699A (zh) | 一种轮廓形状提取方法、装置、电子设备及存储介质 | |
CN117392241B (zh) | 自动驾驶中的传感器标定方法、装置及电子设备 | |
CN113748693B (zh) | 路基传感器的位姿校正方法、装置和路基传感器 | |
CN110794434B (zh) | 一种位姿的确定方法、装置、设备及存储介质 | |
CN115561731B (zh) | 位姿优化方法、点云地图建立方法、计算机设备及介质 | |
CN115146745B (zh) | 点云数据坐标点位置校正的方法、装置、设备及存储介质 | |
CN114488178A (zh) | 定位方法及设备 | |
CN116295249A (zh) | 道路要素高程确定及高精地图制作方法、装置、介质 | |
CN112154355A (zh) | 高精度地图定位方法、系统、平台及计算机可读存储介质 | |
CN115685127A (zh) | 一种基于点云数据分析目标物沉降风险的方法及装置 | |
CN113269827B (zh) | 一种实现自动化标定的方法和计算装置 | |
CN112344966B (zh) | 一种定位失效检测方法、装置、存储介质及电子设备 | |
CN115147561A (zh) | 位姿图生成方法、高精地图生成方法和装置 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20230516 |
|
RJ01 | Rejection of invention patent application after publication |