CN116203554A - 一种环境点云数据扫描方法和系统 - Google Patents

Abstract

本发明涉及点云数据采集技术领域，提供了一种环境点云数据扫描方法和系统。其中所述方法包括：使用第一无人机在空中第一预设高度位置拍摄第一区域的建筑群图像，将所述建筑群图像与第一区域的二维地图数据相比对，若所述建筑群图像与所述二维地图数据相匹配，则根据所述二维地图数据识别所述第一区域内的标志性建筑物；所述第三无人机对所述标志性建筑物进行扫描得到所述标志性建筑物的点云数据；所述第二无人机对其他建筑物进行扫描得到对应的点云数据。本发明通过第一无人机、第二无人机和第三无人机进行协作，从而使针对不同建筑物使用不同距离的雷达的无人机进行探测，避免资源浪费，降低环境点云数据扫描的成本。

Description

一种环境点云数据扫描方法和系统

技术领域

本发明涉及点云数据采集技术领域，特别是涉及一种环境点云数据扫描方法和系统。

背景技术

随着虚拟现实和增强现实的普及和应用，实体对象的三维点云数据的采集和生成，成了相应素材和内容生成越来越广泛的来源；在工业应用环境中，三维点云的采集也更多的与实际施工进行结合，用于获取施工环境的硬件数据，从而为施工设计和仿真提供模型数据支持。

在现有技术中，往往使用同一种类型的无人机对所有建筑物进行扫描，而在城市中，根据建筑物的用途不同，其建筑物形态也可能存在差异，如商铺或老城区通常密集聚集有大量低矮建筑物，而居住用的小区或商用写字楼内则分布有高层建筑，高层建筑通常需要更远的探测距离，这就导致无人机的雷达成本增加，且使用装备有远距离雷达的无人机对低矮建筑物进行扫描还会造成一定程度的资源浪费。

鉴于此，克服该现有技术所存在的缺陷是本技术领域亟待解决的问题。

发明内容

本发明要解决的技术问题是现有技术中，无人机的雷达成本高，且存在资源浪费。

本发明采用如下技术方案：

第一方面，本发明提供了一种环境点云数据扫描方法，使用第一无人机、第二无人机和第三无人机协作进行扫描，其中，所述第一无人机配置有摄像头，所述第二无人机配置有用于短距离探测的雷达，所述第三无人机配置有用于长距离探测的雷达，所述方法包括：

使用第一无人机在空中第一预设高度位置拍摄第一区域的建筑群图像，将所述建筑群图像发送给管理平台，管理平台将所述建筑群图像与第一区域的二维地图数据相比对，判断所述建筑群图像是否与二维地图数据相匹配；

若所述建筑群图像与所述二维地图数据相匹配，则根据所述二维地图数据识别所述第一区域内的标志性建筑物；将所述标志性建筑物划分给所述第三无人机，由所述第三无人机对所述标志性建筑物进行扫描得到所述标志性建筑物的点云数据；将所述第一区域中的其他建筑物划分给第二无人机，由所述第二无人机对其他建筑物进行扫描得到对应的点云数据，从而得到第一区域的整体点云数据。

优选的，所述第三无人机对所述标志性建筑物进行扫描得到所述标志性建筑物的点云数据，具体包括：

所述第三无人机对所述标志性建筑物的各个侧面进行扫描，得到对应侧面的点云数据；根据标志性建筑物各侧面的点云数据，生成标志性建筑物的点云数据；

其中，所述第三无人机对所述标志性建筑物的各个侧面进行扫描，得到对应侧面的点云数据，具体包括：

所述第三无人机对所述标志性建筑物的对应侧面进行竖直方向的线性扫描，得到该侧面的竖直点云数据；

根据所述竖直点云数据判断所述侧面是否规整；

若判断得到所述侧面规整，则使用所述竖直点云数据进行水平方向的扩展填充得到该侧面的点云数据；

若判断得到所述侧面不规整，则使用第二无人机进行扫描，得到该建筑物的点云数据。

优选的，在所述第三无人机对所述标志性建筑物的各个侧面进行扫描前，所述方法还包括：

管理平台从所述二维地图数据中找到所述标志性建筑物的占地外轮廓和周边建筑物的占地外轮廓；

根据所述标志性建筑物的占地外轮廓，确定所述标志性建筑物所需进行扫描的各个侧面；

根据所述标志性建筑物所需进行扫描的各个侧面，和位于所述侧面所在方向的周边建筑物的占地外轮廓，为所述第三无人机指定扫描地点，以便于所述第三无人机到达所述扫描地点，对所述标志性建筑物的对应侧面进行扫描得到所述标志性建筑物对应侧面的点云数据。

优选的，所述方法还包括：

若根据所述竖直点云数据无法判断得到所述侧面是否规整，则所述第三无人机对所述标志性建筑物的对应侧面进行水平方向的线性扫描，得到该侧面的水平点云数据，根据所述水平点云数据判断所述侧面是否规整；

若判断得到所述侧面规整，则使用所述水平点云数据进行竖直方向的扩展填充得到该侧面的点云数据；

若判断得到所述侧面不规整，则使用第二无人机进行扫描，得到该建筑物的点云数据。

优选的，所述根据所述竖直点云数据判断所述侧面是否规整，具体包括：

以雷达探测方向作为坐标系平面，形成二维坐标系；其中，所述二维坐标系的横轴为雷达探测方向在二维地面的映射，所述二维坐标系的纵轴为雷达探测方向在竖直方向上的映射；所述竖直点云数据中的各探测位置表现为在所述二维坐标系中分布的坐标点；

分析各探测位置的横坐标X，找到聚集有最多探测位置的目标横坐标值x₀；

计算各探测位置的横坐标X与目标横坐标值x₀之间的第一差值，将各探测位置所对应第一差值的平方相加得到第一平方和，以所述第一平方和除以探测位置的数量，得到竖直规整度；

若所述竖直规整度不大于第一预设规整度，则判断得到所述侧面规整；若所述竖直规整度大于第一预设规整度，且小于第二预设规整度，则根据所述竖直点云数据无法判断得到所述侧面是否规整；否则，判断得到所述侧面不规整。

优选的，所述第三无人机对所述标志性建筑物的对应侧面进行水平方向的线性扫描，具体包括：

以聚集于目标横坐标x₀的探测位置在所述侧面所对应的高度作为所述第三无人机的扫描高度；

所述第三无人机对所述侧面的该扫描高度位置进行水平方向的线性扫描。

优选的，所述根据所述水平点云数据判断所述侧面是否规整，具体包括：

以雷达探测方向作为坐标系平面，形成二维坐标系；其中，所述二维坐标系的纵轴为雷达探测方向在雷达探测深度方向上的映射，所述二维坐标系的横轴为雷达探测方向在所述雷达探测深度方向的垂直平面上的映射；所述水平点云数据中的各探测位置表现为在所述二维坐标系中分布的坐标点；

分析各探测位置的纵坐标Y，找到聚集有最多探测位置的目标纵坐标值y₀；

计算各探测位置的纵坐标Y与目标纵坐标值y₀之间的第二差值，将各探测位置所对应第二差值的平方相加得到第二平方和，以所述第二平方和除以探测位置的数量，得到水平规整度；

若所述水平规整度不大于第三预设规整度，则判断得到所述侧面规整；若所述水平规整度大于第三预设规整度；否则，判断得到所述侧面不规整。

优选的，所述根据所述二维地图数据识别第一区域内的标志性建筑物，具体包括：

若第一区域中，存在多个具有相同占地外轮廓的第一建筑物，且第一建筑物的数量超出预设数量，则将第一建筑物作为标志性建筑物；

和/或将第一区域中单个建筑物占地面积超出预设面积的建筑物作为标志性建筑物。

优选的，所述方法还包括：

若所述建筑群与所述二维地图数据不匹配，则由所述第二无人机对所述第一区域内的各建筑物进行扫描得到对应的点云数据。

第二方面，本发明还提供了一种环境点云数据扫描系统，包括第一无人机、第二无人机、第三无人机和管理平台；

第一无人机用于在空中第一预设高度位置拍摄第一区域内的建筑群图像，将所述建筑群图像发送给管理平台；

所述管理平台用于将所述建筑群图像与第一区域的二维地图数据相比对，判断该建筑群图像是否与二维地图数据相匹配；

若所述建筑群与所述二维地图数据相匹配，则根据所述二维地图数据识别第一区域内的标志性建筑物将标志性建筑物划分给所述第三无人机，将所述第一区域内的其他建筑物或景观划分给第二无人机；

所述第二无人机用于对所述第一区域内的其他建筑物或景观进行扫描得到对应的点云数据，从而得到所述第一区域的完整点云数据；

所述第三无人机用于对所述标志性建筑物进行扫描得到所述标志性建筑物的点云数据。

第三方面，本发明还提供了一种环境点云数据扫描装置，用于实现第一方面所述的环境点云数据扫描方法，所述装置包括：

至少一个处理器；以及，与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述处理器执行，用于执行第一方面所述的环境点云数据扫描方法。

第四方面，本发明还提供了一种非易失性计算机存储介质，所述计算机存储介质存储有计算机可执行指令，该计算机可执行指令被一个或多个处理器执行，用于完成第一方面所述的环境点云数据扫描方法。

本发明通过第一无人机、第二无人机和第三无人机进行协作，从而使针对不同建筑物使用不同距离的雷达的无人机进行探测，从而避免资源浪费，降低环境点云数据扫描的成本。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对本发明实施例中所需要使用的附图作简单地介绍。显而易见地，下面所描述的附图仅仅是本发明的一些实施例，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是本发明实施例提供的一种环境点云数据扫描方法的流程示意图；

图2是本发明实施例提供的一种环境点云数据扫描方法的流程示意图；

图3是本发明实施例提供的一种环境点云数据扫描方法中进行竖直方向的线性扫描的流程示意图；

图4是本发明实施例提供的一种环境点云数据扫描方法的流程示意图；

图5是本发明实施例提供的一种环境点云数据扫描方法中进行竖直方向的线性扫描时所得各探测位置的示意图；

图6是本发明实施例提供的一种环境点云数据扫描方法的流程示意图；

图7是本发明实施例提供的一种环境点云数据扫描方法的流程示意图；

图8是本发明实施例提供的一种环境点云数据扫描方法进行水平方向的线性扫描的流程示意图；

图9是本发明实施例提供的一种环境点云数据扫描方法中进行水平方向的线性扫描时所得各探测位置的示意图；

图10是本发明实施例提供的一种环境点云数据扫描装置的架构示意图；

图11是本发明实施例提供的一种环境点云数据扫描装置的架构示意图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

此外，下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。

实施例1:

本发明实施例1提供了一种环境点云数据扫描方法，使用第一无人机、第二无人机和第三无人机协作进行扫描，其中，所述第一无人机配置有摄像头，所述第二无人机配置有用于短距离探测的雷达，所述第三无人机配置有用于长距离探测的雷达，如图1所示，所述方法包括：

在步骤201中，使用第一无人机在空中第一预设高度位置拍摄第一区域的建筑群图像，将所述建筑群图像发送给管理平台，管理平台将所述建筑群图像与第一区域的二维地图数据相比对，判断所述建筑群图像是否与二维地图数据相匹配；所述第一预设高度由本领域技术人员根据经验分析得到。

在步骤202中，若所述建筑群图像与所述二维地图数据相匹配，则根据所述二维地图数据识别所述第一区域内的标志性建筑物；将所述标志性建筑物划分给所述第三无人机，由所述第三无人机对所述标志性建筑物进行扫描得到所述标志性建筑物的点云数据；将所述第一区域中的其他建筑物划分给第二无人机，由所述第二无人机对其他建筑物进行扫描得到对应的点云数据，从而得到第一区域的整体点云数据。所述其他建筑物是指第一区域中除标志性建筑物以外的建筑物。当第一区域中还包含有相应的景观（如行道树木等）时，所述第二无人机还对所述第一区域内的景观等进行扫描，第一区域内标志性建筑物的点云数据、其他建筑物的点云数据和景观的点云数据共同构成所述第一区域的整体点云数据。

所述标志性建筑物指代高度较高或占地面积较广的建筑物，如高楼、厂房等建筑物，所述标志性建筑物的识别可根据所述二维地图数据进行提供的建筑物分类信息得到，如将分类为写字楼、商场或小区的建筑识别为标志性建筑物。

还存在一种可选的实施方式为：若第一区域中，存在多个具有相同占地外轮廓的第一建筑物，且第一建筑物的数量超出预设数量，则将第一建筑物作为标志性建筑物；和/或将第一区域中单个建筑物占地面积超出预设面积的建筑物作为标志性建筑物。所述预设数量和预设面积是由本领域技术人员根据经验分析得到的。

在步骤203中，若所述建筑群与所述二维地图数据不匹配，则由所述第二无人机对所述第一区域内的各建筑物进行扫描得到对应的点云数据，具体的：所述第二无人机对建筑物或景观的外轮廓进行完整的点扫描，得到建筑物或景观的点云数据。

在此需要说明的是，所述用于短距离探测的雷达和所述长距离探测的雷达是针对两种雷达相对而言的，其探测距离均是由本领域技术人员根据环境云数据扫描需求分析设定得到的，而并非代指绝对意义上的短距离雷达和远距离雷达。在实际使用中，通常是每一个点云数据对应一个探测位置，多个点云数据形成点云数据集，而在本实施例中，由于环境点云数据扫描主要是为了生成三维地图信息，其主要针对多各探测位置所形成的点云数据集，极少涉及单个的点云数据，故为了描述的便利性，本实施例将点云数据作为点云数据集的替代性描述进行呈现。

在实际应用场景中，所述使用第一无人机、第二无人机和第三无人机协作进行扫描，具体包括：向一个城市或一个片区投放第一无人机、第二无人机和第三无人机，其中，第一无人机、第二无人机和第三无人机的投放数量由本领域技术人员根据该片区的建筑情况分析得到，通常情况下，第二无人机的投放数量大于第一无人机的投放数量，也大于第三无人机的投放数量。

从二维地图数据中获取城市街道信息，按照各街道对城市进行区域划分，第一无人机在各个区域的第一预设高度位置拍摄建筑群图像，通过轮廓识别，获取各建筑物的外轮廓，将各建筑物的外轮廓与所述二维地图数据中对应的占地外轮廓进行比对，从而判断该建筑物群是否与二维地图数据匹配，从而执行上述步骤202或203。所述二维地图数据可以是由相应的第三方平台提供得到，或预先通过高空拍照等形式获取的到的历史二维地图数据。

本实施例方式通过第一无人机、第二无人机和第三无人机进行协作，从而使针对不同建筑物使用不同距离的雷达的无人机进行探测，从而避免资源浪费，降低环境点云数据扫描的成本。

其中，所述第三无人机对所述标志性建筑物进行扫描得到所述标志性建筑物的点云数据，具体包括：所述第三无人机对所述标志性建筑物的各个侧面进行扫描，得到对应侧面的点云数据；根据标志性建筑物各侧面的点云数据，生成标志性建筑物的点云数据。除建筑物的顶面和底面以外的各个面均为建筑物的侧面。

在实际情况中，所述环境点云数据主要用于生成三维地图，其通常所需要的是建筑物的大致轮廓，而无需建筑物的细节呈现，而在城市中，大多数建筑均较规整，即基于有棱角的矩形结构设计，基于此情况，通过对城市建筑物的各结构特性进行分析，并结合上述实施方式，本实施例还提供了以下优选的实施方式，即所述第三无人机对所述标志性建筑物的各个侧面进行扫描，得到对应侧面的点云数据，如图2所示，具体包括：

在步骤301中，所述第三无人机对所述标志性建筑物的对应侧面进行竖直方向的线性扫描，得到该侧面的竖直点云数据；如图3所示。

在步骤302中，根据所述竖直点云数据判断所述侧面是否规整。

在步骤303中，若判断得到所述侧面规整，则使用所述竖直点云数据进行水平方向的扩展填充得到该侧面的点云数据。

在步骤304中，若判断得到所述侧面不规整，则使用第二无人机进行扫描，得到该建筑物的点云数据。

所述竖直方向的线性扫描可以是对侧面的一个竖直位置，进行由上到下或由下到上的扫描，其仅对侧面的局部进行扫描，而不扫描侧面整体，当侧面规整时，直接使用竖直点云数据进行填充可避免对整个侧面进行扫描，从而能够快速得到建筑物的大致轮廓，大幅度提高点云数据扫描的效率。

其中，所述使用所述竖直点云数据进行水平方向的扩展填充得到该侧面的点云数据并非指代直接使用相应的点云数据进行复制填充得到，而是根据竖直点云数据所对应的各探测位置，沿侧面所在方向进行水平方向的扩展，从而生成对应其他探测位置的点云数据，这些其他探测位置的点云数据与竖直点云数据共同构成该侧面的点云数据。

举例而言，以图3所示，若探测得到竖直点云数据中的其中一个探测位置的坐标为（20，30，z₀），而根据该建筑物的占地外轮廓可知该侧面在二维地面映射所得线段得起点和终端分别为（10，30，0）和（40，30，0），则使用该探测位置以10步进为单位进行水平方向的扩展填充可额外得到（10，30，z₀）、（30，30，z₀）、（40，30，z₀）等探测位置，依据此原理，从而能够得到该侧面的所有探测位置，进而得到对应的点云数据。

所述根据所述竖直点云数据判断所述侧面是否规整，具体包括：以雷达探测方向作为坐标系平面，形成二维坐标系；其中，所述二维坐标系的横轴为雷达探测方向在二维地面的映射，所述二维坐标系的纵轴为雷达探测方向在竖直方向上的映射；所述竖直点云数据中的各探测位置表现为在所述二维坐标系中分布的坐标点；分析各探测位置的横坐标X，找到聚集有最多探测位置的目标横坐标值x₀；计算各探测位置的横坐标X与目标横坐标值x₀之间的第一差值，将各探测位置所对应第一差值的平方相加得到第一平方和，以所述第一平方和除以探测位置的数量，得到竖直规整度；若所述竖直规整度不大于第一预设规整度，则判断得到所述侧面规整；否则，判断得到所述侧面不规整。

所述分析各探测位置的横坐标X，找到聚集有最多探测位置的目标横坐标值x₀可以是以相应探测位置为基准，在横坐标上距离该基准位置不超出预设距离的探测位置的数量即为该探测位置的聚集度；聚集度最高的探测位置所对应的横坐标即为目标横坐标值x₀。其中，所述预设距离由本领域技术人员根据建筑物特性和经验分析得到。

作为进一步优选的实施方式，还可由本领域技术人员设置相应的预设数量占比，若聚集在目标横坐标值x₀的探测位置在所有探测位置中的数量占比小于预设数量占比，则认为各探测位置不存在明显的聚集现象，所述侧面不规整。

在上述实施方式中，仅通过竖直点云数据进行建筑物是否规整的判断，还可能存在一定的误差，为了使判断更精准，本实施例还结合水平点云数据进行判断，从而提供了以下优选的实施方式，即所述根据所述竖直点云数据判断所述侧面是否规整，如图4所示，具体包括：

在步骤401中，以雷达探测方向作为坐标系平面，形成二维坐标系；其中，所述二维坐标系的横轴为雷达探测方向在二维地面的映射，所述二维坐标系的纵轴为雷达探测方向在竖直方向上的映射；即以图3中的x轴为横轴，y轴为纵轴，所述竖直点云数据中的各探测位置表现为在所述二维坐标系中分布的坐标点。

在步骤402中，分析各探测位置的横坐标X，找到聚集有最多探测位置的目标横坐标值x₀。

在步骤403中，计算各探测位置的横坐标X与目标横坐标值x₀之间的第一差值，将各探测位置所对应第一差值的平方相加得到第一平方和，以所述第一平方和除以探测位置的数量，得到竖直规整度。

在步骤404中，若所述竖直规整度不大于第一预设规整度，则判断得到所述侧面规整；若所述竖直规整度大于第一预设规整度，且小于第二预设规整度，则根据所述竖直点云数据无法判断得到所述侧面是否规整；否则，判断得到所述侧面不规整。其中，所述第一预设规整度和第二预设规整度均是由本领域技术人员根据城市建筑物的特性和经验分析得到的。

所述竖直规整度以公式的形式表现为：

其中，Sx为竖直规整度，X为相应探测位置的横坐标，x₀为目标横坐标值，

为探测位置的数量。

以第三无人机在相应建筑物侧面进行竖直方向的线性扫描得到的各探测位置如图5举例而言，可以看到，h7~h8之间的探测位置聚集分布于d1位置，h6~h7、h4~h5、h2~h3和h0~h1之间的探测位置聚集分布于d2位置，h3~h4和h1~h2之间的探测位置聚集分布于d3位置，而d2位置的探测位置数量最多，故图5所对应的目标横坐标值x₀为d3，该位置可认为是建筑物的墙体或支撑结构所在位置。而竖直规整度的计算则是计算各探测位置在横轴上相对目标横坐标值x₀的离散程度，即相对建筑物的墙体或支撑结构所在位置的离散程度，根据该离散程度判断建筑物的规整程度。

在上述优选的实施方式中，如图6所示，所述方法还包括：

在步骤501中，若根据所述竖直点云数据无法判断得到所述侧面是否规整，则所述第三无人机对所述标志性建筑物的对应侧面进行水平方向的线性扫描，得到该侧面的水平点云数据，根据所述水平点云数据判断所述侧面是否规整。所述水平方向的线性扫描可以是对侧面的一个水平位置，进行由左到右或由右到左的扫描，其仅对侧面的局部进行扫描，而不扫描侧面整体。

在步骤502中，若判断得到所述侧面规整，则使用所述水平点云数据进行竖直方向的扩展填充得到该侧面的点云数据。

在步骤503中，若判断得到所述侧面不规整，则使用第二无人机进行扫描，得到该建筑物的点云数据。

其中，当判断得到建筑物的一个侧面不规整时，可认为该建筑物可能存在拆建的风险，其他侧面不规整的可能性同样较大，故将该建筑物从标志性建筑物行列剔除，将其作为其他建筑物交由第二无人机进行扫描。所述使用所述水平点云数据进行竖直方向的扩展填充得到该侧面的点云数据并非指代直接使用相应的点云数据进行复制填充得到，而是根据水平点云数据所对应的各探测位置，沿侧面所在方向进行竖直方向的扩展，从而生成对应其他探测位置的点云数据，这些其他探测位置的点云数据与水平点云数据共同构成该侧面的点云数据。其具体的实现思路与使用竖直点云数据进行水平方向的扩展填充基于同一构思实现，在此不加以赘述。

在实际使用中，还可结合水平点云数据和竖直点云数据，进行二维扩展填充，以得到更高细节的侧面点云数据。

本实施方式通过竖直的线性扫描和水平的线性扫描相结合，从而能够对侧面是否规整有一个更加精准的判断，从而选择进行点云数据的填充，或交由第二无人机进行扫描。

其中，所述根据所述水平点云数据判断所述侧面是否规整，如图7所示，具体包括：

在步骤601中，以雷达探测方向作为坐标系平面，形成二维坐标系；其中，所述二维坐标系的纵轴为雷达探测方向在雷达探测深度方向上的映射，所述二维坐标系的横轴为雷达探测方向在所述雷达探测深度方向的垂直平面上的映射，即以图8中的y轴为纵轴，x轴为横轴；所述水平点云数据中的各探测位置表现为在所述二维坐标系中分布的坐标点。

在步骤602中，分析各探测位置的纵坐标Y，找到聚集有最多探测位置的目标纵坐标值y₀；其实现方法与上述找到聚集有最多探测位置的目标横坐标值x₀基于同一构思，在此不再赘述。

在步骤603中，计算各探测位置的纵坐标Y与目标纵坐标值y₀之间的第二差值，将各探测位置所对应第二差值的平方相加得到第二平方和，以所述第二平方和除以探测位置的数量，得到水平规整度。

在步骤604中，若所述水平规整度不大于第三预设规整度，则判断得到所述侧面规整；若所述水平规整度大于第三预设规整度；否则，判断得到所述侧面不规整。所述第三预设规整度是由本领域技术人员根据城市建筑物的特性和经验分析得到的。

所述水平规整度以公式的形式表现为：

其中，Sy为水平规整度，Y为相应探测位置的纵坐标，y₀为目标纵坐标值，

为探测位置的数量。

以第三无人机在相应建筑物侧面进行水平方向的线性扫描得到的各探测位置如图9举例而言，可以看到，d1~d2、d3~d4、d5~d6和d7~d8之间的探测位置聚集分布于h2位置，d0~d1、d2~d3、d4~d5和d6~d7之间的探测位置聚集分布于h1位置，而h1位置的探测位置数量最多，故图9所对应的目标横坐标值y₀为h1，该目标横坐标值y₀可认为是建筑物水平方向的支撑结构所在位置，水平规整度的计算则是计算各探测位置在纵轴上相对目标纵坐标值y₀的离散程度，根据该离散程度判断建筑物的规整程度。

下面将以具体的场景进行对上述各实施方式进行说明，若某一建筑物呈现为一个规整的长方体，第三无人机在该建筑物侧面进行竖直方向的扫描时，其扫描得到的各位置应当在一条竖直的直线上，同样的，第三无人机在建筑物侧面进行水平方向的扫描时，其扫描得到的各位置应当在一条水平的直线上。

而在实际的应用场景下，建筑物外壁通常还设置有窗户、阳台和装饰线等等，在现代的高层建筑中，为了便于设计和施工，各楼层的结构通常是重复的，即每一层的窗户、阳台等基本处于同一竖直线上，且出于建筑的安全性考虑，这些通常都设置为与墙体在同一竖直线上，或与建筑物墙体或支撑结构保持在一定的距离范围内，即在对这种建筑物侧面进行竖直方向的扫描时，各探测位置的横坐标X与目标横坐标值x₀之间的距离在一定范围内，对于各探测位置整体而言，则表现为相对目标横坐标值x₀的离散程度，从而能够根据该离散程度判断建筑物侧面是否规整。

而在一些情况下，而当建筑物的阳台完全处于开放状态或窗户处于打开状态，当无人机通过雷达对这些位置进行探测时，所得到的探测位置可能相对距离目标横坐标值x₀产生较大的偏差，又或者由于室内结构、装饰和家居等因素的影响，无人机可能无法得到准确探测数据，这些都会使得各探测位置整体相对目标横坐标x₀的离散程度变大，对建筑物侧面规整度的判断产生影响，故而在本实施例中，通过设置两个阈值进行判断，当竖直规整度不大于第一预设规整度时，认为这些探测位置都是建筑物的正常结构，不存在对建筑物额外的拆建行为；当竖直规整度大于第二规整度时，则认为离散程度已超出建筑物正常结构的浮动允许范围，则认为建筑物可能可能存在拆建，导致其不规整，故转而使用第二无人机对其进行全面的扫描。

而当竖直规整度大于第一预设规整度且小于第二预设规整度时，则认为这些探测位置可能是建筑物的正常结构，但受到开窗等因素的影响导致产生竖直规整度出现较大的离散，也可能是由于对建筑物额外的拆建行为所引起，故而无法判断，需进一步通过水平方向的线性扫描进行判断。

在对水平方向进行扫描时，其同样通过各探测位置相对目标纵坐标值y₀的离散程度进行建筑物规整度的计算，从而判断建筑物是否规整。

作为一种优选的实施方式，在确定需进行水平方向的扫描后，还通过竖直扫描所得的结果，确定水平扫描的高度，即所述第三无人机对所述标志性建筑物的对应侧面进行水平方向的线性扫描，具体包括：

以聚集于目标横坐标x₀的探测位置在所述侧面所对应的高度作为所述第三无人机的扫描高度；所述第三无人机对所述侧面的该扫描高度位置进行水平方向的线性扫描。其中，聚集于目标横坐标x₀的探测位置存在多个，可选择其中的任意一个所对应的高度作为扫描高度，也可在聚集于目标横坐标x₀的多个探测位置中，选择最靠近所述侧面中心高度的一个探测位置，以该探测位置的高度作为扫描高度。

由于在实际的应用场景中，墙体或支撑结构通常会占用更多的建筑空间，故通过竖直扫描先确定墙体或支撑结构所在位置，再在水平扫描时，以该位置为扫描交叉点进行水平扫描，能够确定建筑物侧面相对更加具有代表性的位置，对该位置进行水平扫描，使水平扫描所得点云数据具有更高的参考价值，对建筑物侧面是否规整的判定更加准确，且若判断得到侧面规整时，用于填充的点云数据也更符合建筑物侧面的结构特性，从而更大程度还原建筑物轮廓。

在进行水平方向的线性扫描后，若存在扫描位置超出对应标志性建筑物侧面的部分，则将其所扫描得到的超出对应标志性建筑物侧面的部分点云数据传输给管理平台，管理平台对其进行解析并用于对周边建筑物的扫描时的点云数据的补充，使在对周边建筑物进行扫描时，跳过这些点云数据所对应的探测位置，而是直接使用这些点云数据。

在具体的应用场景中，在相应第二无人机或第三无人机对相应建筑物或景观进行扫描之前，还需到达建筑物或景观所在地点，结合上述实施例，还存在以下可选的实施方式，即在所述第三无人机对所述标志性建筑物的各个侧面进行扫描前，所述方法还包括：

管理平台从所述二维地图数据中找到所述标志性建筑物的占地外轮廓和周边建筑物的占地外轮廓；根据所述标志性建筑物的占地外轮廓，确定所述标志性建筑物所需进行扫描的各个侧面；根据所述标志性建筑物所需进行扫描的各个侧面，和位于所述侧面所在方向的周边建筑物的占地外轮廓，为所述第三无人机指定扫描地点，以便于所述第三无人机到达所述扫描地点，对所述标志性建筑物的对应侧面进行扫描得到所述标志性建筑物对应侧面的点云数据。在此需要说明的是，所述扫描地点是指二维的位置信息，不包含第三无人机进行扫描时的高度位置。其所指定的扫描地点通常为标志性建筑物的对应侧面与侧面所在方向的周边建筑物之间的间隙位置。

对于第二无人机，其可同样由管理平台分析对应建筑物的占地外轮廓和周边建筑物的占地外轮廓，并据此指定相应扫描位置，由于第二无人机的探测距离相对较短，其在扫描过程中可能需要进行扫描位置的调整，故也可据此为其提供扫描路线。

由于根据二维地图数据，无法确定标志性建筑物的高度，故所述第三无人机在对所述标志性建筑物侧面进行扫描时，可先通过大致的扫描确定标志性建筑物的高度，从而根据所述建筑物高度确定得到最合适的高度位置，在高度位置进行扫描，结合上述各实施方式，存在以下可选的实施方式，即所述第三无人机对所述标志性建筑物的对应侧面进行竖直方向的线性扫描，得到该侧面的竖直点云数据，具体包括：

所述第三无人机在扫描地点的第二预设高度位置对所述侧面进行竖直方向上的稀疏的线性扫描，得到疏点云数据，根据所述疏点云数据，确定所述侧面的高度。

根据所述侧面的高度，确定无人机在进行后续扫描时所对应的高度位置，在所述扫描地点的高度位置进行密集的线性扫描，得到密点云数据，且在扫描时，跳过疏点云数据所对应的各探测位置，所述疏点云数据和密点云数据共同组成所述竖直点云数据。

其中，所述确定所述标志性建筑物所需进行扫描的各个侧面，具体包括：当标志性建筑物的相应侧面在对应占地外轮廓中对应映射长度不小于预设长度时，认为该侧面面积足够大，确定该侧面为需进行扫描的侧面。当标志性建筑物的相应侧面在占地外轮廓中对应映射长度小于预设长度，则该侧面不属于需进行扫描的侧面，直接使用与其形成凸直角的邻边所对应侧面的高度作为该侧面的高度，生成对应的点云数据。

还存在一种优选的实施方式，即当标志性建筑物的相应侧面在占地外轮廓中对应映射长度小于预设长度，且所述侧面具有唯一相邻且形成凸直角的邻边，则所述侧面不属于需进行扫描的侧面，使用邻边所对应侧面的高度作为该侧面的高度，直接填充竖直点云数据；若所述侧面具有多条相邻且形成凸直角的邻边，则将所述侧面作为暂定扫描侧面，在其他侧面扫描得到点云数据结束后，若确定其多条邻边的高度一致，则直接填充竖直点云数据，否则，对其进行扫描，得到对应的点云数据。所述预设长度由本领域技术人员根据经验分析得到。当侧面的映射长度小于预设长度时，则认为该侧面足够小，且通常为装饰性侧面、棱边或凸出性主体的侧面，如凸出阳台的侧面等，使用其对应主体的点云数据作为该侧面的点云数据。

实施例2:

在实施例1的基础上，本实施例还提供了一种环境点云数据扫描系统，如图10所示，包括第一无人机、第二无人机、第三无人机和管理平台。

第一无人机用于在空中第一预设高度位置拍摄第一区域内的建筑群图像，将所述建筑群图像发送给管理平台；所述管理平台用于将所述建筑群图像与第一区域的二维地图数据相比对，判断该建筑群图像是否与二维地图数据相匹配；若所述建筑群与所述二维地图数据相匹配，则根据所述二维地图数据识别第一区域内的标志性建筑物将标志性建筑物划分给所述第三无人机，将所述第一区域内的其他建筑物或景观划分给第二无人机；所述第三无人机用于对所述标志性建筑物进行扫描得到所述标志性建筑物的点云数据；所述第二无人机用于对所述第一区域内的其他建筑物或景观进行扫描得到对应的点云数据，从而得到所述第一区域的完整点云数据。

在此需要说明的是，实施例1中所述的方法在本实施例中均适用，在此不加以赘述。

实施例3:

如图11所示，是本发明实施例的环境点云数据扫描装置的架构示意图。本实施例的环境点云数据扫描装置包括一个或多个处理器21以及存储器22。其中，图11中以一个处理器21为例。

处理器21和存储器22可以通过总线或者其他方式连接，图11中以通过总线连接为例。

存储器22作为一种非易失性计算机可读存储介质，可用于存储非易失性软件程序和非易失性计算机可执行程序，如实施例1中的环境点云数据扫描方法。处理器21通过运行存储在存储器22中的非易失性软件程序和指令，从而执行环境点云数据扫描方法。

存储器22可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实施例中，存储器22可选包括相对于处理器21远程设置的存储器，这些远程存储器可以通过网络连接至处理器21。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。

所述程序指令/模块存储在所述存储器22中，当被所述一个或者多个处理器21执行时，执行上述实施例1中的环境点云数据扫描方法。

值得说明的是，上述装置和系统内的模块、单元之间的信息交互、执行过程等内容，由于与本发明的处理方法实施例基于同一构思，具体内容可参见本发明方法实施例中的叙述，此处不再赘述。

本领域普通技术人员可以理解实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序可以存储于一计算机可读存储介质中，存储介质可以包括：只读存储器（ROM，Read Only Memory）、随机存取存储器（RAM，Random AccessMemory）、磁盘或光盘等。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种环境点云数据扫描方法，其特征在于，使用第一无人机、第二无人机和第三无人机协作进行扫描，其中，所述第一无人机配置有摄像头，所述第二无人机配置有用于短距离探测的雷达，所述第三无人机配置有用于长距离探测的雷达，所述方法包括：

使用第一无人机在空中第一预设高度位置拍摄第一区域的建筑群图像，将所述建筑群图像发送给管理平台，管理平台将所述建筑群图像与第一区域的二维地图数据相比对，判断所述建筑群图像是否与二维地图数据相匹配；

若所述建筑群图像与所述二维地图数据相匹配，则根据所述二维地图数据识别所述第一区域内的标志性建筑物；将所述标志性建筑物划分给所述第三无人机，由所述第三无人机对所述标志性建筑物进行扫描得到所述标志性建筑物的点云数据；将所述第一区域中的其他建筑物划分给第二无人机，由所述第二无人机对其他建筑物进行扫描得到对应的点云数据，从而得到第一区域的整体点云数据。

2.根据权利要求1所述的环境点云数据扫描方法，其特征在于，所述第三无人机对所述标志性建筑物进行扫描得到所述标志性建筑物的点云数据，具体包括：

所述第三无人机对所述标志性建筑物的各个侧面进行扫描，得到对应侧面的点云数据；根据标志性建筑物各侧面的点云数据，生成标志性建筑物的点云数据；

其中，所述第三无人机对所述标志性建筑物的各个侧面进行扫描，得到对应侧面的点云数据，具体包括：

所述第三无人机对所述标志性建筑物的对应侧面进行竖直方向的线性扫描，得到该侧面的竖直点云数据；

根据所述竖直点云数据判断所述侧面是否规整；

若判断得到所述侧面规整，则使用所述竖直点云数据进行水平方向的扩展填充得到该侧面的点云数据；

若判断得到所述侧面不规整，则使用第二无人机进行扫描，得到该建筑物的点云数据。

3.根据权利要求2所述的环境点云数据扫描方法，其特征在于，在所述第三无人机对所述标志性建筑物的各个侧面进行扫描前，所述方法还包括：

管理平台从所述二维地图数据中找到所述标志性建筑物的占地外轮廓和周边建筑物的占地外轮廓；

根据所述标志性建筑物的占地外轮廓，确定所述标志性建筑物所需进行扫描的各个侧面；

根据所述标志性建筑物所需进行扫描的各个侧面，和位于所述侧面所在方向的周边建筑物的占地外轮廓，为所述第三无人机指定扫描地点，以便于所述第三无人机到达所述扫描地点，对所述标志性建筑物的对应侧面进行扫描得到所述标志性建筑物对应侧面的点云数据。

4.根据权利要求2所述的环境点云数据扫描方法，其特征在于，所述方法还包括：

若根据所述竖直点云数据无法判断得到所述侧面是否规整，则所述第三无人机对所述标志性建筑物的对应侧面进行水平方向的线性扫描，得到该侧面的水平点云数据，根据所述水平点云数据判断所述侧面是否规整；

若判断得到所述侧面规整，则使用所述水平点云数据进行竖直方向的扩展填充得到该侧面的点云数据；

若判断得到所述侧面不规整，则使用第二无人机进行扫描，得到该建筑物的点云数据。

5.根据权利要求4所述的环境点云数据扫描方法，其特征在于，所述根据所述竖直点云数据判断所述侧面是否规整，具体包括：

以雷达探测方向作为坐标系平面，形成二维坐标系；其中，所述二维坐标系的横轴为雷达探测方向在二维地面的映射，所述二维坐标系的纵轴为雷达探测方向在竖直方向上的映射；所述竖直点云数据中的各探测位置表现为在所述二维坐标系中分布的坐标点；

分析各探测位置的横坐标X，找到聚集有最多探测位置的目标横坐标值x₀；

计算各探测位置的横坐标X与目标横坐标值x₀之间的第一差值，将各探测位置所对应第一差值的平方相加得到第一平方和，以所述第一平方和除以探测位置的数量，得到竖直规整度；

若所述竖直规整度不大于第一预设规整度，则判断得到所述侧面规整；若所述竖直规整度大于第一预设规整度，且小于第二预设规整度，则根据所述竖直点云数据无法判断得到所述侧面是否规整；否则，判断得到所述侧面不规整。

6.根据权利要求5所述的环境点云数据扫描方法，其特征在于，所述第三无人机对所述标志性建筑物的对应侧面进行水平方向的线性扫描，具体包括：

以聚集于目标横坐标x₀的探测位置在所述侧面所对应的高度作为所述第三无人机的扫描高度；

所述第三无人机对所述侧面的该扫描高度位置进行水平方向的线性扫描。

7.根据权利要求4所述的环境点云数据扫描方法，其特征在于，所述根据所述水平点云数据判断所述侧面是否规整，具体包括：

以雷达探测方向作为坐标系平面，形成二维坐标系；其中，所述二维坐标系的纵轴为雷达探测方向在雷达探测深度方向上的映射，所述二维坐标系的横轴为雷达探测方向在所述雷达探测深度方向的垂直平面上的映射；所述水平点云数据中的各探测位置表现为在所述二维坐标系中分布的坐标点；

分析各探测位置的纵坐标Y，找到聚集有最多探测位置的目标纵坐标值y₀；

计算各探测位置的纵坐标Y与目标纵坐标值y₀之间的第二差值，将各探测位置所对应第二差值的平方相加得到第二平方和，以所述第二平方和除以探测位置的数量，得到水平规整度；

若所述水平规整度不大于第三预设规整度，则判断得到所述侧面规整；若所述水平规整度大于第三预设规整度；否则，判断得到所述侧面不规整。

8.根据权利要求1所述的环境点云数据扫描方法，其特征在于，所述根据所述二维地图数据识别第一区域内的标志性建筑物，具体包括：

若第一区域中，存在多个具有相同占地外轮廓的第一建筑物，且第一建筑物的数量超出预设数量，则将第一建筑物作为标志性建筑物；

和/或将第一区域中单个建筑物占地面积超出预设面积的建筑物作为标志性建筑物。

9.根据权利要求1所述的环境点云数据扫描方法，其特征在于，所述方法还包括：

若所述建筑群与所述二维地图数据不匹配，则由所述第二无人机对所述第一区域内的各建筑物进行扫描得到对应的点云数据。

10.一种环境点云数据扫描系统，其特征在于，包括第一无人机、第二无人机、第三无人机和管理平台；

第一无人机用于在空中第一预设高度位置拍摄第一区域内的建筑群图像，将所述建筑群图像发送给管理平台；

所述管理平台用于将所述建筑群图像与第一区域的二维地图数据相比对，判断该建筑群图像是否与二维地图数据相匹配；

若所述建筑群与所述二维地图数据相匹配，则根据所述二维地图数据识别第一区域内的标志性建筑物将标志性建筑物划分给所述第三无人机，将所述第一区域内的其他建筑物或景观划分给第二无人机；

所述第二无人机用于对所述第一区域内的其他建筑物或景观进行扫描得到对应的点云数据，从而得到所述第一区域的完整点云数据；

所述第三无人机用于对所述标志性建筑物进行扫描得到所述标志性建筑物的点云数据。

Images