CN116385571B - 一种基于多维化动态可变分辨率的点云压缩方法及系统 - Google Patents

一种基于多维化动态可变分辨率的点云压缩方法及系统 Download PDF

Info

Publication number
CN116385571B
CN116385571B CN202310635548.2A CN202310635548A CN116385571B CN 116385571 B CN116385571 B CN 116385571B CN 202310635548 A CN202310635548 A CN 202310635548A CN 116385571 B CN116385571 B CN 116385571B
Authority
CN
China
Prior art keywords
point cloud
data
cloud data
dadian
lei
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
Application number
CN202310635548.2A
Other languages
English (en)
Other versions
CN116385571A (zh
Inventor
谭明旭
赵文杰
王圣伟
刘欢迎
尹永强
张玉河
董毅
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
SHANDONG MATRIX SOFTWARE ENGINEERING CO LTD
Original Assignee
SHANDONG MATRIX SOFTWARE ENGINEERING CO LTD
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by SHANDONG MATRIX SOFTWARE ENGINEERING CO LTD filed Critical SHANDONG MATRIX SOFTWARE ENGINEERING CO LTD
Priority to CN202310635548.2A priority Critical patent/CN116385571B/zh
Publication of CN116385571A publication Critical patent/CN116385571A/zh
Application granted granted Critical
Publication of CN116385571B publication Critical patent/CN116385571B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T9/00—Image coding
    • G06T9/001—Model-based coding, e.g. wire frame
    • 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
    • G06T7/75—Determining position or orientation of objects or cameras using feature-based methods involving models
    • 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
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Radar Systems Or Details Thereof (AREA)
  • Image Processing (AREA)

Abstract

本发明涉及点云数据压缩技术领域，尤其是涉及一种基于多维化动态可变分辨率的点云压缩方法及系统。所述方法包括：获取雷达点云数据，设定目标点云的有效区域；分析有效区域内雷达点云数据的数据量和分布状态；根据雷达点云数据的数据量和分布状态确定对雷达点云数据进行压缩的方法；本发明是一种使用多维化数据空间技术进行点云数据动态压缩、存储的方法。通过该方法不但可以有效减少点云数据的整体体积，而且可以动态的为热点区域保存更高的点云分辨率和更清晰的几何信息。从而在保持点云数据整体量较小的前提下，更高效的传输有效信息。

Description

一种基于多维化动态可变分辨率的点云压缩方法及系统
技术领域
本发明涉及点云数据压缩技术领域，尤其是涉及一种基于多维化动态可变分辨率的点云压缩方法及系统。
背景技术
传统的点云数据使用x、y、z三组float类型的坐标数据标定每一个点在空间中的位置。当点的数量较多而空间范围有限时，这样的方法会造成大量存储空间的浪费，进而拖慢数据读取、传输和处理的速度，造成IO环节的阻塞，拖慢系统的整体反应速度。
为解决这一问题，就需要控制点云数据的处理数量。通常的做法是，通过过滤方法或者降采样算法，来减少单位空间内的点云的总体数量。但是这些方法都不可避免的降低了点云的精度与丰度，会影响最终的展示效果或精密计算的准确性（如目标体积计算、模型识别的匹配得分等）。
由此可见，点云数据的过滤和降采样过程应该尽可能的避开一些敏感信息区域，以便最大程度上保留这些区域中的有效信息，而对非关键区域则需要在保持目标完整性的同时尽可能提升数据压缩比，因此亟需一种基于多维化动态可变分辨率的点云压缩方法及系统。
发明内容
为了解决上述提到的问题，本发明提供一种基于多维化动态可变分辨率的点云压缩方法及系统。
第一方面，本发明提供的一种基于多维化动态可变分辨率的点云压缩方法，采用如下的技术方案：
一种基于多维化动态可变分辨率的点云压缩方法，包括：
获取雷达点云数据，设定目标点云的有效区域；
分析有效区域内雷达点云数据的数据量和分布状态；
根据雷达点云数据的数据量和分布状态确定对雷达点云数据进行压缩的方法；其中，当有效区域内雷达点云数据的数据量大、分布均匀，采用多维数据空间标识法对点云数据进行压缩；反之，通过将雷达点云数据的点云坐标转化为正整数进行存储。
进一步地，所述获取雷达点云数据，设定目标点云的有效区域，包括在获取的雷达点云数据中找到目标物的点云数据，根据目标物的点云数据设定目标点云的有效区域。
进一步地，所述分析有效区域内雷达点云数据的数据量和分布状态，包括统计有效区域内单位空间的雷达点云数据的点运输量和点云密度。
进一步地，所述采用多维数据空间标识法对点云数据进行压缩，包括为目标点云设置点云状态，并输出二进制标识数据文件，判断二进制标识数据文件中是否存在关键信息区域，并进行关键信息区域标识。
进一步地，所述采用多维数据空间标识法对点云数据进行压缩，还包括为关键信息区域内的点云坐标创建低维度数据空间，得到刻度更小的点云数据坐标集。
进一步地，所述通过将雷达点云数据的点云坐标转化为正整数进行存储，包括使用一组或者多组坐标范围对有效区域内的目标点云进行二次标定，得到关键信息区域。
进一步地，所述通过将雷达点云数据的点云坐标转化为正整数进行存储，还包括将关键信息区域的点云坐标起始值设为0，并对点云坐标进行放大处理，从而将点云坐标转化为正整数，并选择适合的坐标范围存储点云坐标。
第二方面，一种基于多维化动态可变分辨率的点云压缩系统，包括：
数据获取模块，被配置为，获取雷达点云数据，设定目标点云的有效区域；
分析模块，被配置为，分析有效区域内雷达点云数据的数据量和分布状态；
压缩模块，被配置为，根据雷达点云数据的数据量和分布状态确定对雷达点云数据进行压缩的方法；其中，当有效区域内雷达点云数据的数据量大、分布均匀，采用多维数据空间标识法对点云数据进行压缩；反之，通过将雷达点云数据的点云坐标转化为正整数进行存储。
第三方面，本发明提供一种计算机可读存储介质，其中存储有多条指令，所述指令适于由终端设备的处理器加载并执行所述的一种基于多维化动态可变分辨率的点云压缩方法。
第四方面，本发明提供一种终端设备，包括处理器和计算机可读存储介质，处理器用于实现各指令；计算机可读存储介质用于存储多条指令，所述指令适于由处理器加载并执行所述的一种基于多维化动态可变分辨率的点云压缩方法。
综上所述，本发明具有如下的有益技术效果：
本发明是一种使用多维化数据空间技术进行点云数据动态压缩、存储的方法。通过该方法不但可以有效减少点云数据的整体体积，而且可以动态的为热点区域保存更高的点云分辨率和更清晰的几何信息。从而在保持点云数据整体量较小的前提下，更高效的传输有效信息。
附图说明
图1是本发明实施例1的一种基于多维化动态可变分辨率的点云压缩方法的示意图。
具体实施方式
以下结合附图对本发明作进一步详细说明。
实施例1
参照图1，本实施例的一种基于多维化动态可变分辨率的点云压缩方法，包括：
获取雷达点云数据，设定目标点云的有效区域；
分析有效区域内雷达点云数据的数据量和分布状态；
根据雷达点云数据的数据量和分布状态确定对雷达点云数据进行压缩的方法；其中，当有效区域内雷达点云数据的数据量大、分布均匀，采用多维数据空间标识法对点云数据进行压缩；反之，通过将雷达点云数据的点云坐标转化为正整数进行存储。
所述获取雷达点云数据，设定目标点云的有效区域，包括在获取的雷达点云数据中找到目标物的点云数据，根据目标物的点云数据设定目标点云的有效区域。
所述分析有效区域内雷达点云数据的数据量和分布状态，包括
将目标空间区域划分为几组，在每组范围内每存在一组点云坐标，即存在一个点云数据。分别统计这些点云数据的数量，便可以知道点云数据分布是否均匀。或者利用PCL类库中的相关算法，也可以实现。如果密度不均匀，即有的地方密集，有的地方稀疏，甚至有的地方还存在点云空洞，这就说明点云的分布不均匀。
所述采用多维数据空间标识法对点云数据进行压缩，包括为目标点云设置点云状态，并输出二进制标识数据文件，判断二进制标识数据文件中是否存在关键信息区域，并进行关键信息区域标识。
所述采用多维数据空间标识法对点云数据进行压缩，还包括为关键信息区域内的点云坐标创建低维度数据空间，得到刻度更小的点云数据坐标集，在更低维度的数据空间内使用密度更高的点云数据记录这些关键信息区域的点云数据。比如存在一个3*3*3的关键信息区域，如果默认刻度为1，则只能记录27个点的坐标。而为这个区域创建一个新的三维空间坐标系后，使用该坐标系便可以设定更小的刻度来记录该区域内的点云状态，比如30*30*30，则可以记录的点云数据的数量则变为27000。这些精度更高的点云数据可以使用更长的比特位予以存储，并存储于压缩文件的其他数据段内（在压缩文件头文件中予以标识，如普通数据的长度是多少，每个数据多少比特位，高精度数据的长度是多少，比特位是多少等等）。
所述通过将雷达点云数据的点云坐标转化为正整数进行存储，包括使用一组或者多组坐标范围对有效区域内的目标点云进行二次标定，得到关键信息区域。
所述通过将雷达点云数据的点云坐标转化为正整数进行存储，还包括将关键信息区域的点云坐标起始值设为0，并对点云坐标进行放大处理，从而将点云坐标转化为正整数，并选择适合的坐标范围存储点云坐标。
具体为：
本实施例的一种基于多维化动态可变分辨率的点云压缩方法，包括：
本实施例的方法首先需要标定点云数据所存在的空间区域，即最大和最小的x、y、z取值范围。然后选择合适的空间刻度，比如1cm，则每间隔至少1cm的空间距离，便可能存在一个点云数据。
设目标物的空间几何形状为长方体，分别使用minx_x、max_x、min_y、max_y、min_z、max_z记录点云集的起始和结束位置。然后根据点云的密度和精度要求设定合适的空间刻度，和高分辨率的热点区域。
步骤1.获取雷达点云数据，设定目标点云的有效区域；读取点云数据文件，设定目标点云的有效区域范围，并记录相应的坐标区域。分析区域内点云的数据量、分布状态，并加载所设定的精度要求，以及关键信息区域的相关设置等信息。
其中，设定目标几何体在多维数据空间中的存在区域，根据点云的数量和精度要求设置多维数据空间的空间刻度，如设置为1cm，则数据空间内的每个数据的最小间隔就为1cm。
步骤2.分析有效区域内雷达点云数据的数据量和分布状态；其中，将目标空间区域划分为几组，在每组范围内每存在一组点云坐标，即存在一个点云数据。分别统计这些点云数据的数量，便可以知道点云数据分布是否均匀。当不同单位空间内点云数量相差大于30%，则认为点云分布不均匀；当单位空间内点云数量不少于1000个，则认为数据量大。
如果点云数据分布较为均匀、数据量较大、密度较高，则使用多维数据空间标识法对点云数据进行压缩，并进入步骤3；否则进入步骤6。
其中，根据雷达点云数据的数据量和分布状态确定对雷达点云数据进行压缩的方法；其中，当有效区域内雷达点云数据的数据量大、分布均匀，采用多维数据空间标识法对点云数据进行压缩；反之，通过将雷达点云数据的点云坐标转化为正整数进行存储。
步骤3.使用选定的刻度为最小数据粒度，为每一个空间内的坐标位设置点云状态，如存在设为1，如不存在则设为0。完成后导出完整的二进制标识数据文件。
其中，根据目标内点云的数量选择一种合适的动态压缩算法，如果点云数据较多，分布较为均衡，则选择空间标识法，即以多维数据空间内每一个存在的坐标占用1bit的数据位。如果该坐标上存在点云数据则设置为1，否则设置为0。
如果每个数据空间点位上都存在点云数据，则该方法的最大压缩比为：1/(32 *3)（以float为32位为例）。
步骤4. 如果步骤3中存在关键信息区域，则创建相应的新的数据空间，用于标识关键信息区域的范围，在关键信息区域内的坐标标识为1，否则标识为0。
步骤5：对步骤4中每一个关键信息区域内的坐标都创建一个独立的更低维度的数据空间，并在其内部设置刻度更小的点云数据坐标集。
步骤6：在使用x、y、z坐标范围标定完目标物的区域后，进一步的，使用一组或者多组坐标范围对目标区域内的关键区域进行再次标定，存在于这些区域内的便是关键区域，使用更小刻度的坐标进行点云目标标识，而在这些区域之外的点云目标则使用普通刻度予以标识，之后进入步骤7。
其中，如果点云较为稀疏，则使用数据空间刻度变长法进行数据压缩。以长度20.48米、宽度5.12米、高度2.56米的目标物为例，在最小刻度为1cm的数据空间中，则其在不同方向上存在的最大数据量分别为：2048、512和256，因此分别占用的数据位长度为（bit）：11、9、8。因此，在存储这些数据时可以分别将点云数据的float类型转换为相应长度的二进制数据进行长度。对于坐标为负值的点云数据，则可以通过减去最小坐标的方式进行数位矫正后进行存储，即最小值为-3时，则该方向上所有点云坐标都减去-3的方式将数据都矫正为正整数，然后再存为二进制。小数点后保留两位即是cm级，保留三位便是mm级。如果存在关键识别区域，即需要提升空间分辨率的区域，则可以通过多维数据空间低维度标识法或区域空间分割法进行分别处理。
步骤7：在将目标真实世界三维坐标转换为多维数据空间三维坐标的过程中，所有坐标数据都需要减去一个最小值，以此保证坐标的起始值为0，其他值则皆为正数。然后结合坐标刻度的设定，对坐标予以放大，比如最小刻度为1cm时，需要将坐标值乘以100，而当最小刻度为1mm时，需要将坐标值乘以1000，然后舍去小数点后的其他值。通过上述方法即可将所有坐标数据转化为正整数。
步骤8：在将坐标值完成正整数化之后，根据实际的坐标范围选择用于坐标存储的数位长度，即如果范围小于等于256则使用8bit数据长度予以储存，如果范围大于256并小于等于512则使用9bit数据长度予以存储，以此类推。
步骤9：在压缩文件头中存储相关信息，以便用于解压操作，这些信息包括但不限于：压缩方式、坐标范围、偏移量、最小刻度、关键信息区域等，并在其之后开始存储压缩数据。
其中，多维数据空间高维度标识法，该方法所对应的是空间标识法，需要在已做点云数据标识的数据空间的更低维度上再创建相应的独立的数据空间，用于存储该标识区域内的更低层的空间构成。
具体过程为，首先使用空间标识法标识cm级的点云数据存在标识，再通过一个与之对应的数据空间标识每个存在点云数据的点是否为关键信息区域。
对于每个关键信息区域，创建相应的数据空间，以更低刻度来做后续的标识，如mm级的点云位置。
区域空间分割法，该方法通过分别标识不同区域的坐标范围来区分内部空间的分辨率。
实施例2
本实施例提供一种基于多维化动态可变分辨率的点云压缩系统，包括：
数据获取模块，被配置为，获取雷达点云数据，设定目标点云的有效区域；
分析模块，被配置为，分析有效区域内雷达点云数据的数据量和分布状态；
压缩模块，被配置为，根据雷达点云数据的数据量和分布状态确定对雷达点云数据进行压缩的方法；其中，当有效区域内雷达点云数据的数据量大、分布均匀，采用多维数据空间标识法对点云数据进行压缩；反之，通过将雷达点云数据的点云坐标转化为正整数进行存储。
一种计算机可读存储介质，其中存储有多条指令，所述指令适于由终端设备的处理器加载并执行所述的一种基于多维化动态可变分辨率的点云压缩方法。
一种终端设备，包括处理器和计算机可读存储介质，处理器用于实现各指令；计算机可读存储介质用于存储多条指令，所述指令适于由处理器加载并执行所述的一种基于多维化动态可变分辨率的点云压缩方法。
以上均为本发明的较佳实施例，并非依此限制本发明的保护范围，故：凡依本发明的结构、形状、原理所做的等效变化，均应涵盖于本发明的保护范围之内。

Claims (6)

1.一种基于多维化动态可变分辨率的点云压缩方法，其特征在于，包括：
获取雷达点云数据，设定目标点云的有效区域；
分析有效区域内雷达点云数据的数据量和分布状态；
根据雷达点云数据的数据量和分布状态确定对雷达点云数据进行压缩的方法；其中，当有效区域内雷达点云数据的数据量大、分布均匀，采用多维数据空间标识法对点云数据进行压缩；反之，通过将雷达点云数据的点云坐标转化为正整数进行存储；
其中，所述采用多维数据空间标识法对点云数据进行压缩，包括为目标点云设置点云状态，并输出二进制标识数据文件，判断二进制标识数据文件中是否存在关键信息区域，并进行关键信息区域标识；为关键信息区域内的点云坐标创建低维度数据空间，得到刻度更小的点云数据坐标集；
所述获取雷达点云数据，设定目标点云的有效区域，包括在获取的雷达点云数据中找到目标物的点云数据，根据目标物的点云数据设定目标点云的有效区域；
所述通过将雷达点云数据的点云坐标转化为正整数进行存储，包括使用一组或者多组坐标范围对有效区域内的目标点云进行二次标定，得到关键信息区域。
2.根据权利要求1所述的一种基于多维化动态可变分辨率的点云压缩方法，其特征在于，所述分析有效区域内雷达点云数据的数据量和分布状态，包括统计有效区域内单位空间的雷达点云数据的点运输量和点云密度。
3.根据权利要求2所述的一种基于多维化动态可变分辨率的点云压缩方法，其特征在于，所述通过将雷达点云数据的点云坐标转化为正整数进行存储，还包括将关键信息区域的点云坐标起始值设为0，并对点云坐标进行放大处理，从而将点云坐标转化为正整数，并选择适合的坐标范围存储点云坐标。
4.一种基于多维化动态可变分辨率的点云压缩系统，基于如权利要求1所述的一种基于多维化动态可变分辨率的点云压缩方法，其特征在于，包括：
数据获取模块，被配置为，获取雷达点云数据，设定目标点云的有效区域；
分析模块，被配置为，分析有效区域内雷达点云数据的数据量和分布状态；
压缩模块，被配置为，根据雷达点云数据的数据量和分布状态确定对雷达点云数据进行压缩的方法；其中，当有效区域内雷达点云数据的数据量大、分布均匀，采用多维数据空间标识法对点云数据进行压缩；反之，通过将雷达点云数据的点云坐标转化为正整数进行存储。
5.一种计算机可读存储介质，其中存储有多条指令，其特征在于，所述指令适于由终端设备的处理器加载并执行如权利要求1所述的一种基于多维化动态可变分辨率的点云压缩方法。
6.一种终端设备，包括处理器和计算机可读存储介质，处理器用于实现各指令；计算机可读存储介质用于存储多条指令，其特征在于，所述指令适于由处理器加载并执行如权利要求1所述的一种基于多维化动态可变分辨率的点云压缩方法。
CN202310635548.2A 2023-06-01 2023-06-01 一种基于多维化动态可变分辨率的点云压缩方法及系统 Active CN116385571B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310635548.2A CN116385571B (zh) 2023-06-01 2023-06-01 一种基于多维化动态可变分辨率的点云压缩方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310635548.2A CN116385571B (zh) 2023-06-01 2023-06-01 一种基于多维化动态可变分辨率的点云压缩方法及系统

Publications (2)

Publication Number Publication Date
CN116385571A CN116385571A (zh) 2023-07-04
CN116385571B true CN116385571B (zh) 2023-09-15

Family

ID=86980990

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310635548.2A Active CN116385571B (zh) 2023-06-01 2023-06-01 一种基于多维化动态可变分辨率的点云压缩方法及系统

Country Status (1)

Country Link
CN (1) CN116385571B (zh)

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108009979A (zh) * 2017-12-15 2018-05-08 湖北大学 基于时空数据融合的三维点云压缩存储方法及系统
WO2021103513A1 (en) * 2019-11-25 2021-06-03 Suzhou Zhijia Science & Technologies Co., Ltd. Method, device, and apparatus for rendering point cloud scene
CN113947630A (zh) * 2021-10-20 2022-01-18 吉旗物联科技（上海）有限公司 一种物体的体积估算方法、装置及存储介质
WO2022142628A1 (zh) * 2020-12-29 2022-07-07 华为技术有限公司 一种点云数据处理方法及装置
CN115152224A (zh) * 2020-02-11 2022-10-04 威诺瓦国际有限公司 使用分层分级编码进行点云压缩
CN115359333A (zh) * 2022-10-24 2022-11-18 山东矩阵软件工程股份有限公司 基于多种类数据采集设备的多维度信息融合方法
CN115422387A (zh) * 2022-11-04 2022-12-02 山东矩阵软件工程股份有限公司 基于多维点云融合数据的点云数据处理方法及系统
CN115695393A (zh) * 2022-12-28 2023-02-03 山东矩阵软件工程股份有限公司 一种雷达点云数据的格式转换方法、系统及存储介质
CN115856829A (zh) * 2023-02-06 2023-03-28 山东矩阵软件工程股份有限公司 一种雷达三维数据转换的图像数据识别方法及系统

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11100127B2 (en) * 2019-03-28 2021-08-24 Adobe Inc. Generating varied-scale topological visualizations of multi-dimensional data
CN113766228B (zh) * 2020-06-05 2023-01-13 Oppo广东移动通信有限公司 点云压缩方法、编码器、解码器及存储介质

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108009979A (zh) * 2017-12-15 2018-05-08 湖北大学 基于时空数据融合的三维点云压缩存储方法及系统
WO2021103513A1 (en) * 2019-11-25 2021-06-03 Suzhou Zhijia Science & Technologies Co., Ltd. Method, device, and apparatus for rendering point cloud scene
CN115152224A (zh) * 2020-02-11 2022-10-04 威诺瓦国际有限公司 使用分层分级编码进行点云压缩
WO2022142628A1 (zh) * 2020-12-29 2022-07-07 华为技术有限公司 一种点云数据处理方法及装置
CN113947630A (zh) * 2021-10-20 2022-01-18 吉旗物联科技（上海）有限公司 一种物体的体积估算方法、装置及存储介质
CN115359333A (zh) * 2022-10-24 2022-11-18 山东矩阵软件工程股份有限公司 基于多种类数据采集设备的多维度信息融合方法
CN115422387A (zh) * 2022-11-04 2022-12-02 山东矩阵软件工程股份有限公司 基于多维点云融合数据的点云数据处理方法及系统
CN115695393A (zh) * 2022-12-28 2023-02-03 山东矩阵软件工程股份有限公司 一种雷达点云数据的格式转换方法、系统及存储介质
CN115856829A (zh) * 2023-02-06 2023-03-28 山东矩阵软件工程股份有限公司 一种雷达三维数据转换的图像数据识别方法及系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Binary Representation for 3D Point Cloud Compression based on Deep Auto-Encoder;Kohei Matsuzaki 等;《IEEE》;全文 *
海量3D点云数据压缩与空间索引技术;赵尔平 等;《计算机应用》;第38卷(第01期);全文 *

Also Published As

Publication number Publication date
CN116385571A (zh) 2023-07-04

Similar Documents

Publication Publication Date Title
CN113190515B (zh) 基于异构并行计算的城市级海量点云坐标转换方法
CN115422387B (zh) 基于多维点云融合数据的点云数据处理方法及系统
CN115145906A (zh) 一种面向结构化数据的预处理和补全方法
CN112508988A (zh) 一种遥感影像镶嵌线精确提取方法及装置
CN112561940A (zh) 密集多目标参数提取的方法、装置及终端设备
CN109118586B (zh) 逻辑地图的数据处理方法、装置、电子设备及存储介质
CN111491169B (zh) 一种数字图像压缩方法、装置、设备、介质
CN111143146A (zh) 一种存储装置的健康状态预测方法及系统
CN109634960B (zh) 键值数据存储方法、装置、设备以及存储介质
CN116385571B (zh) 一种基于多维化动态可变分辨率的点云压缩方法及系统
CN114913422A (zh) 一种岩溶石山山区水土流失野外监测装置
CN111652976B (zh) 基于dem栅格数据的通视分析方法
CN104778212B (zh) 地图数据生成方法和装置、地图数据读取方法和装置
CN112633299B (zh) 一种目标检测方法、网络、装置、终端设备及存储介质
CN113806601A (zh) 一种周边兴趣点检索方法及存储介质
CN117968528A (zh) 一种基于线结构光扫描金属工件三维坐标提取方法及系统
CN116188627B (zh) 一种测井曲线数字化方法及装置
CN111291240A (zh) 处理数据的方法和数据处理装置
CN110309166B (zh) 一种可溯源的地理高程数据补齐方法
CN113239944B (zh) 一种图像特征提取方法、装置、电子设备及介质
CN117807154B (zh) 一种用于展示系统的时序数据可视化方法、设备和介质
CN107992555B (zh) 一种栅格数据的存储及读取方法
CN113469162B (zh) 基于双尺度分割的指针仪表识读方法、装置、设备和介质
CN118135116B (zh) 基于cad二维转换三维实体的自动生成方法及系统
CN113658033B (zh) 一种计算给定区域内部点集的gpu方法

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