CN116955347A - 目标表面的点云提取方法、设备和存储介质 - Google Patents

目标表面的点云提取方法、设备和存储介质 Download PDF

Info

Publication number
CN116955347A
CN116955347A CN202210410553.9A CN202210410553A CN116955347A CN 116955347 A CN116955347 A CN 116955347A CN 202210410553 A CN202210410553 A CN 202210410553A CN 116955347 A CN116955347 A CN 116955347A
Authority
CN
China
Prior art keywords
grid
map
point cloud
target surface
point group
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
Application number
CN202210410553.9A
Other languages
English (en)
Inventor
杨博炜
喻超
高斯
李民
俞浩
常新伟
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.)
Pursuit Technology Suzhou Co Ltd
Original Assignee
Dreame Technology Suzhou 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 Dreame Technology Suzhou Co ltd filed Critical Dreame Technology Suzhou Co ltd
Priority to CN202210410553.9A priority Critical patent/CN116955347A/zh
Publication of CN116955347A publication Critical patent/CN116955347A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/22—Indexing; Data structures therefor; Storage structures
    • G06F16/2228—Indexing structures
    • G06F16/2246—Trees, e.g. B+trees
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/29—Geographical information databases
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G06F16/51—Indexing; Data structures therefor; Storage structures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/583—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/587—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using geographical or spatial information, e.g. location
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
    • G06T17/005—Tree description, e.g. octree, quadtree

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Software Systems (AREA)
  • Library & Information Science (AREA)
  • Remote Sensing (AREA)
  • Computer Graphics (AREA)
  • Geometry (AREA)
  • Image Analysis (AREA)

Abstract

本申请涉及目标表面的点云提取方法、设备和存储介质，属于计算机技术领域；该方法包括：通过对目标场景的点云地图进行栅格化处理，得到栅格地图；基于栅格地图中的指定栅格进行图搜索，得到指定栅格对应的邻近点群；在邻近点群的法向量满足预设条件的情况下，将邻近点群确定为目标表面的点云数据；可以解决在将单帧点云数据作为一个整体一次性进行曲面拟合来提取目标表面的点云时，由于对于斜率变化的斜坡可能识别不准确，导致的提取目标表面的点云的精度不高的问题；由于栅格化处理会将点云地图划分为多个栅格，从多个栅格中的指定栅格开始逐步搜索确定每个栅格所在平面是否是目标表面，因此，可以提高目标表面的点云数据提取的精度。

Description

目标表面的点云提取方法、设备和存储介质
【技术领域】
本申请涉及目标表面的点云提取方法、设备和存储介质，属于计算机技术领域。
【背景技术】
随着3D扫描技术的快速发展，人们可以轻易的通过激光雷达，立体摄像头等3D扫描设备获得点云数据，点云数据也被广泛应用于地图测绘、电力巡线、管道走廊规划与维护等领域，如何从点云数据中提取目标表面的点云提取，是点云数据应用的重要步骤。
点云提取方法通常可以分为：平面栅格法、点云法向量、模型拟合法、面元网格法，其中常用的模型拟合法又包括：平面拟合、高斯过程和平面参数拟合。
目前主流的点云提取算法大部分是在建图过程中拟合生成目标表面的点云，由于单帧点云中地面点云占所有点云的比例较高，且拟合过程中把单帧点云作为整体进行处理，所以拟合过程中对于斜率变化的斜坡很难处理，导致提取的目标表面的点云精度不高的问题。
【发明内容】
本申请提供了目标表面的点云提取方法、设备和存储介质，可以解决在将单帧点云数据作为一个整体一次性进行曲面拟合来提取目标表面的点云时，由于对于斜率变化的斜坡可能识别不准确，导致的提取目标表面的点云的精度不高的问题。本申请提供如下技术方案：
第一方面，提供有目标表面的点云提取方法，所述方法包括：
对目标场景的点云地图进行栅格化处理，得到栅格地图；所述目标场景包括所述目标表面；
基于所述栅格地图中的指定栅格进行图搜索，得到所述指定栅格对应的邻近点群；所述邻近点群包括多个邻近点；所述多个邻近点为与所述指定格栅的目标位置之间的距离小于或等于距离阈值的点；
在所述邻近点群的法向量满足预设条件的情况下，将所述邻近点群确定为所述目标表面的点云数据。
可选地，在所述邻近点群的法向量满足预设条件的情况下，还包括：
将所述栅格地图中，与所述指定栅格满足预设位置关系的栅格确定为所述指定栅格，触发执行所述从所述栅格地图中的指定栅格开始进行图搜索，得到所述指定栅格对应的邻近点群的步骤；直至所有指定栅格遍历完成时停止。
可选地，所述将所述栅格地图中，与所述指定栅格满足预设位置关系的栅格确定为指定栅格，包括：
将所述栅格地图中，与所述指定栅格的边相邻和顶点相邻的栅格确定为所述指定栅格。
可选地，所述从所述栅格地图中的指定栅格开始进行图搜索，得到所述指定栅格对应的邻近点群，包括：
获取所述点云地图所对应的位置拓扑地图，所述位置拓扑地图用于指示所述点云地图中各个数据点之间的空间位置关系；
对于所述栅格地图中的指定栅格，基于所述位置拓扑地图使用半径最邻近搜索算法确定所述指定栅格对应的邻近点群。
可选地，所述基于所述位置拓扑地图使用半径最邻近搜索算法确定所述指定栅格对应的邻近点群，包括：
在所述位置拓扑地图中，确定与所述指定栅格的中心位置之间的距离小于或等于所述距离阈值的点，得到所述邻近点群。
可选地，所述位置拓扑地图包括八叉树地图。
可选地，所述方法还包括：
计算所述邻近点群中各个数据点在所述点云地图中的三维坐标均值；
基于所述三维坐标均值计算所述邻近点群的协方差矩阵；
计算所述协方差矩阵的第一特征向量，第二特征向量和第三特征向量，所述第一特征向量、所述第二特征向量和所述第三特征向量中最小特征值对应的特征向量垂直于所述邻近点群的主要分布平面；
将所述最小特征值对应的特征向量确定为所述法向量。
可选地，所述在所述邻近点群的法向量满足预设条件的情况下，将所述邻近点群确定为所述目标表面的点云数据，包括：
响应于所述法向量与所述目标表面相垂直的方向的夹角小于设定阈值，将所述邻近点群确定为所述目标表面的点云数据。
第二方面，提供有电子设备，所述设备包括处理器和存储器；所述存储器中存储有程序，所述程序由所述处理器加载并执行以实现第一方面所述的目标表面的点云提取方法。
第三方面，提供有计算机可读存储介质，所述存储介质中存储有程序，所述程序被处理器执行时用于实现第一方面所述的目标表面的点云提取方法。
本申请的有益效果至少包括：通过对目标场景的点云地图进行栅格化处理，得到栅格地图；目标场景包括目标表面；基于栅格地图中的指定栅格进行图搜索，得到指定栅格对应的邻近点群；邻近点群包括多个邻近点；多个邻近点为与指定格栅的目标位置之间的距离小于或等于距离阈值的点；在邻近点群的法向量满足预设条件的情况下，将邻近点群确定为目标表面的点云数据；可以解决在将单帧点云数据作为一个整体一次性进行曲面拟合来提取目标表面的点云时，由于对于斜率变化的斜坡可能识别不准确，导致的提取目标表面的点云的精度不高的问题；由于栅格化处理会将点云地图划分为多个栅格，从多个栅格中的指定栅格开始逐步搜索确定每个栅格所在平面是否是目标表面，而不是一次性使用全部点云数据确定是否是目标表面，因此，可以提高目标表面的点云数据提取的精度。
另外，通过获取点云地图所对应的位置拓扑地图，基于位置拓扑地图使用半径最邻近搜索算法确定指定栅格对应的邻近点群，由于拓扑地图能够反映点云地图中各点的空间位置关系，因此，可以快速地查找某一位置的邻近点，从而提高目标表面的点云数据提取的效率。
另外，传统的点云提取算法包括：根据栅格内点云数据的最大高度差和平均高度差是否小于设定阈值，来判断点云是否为目标表面的点云数据。由于点云中的数据可能存在较大差异，而判断结果容易受某些极端的点云数据的影响，因此，会导致判断结果不能完整的反映点云数据的整体情况，所提取目标表面的点云数据误差较大的问题。由于法向量可以较好的反映邻近点群中点整体的空间分布情况，不容易被一个或几个数据点云数据所干扰，因此，本实施例通过判断邻近点群法向量与目标表面相垂直的方向夹角是否小于设定阈值，来判断点云是否为目标表面的点云数据；可以提高目标表面的点云数据提取的精度。
上述说明仅是本申请技术方案的概述，为了能够更清楚了解本申请的技术手段，并可依照说明书的内容予以实施，以下以本申请的较佳实施例并配合附图详细说明如后。
【附图说明】
图1是本申请一个实施例提供的目标表面的点云提取方法的流程图；
图2是本申请一个实施例提供的目标表面的点云提取过程的示意图；
图3是本申请一个实施例提供的目标表面的点云提取装置的框图。
图4是本申请一个实施例提供的电子设备的框图。
【具体实施方式】
下面结合附图和实施例，对本申请的具体实施方式做进一步详细描述。以下实施例用于说明本申请，但不用来限制本申请的范围。
首先，对本申请实施例涉及的若干名词进行介绍。
主成分分析(Principal Component Analysis，PCA)：也称为主分量分析，主成分分析用于将多指标转化为少数几个综合指标，再对综合指标进行计算。
八叉树地图：是一种点云的表示和存储方式，其将三维空间分割成许多的小方块，如果将每个小方块的每个面切成两片，那么这个小方块就会变成同样大小的八个小方块，将该步骤不断重复，直到最后的方块大小达到建模的最高精度。在该过程中，将从一个节点展开成八个子节点，那么整个空间从最大空间细分到最小空间的过程，就是一棵八叉树。在八叉树中，节点存储它是否被占据的信息，当某个方块的所有子节点都被占据或不被占据时，就没必要展开这个节点，每个小方块都有一个数描述它是否被占据。
半径最邻近搜索(R-Nearest Neighbor，RNN)：在一个固定的空间内，查找与某一位置距离小于或等于距离阈值的元素。
K-D树(Kd trees)：一种二叉树，是用于分割多维空间的数据结构，其每一个节点是一个多维坐标。
层次包围盒树(Bounding Volume Hierarchy Based On Tree，BVH树)：是一种多叉树，用来存储包围盒形状。它的根节点代表一个最大的包围盒，其多个子节点则代表多个子包围盒。
二维空间分割树(Binary Space Partitioning Tree，BSP树)：一种二叉树，在3D空间下其每个节点表示一个平面，其代表的平面将当前空间划分为前向和背向两个子空间，分别对应左儿子和右儿子；2D空间下，其每个节点则表示一条边，也可以将2D空间划分成前后两部分
可选地，本申请以各个实施例提供的目标表面的点云提取方法用于电子设备中为例进行说明，该电子设备可以为清洁机器人、计算机、平板电脑等，本实施例不对电子设备的类型作限定。本实施例中，电子设备具有获取目标场景中的点云数据的功能，该点云数据可以是电子设备自行采集的，此时，电子设备上设置有传感器，该传感器用于采集目标场景的点云数据；或者，点云数据是其它设备发送的，此时，其它设备(如清洁机器人)上设置有传感器，并将该传感器采集到的点云数据发送至电子设备。
图1是本申请一个实施例提供的目标表面的点云提取方法的流程图，该方法至少包括以下几个步骤：
步骤101，对目标场景的点云地图进行栅格化处理，得到栅格地图；目标场景包括目标表面。
在一个示例中，若电子设备上设置有用于采集点云数据的传感器，目标场景可以是电子设备当前所处的场景，比如：在电子设备为清洁机器人时，目标场景可以为该清洁机器人当前所在的工作场景。相应地，目标表面为电子设备当前所放置的表面。
在其它示例中，若电子设备接收其它设备发送的点云数据，则目标场景可以是其它设备当前所处的场景，相应地，目标表面为其它设备当前所放置的表面。
可选地，目标表面与水平面平行，或者与水平面之间呈一定角度；目标表面可以是地面，或者也可以是光伏电池的表面等，本实施例不对目标表面的类型作限定。
其中，点云地图是将反映目标场景空间结构的数据点对应到预先创建的三维坐标系中所形成的地图。其中，各个数据点可以通过传感器对目标场景进行采集得到。
示意性地，对点云地图进行栅格化处理，包括：按照预设尺寸将点云地图均匀划分为多个栅格单元；逐个确定每个栅格是否被占据，得到栅格地图。其中，预设尺寸与栅格地图的精度呈负相关关系，即，预设尺寸越小，栅格地图的精度越高。
由于栅格化处理会将点云地图划分为多个栅格，每个栅格包括至少一个数据点的数据。这样，电子设备后续可以基于栅格进行计算，而不是基于每个数据点进行计算，因此，可以降低计算量，提高计算效率。
步骤102，基于栅格地图中的指定栅格进行图搜索，得到指定栅格对应的邻近点群；邻近点群包括多个邻近点；多个邻近点为与指定格栅的目标位置之间的距离小于或等于距离阈值的点。
初始化的指定栅格为电子设备开始运行时的所属的栅格，或者，为栅格地图上包括点云数据的任一栅格。由于电子设备开始运行时所处的位置，通常是目标表面上较为平坦的位置，因此，本实施例中以初始化的指定栅格为电子设备开始运行时的所属的栅格为例进行说明。
本实施例中，指定栅格还包括基于初始化的指定栅格确定出的第一栅格。基于此，电子设备中设置的初始化的指定栅格，可以保证电子设备可以根据该初始化的指定栅格确定出第一栅格。
可选地，指定栅格还可以进一步包括基于第i栅格确定出的第i+1栅格，其中，i为从1开始的正整数。
上述基于初始化的指定栅格确定第一栅格、以及基于第i栅格确定出的第i+1栅格的过程将结合下文步骤103进行描述，本实施例在此不作赘述。
图搜索是指从指定栅格出发，查找与该指定栅格满足期望位置关系的点的过程。本实施例中，该期望位置关系是指：与指定格栅的目标位置之间的距离小于或等于距离阈值。
距离阈值的取值可以预先存储在电子设备中，该距离阈值是基于搜索需求设置的，本实施例不对距离阈值的取值作限定。
可选地，指定格栅的目标位置可以为指定栅格的中心位置，或者指定栅格中的任一位置，如指定栅格的右下顶点。由于从中心位置出发寻找邻近点群，可以使得确定的邻近点群尽可能多地落入该中心位置所在栅格内，从而使得确定出的邻近点群更好地反应该栅格对应的表面的变化趋势，可以提高目标表面确定的准确性。基于此，本实施例中以目标位置为中心位置为例进行说明。
可选地，基于栅格地图中的指定栅格进行图搜索，得到指定栅格对应的邻近点群，包括但不限于以下两种方式中的一种：
第一种方式，获取点云地图所对应的位置拓扑地图；对于栅格地图中的指定栅格，基于该位置拓扑地图使用半径最邻近搜索算法确定指定栅格对应的邻近点群。
其中，位置拓扑地图用于指示点云地图中各个数据点之间的空间位置关系。可选地，位置拓扑地图包括但不限于：四叉树地图、八叉树地图、K-D树地图、BVH树地图或BSP树地图。
示意性地，由于八叉树结构在空间数据对象分布比较均匀时，具有比较高的空间查询效率，因此，本实施例以位置拓扑地图是八叉树地图为例进行说明。
示意性地，基于位置拓扑地图使用半径最邻近搜索算法确定指定栅格对应的邻近点群，包括：在位置拓扑地图中，确定与指定栅格的中心位置之间的距离小于或等于距离阈值的点，得到邻近点群。
在第一种方式中，采用位置拓扑地图进行图搜索能够利用各点之间的位置关系确定邻近点群，因此，可以提高图搜索的效率，从而提高目标表面的提取效率。
可选地，在第一种方式中，栅格地图可以是二维地图，即，将点云地图投影至目标表面得到的栅格化地图。
第二种方式，栅格地图为三维地图，三维的栅格地图中每个栅格为立方体，且存在至少一个立方体中包括数据点。换言之，点云地图中的各个数据点落在栅格地图的至少一个立方体中。相应地，对于指定栅格中的任意一个被测数据点，确定被测数据点到该指定栅格的六个面的第一距离、以及该被测数据点到该指定栅格的周围栅格的第二距离；将第一距离和第二距离按照由小到大的顺序进行排序；以被测数据点为球心，按照排序顺序将第m个距离作为半径生成空间球，并确定该空间球产生的干涉立方体；确定干涉立方体内是否包含K个邻近点；若干涉立方体内包含K个邻近点，则确定该K个邻近点为指定栅格对应的邻近点群。若干涉立方体内的数据点的数量小于K，则令m＝m+1，并再次执行以被测数据点为球心，按照排序顺序将第m个距离作为半径生成空间球的步骤，直至确定出邻近点群或所有距离均遍历完成时停止。
步骤103，在邻近点群的法向量满足预设条件的情况下，将邻近点群确定为目标表面的点云数据。
可选地，预设条件基于目标表面的法向量所满足的条件设置。这样，在邻近点群的法向量满足预设条件时，说明该邻近点群的法向量是目标表面的法向量。
由于邻近点群的法向量能够反映邻近点群所确定表面方向，所以邻近点群的法向量与目标表面垂直方向的法向量的夹角大小可以反映邻近点群方向与目标表面方向的一致性大小。基于此，示意性地，预设条件包括邻近点群的法向量与目标表面相垂直的方向的夹角小于设定阈值。
其中，设定阈值的大小基于点云数据提取的精度要求设置，比如：精度要求越高，设定阈值越小。
可选地，法向量与目标表面相垂直的方向的夹角的计算公式，通过下述公式表示：
theta＝arccos(n·z)
其中，theta为邻近点群的法向量与目标表面相垂直的方向的夹角，n为邻近点群的法向量，z为与目标表面相垂直的向量。
可选地，在本步骤之前，电子设备需要预先确定邻近点群的法向量。在一个示例中，电子设备可以使用主成分分析法确定邻近点群的法向量。具体地，计算邻近点群中各个数据点在点云地图中的三维坐标均值；基于三维坐标均值计算邻近点群的协方差矩阵；计算协方差矩阵的第一特征向量，第二特征向量和第三特征向量，第一特征向量、第二特征向量和第三特征向量中最小特征值对应的特征向量垂直于邻近点群的主要分布平面；将最小特征值对应的特征向量确定为法向量。
可选地，邻近点群各个数据点在点云地图中的三维坐标均值的计算公式为：
其中，N为邻近点群中数据点的个数，pi为邻近点群中每个数据点对应的三维坐标pi(xi,yi,zi)，i为邻近点群中每个数据点对应的编号，i的取值范围为0至N-1，pave为邻近点群的坐标均值。
可选地，基于三维坐标均值计算邻近点群的协方差矩阵的计算公式为：
其中，N为邻近点群中数据点的个数，pi为邻近点群中每个数据点对应的三维坐标pi(xi,yi,zi)，i为邻近点群中每个数据点对应的编号，i的取值范围为0至N-1，pave为邻近点群的坐标均值，COV为邻近点群的协方差矩阵。
协方差矩阵的第一特征向量，第二特征向量和第三特征向量的计算方式为：确定协方差矩阵中数据方差最大的方向为第一特征向量，确定协方差矩阵中与第一特征向量垂直方向上数据方差最大的方向为第二特征向量，确定协方差矩阵中与第一特征向量和第二特征向量垂直的方向上数据方差最大的方向为第三特征向量。
在其他示例中，电子设备确定邻近点群的法向量的方式，包括：使用随机抽样一致算法(Random Sample Consensus，RANSAC)对邻近点群进行平面拟合；计算拟合得到的平面的法向量。在实际实现时，邻近点群的法向量的确定方式还可以为其它方式，本实施例在此不再一一列举。
可选地，在当前的指定栅格为初始化的指定栅格时，在邻近点群的法向量满足预设条件的情况下，将栅格地图中，与指定栅格满足预设位置关系的栅格确定为指定栅格(即得到第一栅格)，触发执行从栅格地图中的指定栅格开始进行图搜索，得到指定栅格对应的邻近点群的步骤，即执行步骤102；直至所有指定栅格遍历完成时停止。
或者，在当前的指定栅格为第i栅格时，在邻近点群的法向量满足预设条件的情况下，将栅格地图中，与该指定栅格(即第i栅格)满足预设位置关系的栅格确定为指定栅格(即得到第i+1栅格)，触发执行从栅格地图中的指定栅格开始进行图搜索，得到指定栅格对应的邻近点群的步骤，即执行步骤102；直至所有指定栅格遍历完成时停止。
需要补充说明的是，在当前的指定栅格为第i栅格时，若该第i栅格对应的邻近点群的法向量均不满足预设条件，则不存在基于第i栅格确定出的第i+1栅格。
示意性地，预设位置关系包括但不限于：与指定栅格的边相邻和与指定栅格的边顶点相邻。在其它实施例中，预设位置关系还可以与指定栅格相隔x个栅格，本实施例不对预设位置关系的设置方式作限定。
综上所述，本实施例提供的目标表面的点云提取方法，通过对目标场景的点云地图进行栅格化处理，得到栅格地图；目标场景包括目标表面；基于栅格地图中的指定栅格进行图搜索，得到指定栅格对应的邻近点群；邻近点群包括多个邻近点；多个邻近点为与指定格栅的目标位置之间的距离小于或等于距离阈值的点；在邻近点群的法向量满足预设条件的情况下，将邻近点群确定为目标表面的点云数据；可以解决在将单帧点云数据作为一个整体一次性进行曲面拟合来提取目标表面的点云时，由于对于斜率变化的斜坡可能识别不准确，导致的提取目标表面的点云的精度不高的问题；由于栅格化处理会将点云地图划分为多个栅格，从多个栅格中的指定栅格开始逐步搜索确定每个栅格所在平面是否是目标表面，而不是一次性使用全部点云数据确定是否是目标表面，因此，可以提高目标表面的点云数据提取的精度。
另外，通过获取点云地图所对应的位置拓扑地图，基于位置拓扑地图使用半径最邻近搜索算法确定指定栅格对应的邻近点群，由于拓扑地图能够反映点云地图中各点的空间位置关系，因此，可以快速地查找某一位置的邻近点，从而提高目标表面的点云数据提取的效率。
另外，传统的点云提取算法包括：根据栅格内点云数据的最大高度差和平均高度差是否小于设定阈值，来判断点云是否为目标表面的点云数据。由于点云中的数据可能存在较大差异，而判断结果容易受某些极端的点云数据的影响，因此，会导致判断结果不能完整的反映点云数据的整体情况，所提取目标表面的点云数据误差较大的问题。由于法向量可以较好的反映邻近点群中点整体的空间分布情况，不容易被一个或几个数据点云数据所干扰，因此，本实施例通过判断邻近点群法向量与目标表面相垂直的方向夹角是否小于设定阈值，来判断点云是否为目标表面的点云数据；可以提高目标表面的点云数据提取的精度。
另外，由于主成分分析法可以从点云数据的多个数据维度中提取主要的数据维度，而主要数据维度可以反映点云数据的主要信息。因此，通过主成分分析法获取邻近点群的法向量，可以排除点云地图中的噪点对提取结果的影响，可以提高目标表面的点云数据提取精度。同时，由于主要维度数据少于原始的点云数据，因此，可以减少提取过程中的计算量，提高目标表面的点云数据提取效率。
为了更清楚地理解本申请提供的目标表面的点云提取方法，下面对该方法举一个实例进行说明。该方法中，以指定栅格的目标位置为中心位置、初始化的指定栅格为电子设备开始运行时的所属的栅格、且位置拓扑地图为八叉树地图为例进行说明。参考图2，该方法至少包括以下几个步骤：
步骤201，获取目标场景的点云地图，并对该点云地图进行栅格化处理，得到栅格地图；并基于点云地图生成八叉树地图。
步骤202，从栅格地图中未遍历的指定栅格开始，在八叉树地图中确定指定栅格的邻近点群；初始化的指定栅格为电子设备开始运行时的所属的栅格。
步骤203，使用主成分分析法计算邻近点群的法向量。
步骤204，判断法向量与目标表面相垂直的方向的夹角是否大于设定阈值；若是，则执行步骤205；若否，则执行步骤206。
步骤205，判断所有指定栅格是否遍历完成；若是，则流程结束；若否，执行步骤202。
步骤206，将邻近点群确定为目标表面的点云数据。
步骤207，将栅格地图中，与当前的指定栅格满足预设位置关系的栅格确定为指定栅格，执行步骤202。
根据上述实施例可知，本申请提供的目标表面的点云提取方法，可以从多个栅格中的指定栅格开始逐步搜索确定每个栅格所在平面是否是目标表面，而不是一次性使用全部点云数据确定是否是目标表面，因此，可以提高目标表面的点云数据提取的精度。
图3是本申请一个实施例提供的目标表面的点云提取装置的框图。该装置至少包括以下几个模块：地图生成模块310、点群查找模块320、点云确定模块330。
地图生成模块310，用于对目标场景的点云地图进行栅格化处理，得到栅格地图；所述目标场景包括所述目标表面；
点群查找模块320，用于基于所述栅格地图中的指定栅格进行图搜索，得到所述指定栅格对应的邻近点群；所述邻近点群包括多个邻近点；所述多个邻近点为与所述指定格栅的目标位置之间的距离小于或等于距离阈值的点；
点云确定模块330，用于在所述邻近点群的法向量满足预设条件的情况下，将所述邻近点群确定为所述目标表面的点云数据。
相关细节参考上述方法实施例。
需要说明的是：上述实施例中提供的目标表面的点云提取装置在进行目标表面的点云提取时，仅以上述各功能模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将车辆属性检测装置的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。另外，上述实施例提供的目标表面的点云提取装置与目标表面的点云提取方法实施例属于同一构思，其具体实现过程详见方法实施例，这里不再赘述。
图4是本申请一个实施例提供的电子设备的框图。该设备至少包括处理器401和存储器402。
处理器401可以包括一个或多个处理核心，比如：4核心处理器、8核心处理器等。处理器401可以采用DSP(Digital Signal Processing，数字信号处理)、FPGA(Field－Programmable Gate Array，现场可编程门阵列)、PLA(Programmable Logic Array，可编程逻辑阵列)中的至少一种硬件形式来实现。处理器401也可以包括主处理器和协处理器，主处理器是用于对在唤醒状态下的数据进行处理的处理器，也称CPU(Central ProcessingUnit，中央处理器)；协处理器是用于对在待机状态下的数据进行处理的低功耗处理器。在一些实施例中，处理器401可以在集成有GPU(Graphics Processing Unit，图像处理器)，GPU用于负责显示屏所需要显示的内容的渲染和绘制。一些实施例中，处理器401还可以包括AI(Artificial Intelligence，人工智能)处理器，该AI处理器用于处理有关机器学习的计算操作。
存储器402可以包括一个或多个计算机可读存储介质，该计算机可读存储介质可以是非暂态的。存储器402还可包括高速随机存取存储器，以及非易失性存储器，比如一个或多个磁盘存储设备、闪存存储设备。在一些实施例中，存储器402中的非暂态的计算机可读存储介质用于存储至少一个指令，该至少一个指令用于被处理器401所执行以实现本申请中方法实施例提供的车辆属性检测方法。
在一些实施例中，电子设备还可选包括有：外围设备接口和至少一个外围设备。处理器401、存储器402和外围设备接口之间可以通过总线或信号线相连。各个外围设备可以通过总线、信号线或电路板与外围设备接口相连。示意性地，外围设备包括但不限于：射频电路、触摸显示屏、音频电路、和电源等。
当然，电子设备还可以包括更少或更多的组件，本实施例对此不作限定。
可选地，本申请还提供有计算机可读存储介质，计算机可读存储介质中存储有程序，程序由处理器加载并执行以实现上述方法实施例的目标表面的点云提取方法。
可选地，本申请还提供有计算机产品，该计算机产品包括计算机可读存储介质，计算机可读存储介质中存储有程序，程序由处理器加载并执行以实现上述方法实施例的目标表面的点云提取方法。
以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。

Claims (10)

1.一种目标表面的点云提取方法，其特征在于，所述方法包括：
对目标场景的点云地图进行栅格化处理，得到栅格地图；所述目标场景包括所述目标表面；
基于所述栅格地图中的指定栅格进行图搜索，得到所述指定栅格对应的邻近点群；所述邻近点群包括多个邻近点；所述多个邻近点为与所述指定格栅的目标位置之间的距离小于或等于距离阈值的点；
在所述邻近点群的法向量满足预设条件的情况下，将所述邻近点群确定为所述目标表面的点云数据。
2.根据权利要求1所述的方法，其特征在于，在所述邻近点群的法向量满足预设条件的情况下，还包括：
将所述栅格地图中，与所述指定栅格满足预设位置关系的栅格确定为所述指定栅格，触发执行所述从所述栅格地图中的指定栅格开始进行图搜索，得到所述指定栅格对应的邻近点群的步骤；直至所有指定栅格遍历完成时停止。
3.根据权利要求2所述的方法，其特征在于，所述将所述栅格地图中，与所述指定栅格满足预设位置关系的栅格确定为指定栅格，包括：
将所述栅格地图中，与所述指定栅格的边相邻和顶点相邻的栅格确定为所述指定栅格。
4.根据权利要求1所述的方法，其特征在于，所述从所述栅格地图中的指定栅格开始进行图搜索，得到所述指定栅格对应的邻近点群，包括：
获取所述点云地图所对应的位置拓扑地图，所述位置拓扑地图用于指示所述点云地图中各个数据点之间的空间位置关系；
对于所述栅格地图中的指定栅格，基于所述位置拓扑地图使用半径最邻近搜索算法确定所述指定栅格对应的邻近点群。
5.根据权利要求4所述的方法，其特征在于，所述基于所述位置拓扑地图使用半径最邻近搜索算法确定所述指定栅格对应的邻近点群，包括：
在所述位置拓扑地图中，确定与所述指定栅格的中心位置之间的距离小于或等于所述距离阈值的点，得到所述邻近点群。
6.根据权利要求4所述的方法，其特征在于，所述位置拓扑地图包括八叉树地图。
7.根据权利要求1所述的方法，其特征在于，所述方法还包括：
计算所述邻近点群中各个数据点在所述点云地图中的三维坐标均值；
基于所述三维坐标均值计算所述邻近点群的协方差矩阵；
计算所述协方差矩阵的第一特征向量，第二特征向量和第三特征向量，所述第一特征向量、所述第二特征向量和所述第三特征向量中最小特征值对应的特征向量垂直于所述邻近点群的主要分布平面；
将所述最小特征值对应的特征向量确定为所述法向量。
8.根据权利要求1所述的方法，其特征在于，所述在所述邻近点群的法向量满足预设条件的情况下，将所述邻近点群确定为所述目标表面的点云数据，包括：
响应于所述法向量与所述目标表面相垂直的方向的夹角小于设定阈值，将所述邻近点群确定为所述目标表面的点云数据。
9.一种电子设备，其特征在于，所述设备包括处理器和存储器；所述存储器中存储有程序，所述程序由所述处理器加载并执行以实现如权利要求1至8任一项所述的目标表面的点云提取方法。
10.一种计算机可读存储介质，其特征在于，所述存储介质中存储有程序，所述程序被处理器执行时用于实现如权利要求1至8任一项所述的目标表面的点云提取方法。
CN202210410553.9A 2022-04-19 2022-04-19 目标表面的点云提取方法、设备和存储介质 Pending CN116955347A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210410553.9A CN116955347A (zh) 2022-04-19 2022-04-19 目标表面的点云提取方法、设备和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210410553.9A CN116955347A (zh) 2022-04-19 2022-04-19 目标表面的点云提取方法、设备和存储介质

Publications (1)

Publication Number Publication Date
CN116955347A true CN116955347A (zh) 2023-10-27

Family

ID=88451646

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210410553.9A Pending CN116955347A (zh) 2022-04-19 2022-04-19 目标表面的点云提取方法、设备和存储介质

Country Status (1)

Country Link
CN (1) CN116955347A (zh)

Similar Documents

Publication Publication Date Title
CN111932688B (zh) 一种基于三维点云的室内平面要素提取方法、系统及设备
US11107272B2 (en) Scalable volumetric 3D reconstruction
Shi et al. Adaptive simplification of point cloud using k-means clustering
Bauchet et al. Kinetic shape reconstruction
Ji et al. A novel simplification method for 3D geometric point cloud based on the importance of point
US8199977B2 (en) System and method for extraction of features from a 3-D point cloud
CN104616349B (zh) 基于局部曲面变化因子的散乱点云数据精简处理方法
CN113781667B (zh) 三维结构简化重建方法、装置、计算机设备和存储介质
CN112356019B (zh) 一种用于灵巧手抓取的目标物体形体分析方法及装置
CN112164145B (zh) 基于点云数据快速提取室内三维线段结构的方法
Wang et al. A new point cloud simplification method with feature and integrity preservation by partition strategy
CN114612665B (zh) 基于法向量直方图特征的位姿估计及动态车辆检测方法
CN116416366A (zh) 3d模型构建方法、装置和电子设备
CN113610983A (zh) 一种离散点空间曲面三角网格自动剖分方法
CN114219899B (zh) 一种基于改进叉树算法的网格生成方法及装置
CN109344750B (zh) 一种基于结构描述子的复杂结构三维对象识别方法
CN112232248B (zh) 一种多线LiDAR点云数据平面特征的提取方法及装置
CN113345072A (zh) 一种多视角遥感地形影像点云重建方法及系统
GB2597238A (en) A computer implemented method of generating a parametric structural design model
Horvat et al. Ray-casting point-in-polyhedron test
CN116955347A (zh) 目标表面的点云提取方法、设备和存储介质
CN112999656B (zh) 一种光照探针的处理方法、装置、电子设备及存储介质
Shui et al. Automatic planar shape segmentation from indoor point clouds
CN113763563A (zh) 一种基于平面识别的三维点云几何网格结构生成方法
CN117437364B (zh) 基于残缺点云数据的建筑三维结构提取方法和装置

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
TA01 Transfer of patent application right

Effective date of registration: 20240511

Address after: 215000 no.1688, Songwei Road, Guoxiang street, Wuzhong Economic Development Zone, Suzhou City, Jiangsu Province

Applicant after: Pursuit technology (Suzhou) Co.,Ltd.

Country or region after: China

Address before: 215000 E3, building 16, No. 2288, Wuzhong Avenue, Yuexi, Wuzhong District, Suzhou City, Jiangsu Province

Applicant before: Dreame technology (Suzhou) Co.,Ltd.

Country or region before: China

TA01 Transfer of patent application right