CN117151970A - 点云数据处理方法、装置、电子装置和存储介质 - Google Patents
点云数据处理方法、装置、电子装置和存储介质 Download PDFInfo
- Publication number
- CN117151970A CN117151970A CN202310982911.8A CN202310982911A CN117151970A CN 117151970 A CN117151970 A CN 117151970A CN 202310982911 A CN202310982911 A CN 202310982911A CN 117151970 A CN117151970 A CN 117151970A
- Authority
- CN
- China
- Prior art keywords
- point cloud
- cloud data
- coordinate system
- reference coordinate
- conversion
- 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
- 238000003672 processing method Methods 0.000 title claims abstract description 21
- 238000003860 storage Methods 0.000 title claims abstract description 11
- 238000006243 chemical reaction Methods 0.000 claims abstract description 130
- 238000000034 method Methods 0.000 claims abstract description 25
- 238000004590 computer program Methods 0.000 claims description 14
- 238000012545 processing Methods 0.000 claims description 11
- 238000005457 optimization Methods 0.000 abstract description 7
- 239000011159 matrix material Substances 0.000 description 8
- 230000005540 biological transmission Effects 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 5
- 230000009466 transformation Effects 0.000 description 5
- 230000008901 benefit Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 108010001267 Protein Subunits Proteins 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000002939 conjugate gradient method Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000011478 gradient descent method Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008685 targeting Effects 0.000 description 1
- 238000011426 transformation method Methods 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
Landscapes
- Length Measuring Devices By Optical Means (AREA)
Abstract
本申请涉及一种点云数据处理方法、装置、电子装置和存储介质,其中,该点云数据处理方法包括:获取被测对象的不同扫描区域的第一点云数据,再根据各扫描区域的第一点云数据与参考坐标系之间的第一转换关系,对第一点云数据进行粗配准,得到第二点云数据以及第二点云数据与参考坐标系之间的第二转换关系,以及根据不同扫描区域的第二点云数据之间的配准结果,对第二转换关系进行优化,得到精配准结果,最后根据精配准结果,得到被测对象在参考坐标系下的目标点云数据。其实现了多份点云数据之间的配准优化,从而提高了点云配准的精度,进而能够提高扫描面积较大场景下的跟踪式三维扫描的扫描精度。
Description
技术领域
本申请涉及三维扫描技术领域,特别是涉及点云数据处理方法、装置、电子装置和存储介质。
背景技术
目前在对扫描面积较大的物体进行跟踪式三维扫描时,通常通过在被测对象的表面粘贴大量标记点,在扫描之前进行全局标记点的扫描,之后再通过动态跟踪来完成点云数据的扫描。该种方式需要粘贴大量标记点,难以应用至不适于粘贴较多标记点的扫描场景。为了降低粘贴标记点的数量,有些扫描方式设置多个站位,通过标记点进行跟踪头的转站,以计算不同站位之间的转换关系,以此将扫描数据整合至一个坐标系中。该种方式通过转站完成对被测对象的跟踪式三维扫描,最终的扫描精度较低。
针对相关技术中存在扫描面积较大场景下的跟踪式三维扫描方式精度较低的问题,目前还没有提出有效的解决方案。
发明内容
在本实施例中提供了一种点云数据处理方法、装置、电子装置和存储介质,以解决相关技术中存在扫描面积较大场景下的跟踪式三维扫描方式精度较低的问题。
第一个方面,在本实施例中提供了一种点云数据处理方法,包括:
获取被测对象的不同扫描区域的第一点云数据;
根据各扫描区域的所述第一点云数据与参考坐标系之间的第一转换关系,对所述第一点云数据进行粗配准,得到第二点云数据以及所述第二点云数据与所述参考坐标系之间的第二转换关系;
根据不同扫描区域的所述第二点云数据之间的配准结果,对所述第二转换关系进行优化,得到精配准结果;
根据所述精配准结果,得到所述被测对象在所述参考坐标系下的目标点云数据。
在其中的一些实施例中,所述根据不同扫描区域的所述第二点云数据之间的配准结果,对所述第二转换关系进行优化,得到精配准结果,包括:
基于不同扫描区域的所述第二点云数据之间的公共点云数据,计算不同扫描区域的所述第二点云数据之间的配准结果;
根据不同扫描区域的所述第二点云数据之间的配准结果,对所述第二转换关系进行优化,得到精配准结果。
在其中的一些实施例中,所述根据不同扫描区域的所述第二点云数据之间的配准结果,对所述第二转换关系进行优化,得到精配准结果,还包括:
根据不同扫描区域的所述第二点云数据之间的配准结果,确定所述第二点云数据与所述参考坐标系之间的参考转换关系;
分别计算所述第二点云数据在所述参考转换关系下的第一转换结果,以及所述第二点云数据在所述第二转换关系下的第二转换结果,并求解所述第一转换结果与所述第二转换结果之间的残差项;
对所述第二转换关系进行优化,直至所述残差项达到预设阈值,得到精配准结果。
在其中的一些实施例中,所述根据所述精配准结果,得到所述被测对象在所述参考坐标系下的目标点云数据,包括:
根据所述精配准结果,将所述第二点云数据转换到所述参考坐标系下,得到所述被测对象在所述参考坐标系下的目标点云数据。
在其中的一些实施例中,所述根据所述精配准结果,将所述第二点云数据转换到所述参考坐标系下,得到所述被测对象在所述参考坐标系下的目标点云数据,包括:
根据所述精配准结果,将所述第二点云数据转换到所述参考坐标系下,得到第三点云数据;
对所述第三点云数据进行合并去重,得到所述被测对象在所述参考坐标系下的目标点云数据。
在其中的一些实施例中,所述根据各扫描区域的所述第一点云数据与参考坐标系之间的第一转换关系,对所述第一点云数据进行粗配准,得到第二点云数据以及所述第二点云数据与所述参考坐标系之间的第二转换关系,包括:
根据各扫描区域的所述第一点云数据与参考坐标系之间的第一转换关系,对各扫描区域的所述第一点云数据进行转换,得到第二点云数据以及所述第二点云数据与所述参考坐标系之间的第二转换关系。
在其中的一些实施例中,所述获取被测对象的不同扫描区域的第一点云数据,包括:
基于在不同跟踪站位下,对被测对象的相应扫描区域进行跟踪扫描的结果,得到所述被测对象不同扫描区域的第一点云数据。
第二个方面,在本实施例中提供了一种点云数据处理装置,包括:获取模块、粗配准模块、精配准模块以及转换模块;其中:
所述获取模块,用于获取被测对象的不同扫描区域的第一点云数据;
所述粗配准模块,用于根据各扫描区域的所述第一点云数据与参考坐标系之间的第一转换关系,对所述第一点云数据进行粗配准,得到第二点云数据以及所述第二点云数据与所述参考坐标系之间的第二转换关系;
所述精配准模块,用于根据不同扫描区域的所述第二点云数据之间的配准结果,对所述第二转换关系进行优化,得到精配准结果;
所述转换模块,用于根据所述精配准结果,得到所述被测对象在所述参考坐标系下的目标点云数据。
第三个方面,在本实施例中提供了一种电子装置,包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述第一个方面所述的点云数据处理方法。
第四个方面,在本实施例中提供了一种存储介质,其上存储有计算机程序,该程序被处理器执行时实现上述第一个方面所述的点云数据处理方法。
与相关技术相比,在本实施例中提供的点云数据处理方法、装置、电子装置和存储介质,首先获取被测对象的不同扫描区域的第一点云数据,再根据各扫描区域的第一点云数据与参考坐标系之间的第一转换关系,对第一点云数据进行粗配准,得到第二点云数据以及第二点云数据与参考坐标系之间的第二转换关系,以及根据不同扫描区域的第二点云数据之间的配准结果,对第二转换关系进行优化,得到精配准结果,最后根据精配准结果,得到被测对象在参考坐标系下的目标点云数据。其实现了多份点云数据之间的配准优化,从而提高了点云配准的精度,进而能够提高扫描面积较大场景下的跟踪式三维扫描的扫描精度。
本申请的一个或多个实施例的细节在以下附图和描述中提出,以使本申请的其他特征、目的和优点更加简明易懂。
附图说明
此处所说明的附图用来提供对本申请的进一步理解,构成本申请的一部分,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。在附图中:
图1是本实施例的点云数据处理方法的终端的硬件结构框图;
图2是本实施例的点云数据处理方法的流程图;
图3是本优选实施例的点云数据处理方法的流程图;
图4是本实施例的点云数据处理装置的结构框图。
具体实施方式
为更清楚地理解本申请的目的、技术方案和优点,下面结合附图和实施例,对本申请进行了描述和说明。
除另作定义外,本申请所涉及的技术术语或者科学术语应具有本申请所属技术领域具备一般技能的人所理解的一般含义。在本申请中的“一”、“一个”、“一种”、“该”、“这些”等类似的词并不表示数量上的限制,它们可以是单数或者复数。在本申请中所涉及的术语“包括”、“包含”、“具有”及其任何变体,其目的是涵盖不排他的包含;例如,包含一系列步骤或模块(单元)的过程、方法和系统、产品或设备并未限定于列出的步骤或模块(单元),而可包括未列出的步骤或模块(单元),或者可包括这些过程、方法、产品或设备固有的其他步骤或模块(单元)。在本申请中所涉及的“连接”、“相连”、“耦接”等类似的词语并不限定于物理的或机械连接,而可以包括电气连接,无论是直接连接还是间接连接。在本申请中所涉及的“多个”是指两个或两个以上。“和/或”描述关联对象的关联关系,表示可以存在三种关系,例如,“A和/或B”可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。通常情况下,字符“/”表示前后关联的对象是一种“或”的关系。在本申请中所涉及的术语“第一”、“第二”、“第三”等,只是对相似对象进行区分,并不代表针对对象的特定排序。
在本实施例中提供的方法实施例可以在终端、计算机或者类似的运算装置中执行。比如在终端上运行,图1是本实施例的点云数据处理方法的终端的硬件结构框图。如图1所示,终端可以包括一个或多个(图1中仅示出一个)处理器102和用于存储数据的存储器104,其中,处理器102可以包括但不限于微处理器MCU或可编程逻辑器件FPGA等的处理装置。上述终端还可以包括用于通信功能的传输设备106以及输入输出设备108。本领域普通技术人员可以理解,图1所示的结构仅为示意,其并不对上述终端的结构造成限制。例如,终端还可包括比图1中所示更多或者更少的组件,或者具有与图1所示出的不同配置。
存储器104可用于存储计算机程序,例如,应用软件的软件程序以及模块,如在本实施例中的点云数据处理方法对应的计算机程序,处理器102通过运行存储在存储器104内的计算机程序,从而执行各种功能应用以及数据处理,即实现上述的方法。存储器104可包括高速随机存储器,还可包括非易失性存储器,如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中,存储器104可进一步包括相对于处理器102远程设置的存储器,这些远程存储器可以通过网络连接至终端。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。
传输设备106用于经由一个网络接收或者发送数据。上述的网络包括终端的通信供应商提供的无线网络。在一个实例中,传输设备106包括一个网络适配器(NetworkInterface Controller,简称为NIC),其可通过基站与其他网络设备相连从而可与互联网进行通讯。在一个实例中,传输设备106可以为射频(Radio Frequency,简称为RF)模块,其用于通过无线方式与互联网进行通讯。
在本实施例中提供了一种点云数据处理方法,图2是本实施例的点云数据处理方法的流程图,如图2所示,该流程包括如下步骤:
步骤S210,获取被测对象的不同扫描区域的第一点云数据。
该被测对象可以为任意一种需要进行三维扫描,以实现三维重建的对象。当该被测对象的扫描面积较大时,可以将该被测对象需要进行扫描的表面划分为若干扫描区域,分别对该被测对象不同的扫描区域进行三维扫描,得到不同扫描区域的点云数据,将扫描得到的不同扫描区域的点云数据视为第一点云数据。例如,在对飞机进行扫描时,可以将其表面划分为5个区域,应用手持式扫描仪或者跟踪式扫描仪分别获取这5个区域的点云数据。示例性地,在采用跟踪式扫描技术对被测对象的不同扫描区域进行扫描时,可以结合跟踪头的转站技术,对应被测对象的各个扫描区域设置跟踪站位,将跟踪头的跟踪站位与被测对象的扫描区域一一对应。之后,将跟踪头放置在第一个跟踪站位下,获取该第一个跟踪站位所对应的扫描区域的第一点云数据,再将跟踪头放置在第二个跟踪站位下,获取第二个跟踪站位所对应的扫描区域的第一点云数据,以此类推,得到若干跟踪站位对应的第一点云数据,也即上述不同扫描区域的第一点云数据。此外,本实施例不同扫描区域的第一点云数据也可以是手持式扫描仪移动至不同扫描位置获取得到的。
步骤S220,根据各扫描区域的第一点云数据与参考坐标系之间的第一转换关系,对第一点云数据进行粗配准,得到第二点云数据以及第二点云数据与参考坐标系之间的第二转换关系。
其中,该参考坐标系指的是预先指定的世界坐标系,通过设定该参考坐标系,将其他不同坐标系下的点云数据统一转换至该参考坐标系下,从而得到坐标系统一的点云数据,进而实现对被测对象的三维重建。在对第一点云数据进行粗配准之前,不同扫描区域的第一点云数据与参考坐标系之间的第一转换关系可以预先标定得到。例如在扫描之前根据固定设置的标记点,计算得到不同跟踪站位与参考坐标系之间的转换关系,将其作为第一转换关系。关于具体的标定方式,本实施例在此不作具体限定。
上述不同扫描区域的第一点云数据,处于各个扫描区域对应的局部坐标系下,因此,需要基于上述第一转换关系,对第一点云数据进行粗配准,对第一点云数据进行转换得到第二点云数据。由于第一转换关系不能较为准确地指示第一点云数据与参考坐标系的转换关系,因此通过第一转换关系对第一点云数据进行坐标系转换,也不能准确得到统一至参考坐标系下的点云数据。也即,此时第二点云数据与参考坐标系之间仍然存在第二转换关系。需要说明的是,本实施例中所涉及的转换关系,均可以在数学上以旋转平移矩阵(也即,RT矩阵)来表示。在未对该第二转换关系进行优化之前,初始求得的第二转换关系为各个扫描区域的第二点云数据到参考坐标系之间的单位矩阵,也即,每个扫描区域的第二点云数据到参考坐标系对应一个单位矩阵。
步骤S230,根据不同扫描区域的第二点云数据之间的配准结果,对第二转换关系进行优化,得到精配准结果。
特别地,本实施例对不同扫描区域的第二点云数据进行两两配准,从而得到不同扫描区域的第二点云数据之间转换矩阵,将其视为第二点云数据之间的配准结果。基于该配准结果,对上述步骤S220获得的第二点云数据与参考坐标系之间的第二转换关系进行优化,以提升该第二转换关系的精度,进而将优化后的第二转换关系作为精配准结果。针对相关技术中,在对扫描面积较大的物体进行三维扫描时,将不同扫描区域的点云数据整合至一个坐标系下,存在扫描精度较低的问题。本实施例基于粗配准后的点云数据之间的转换关系,对粗配准后的点云数据与参考坐标系之间的转换关系进行优化,能够基于优化后的转换关系,提高点云数据统一至参考坐标系下的转换精度,进而提高最终的扫描精度。
步骤S240,根据精配准结果,得到被测对象在参考坐标系下的目标点云数据。上述精配准结果也即优化后的第二转换关系,基于优化后的第二转换关系,对第二点云数据进行转换,得到最终统一在参考坐标系下的目标点云数据,进而基于该目标点云数据完成该被测对象的三维重建。
上述步骤S210至步骤S240,获取被测对象的不同扫描区域的第一点云数据;根据各扫描区域的第一点云数据与参考坐标系之间的第一转换关系,对第一点云数据进行粗配准,得到第二点云数据以及第二点云数据与参考坐标系之间的第二转换关系;根据不同扫描区域的第二点云数据之间的配准结果,对第二转换关系进行优化,得到精配准结果;根据精配准结果,得到被测对象在参考坐标系下的目标点云数据。其实现了多份点云数据之间的配准优化,从而提高了点云配准的精度,进而能够提高扫描面积较大场景下的跟踪式三维扫描的扫描精度。
进一步地,在一个实施例中,基于上述步骤S230,根据不同扫描区域的第二点云数据之间的配准结果,对第二转换关系进行优化,得到精配准结果,可以包括:
基于不同扫描区域的第二点云数据之间的公共点云数据,计算不同扫描区域的第二点云数据之间的配准结果;根据不同扫描区域的第二点云数据之间的配准结果,对第二转换关系进行优化,得到精配准结果。
具体地,基于不同扫描区域的第二点云数据两两之间的公共点云数据,计算不同扫描区域的第二点云数据两两之间的转换关系,得到上述第二点云数据之间的配准结果。例如,若n个不同扫描区域的第二点云数据为W1、W2、...、Wn,则对W1、W2、...、Wn进行两两配准,得到相互之间的转换关系,例如W1与W2之间的转换关系RT12、W1与W3之间的转换关系RT12、...、W2与Wn之间的转换关系RT2n,W3与Wn之间的转换关系RT3n。上述RT12、RT23、...、RT2n、RT3n即为上述第二点云数据之间的配准结果。
在一个实施例中,基于上述步骤S230,根据不同扫描区域的第二点云数据之间的配准结果,对第二转换关系进行优化,得到精配准结果,还可以包括:
根据不同扫描区域的第二点云数据之间的配准结果,确定第二点云数据与参考坐标系之间的参考转换关系;分别计算第二点云数据在参考转换关系下的第一转换结果,以及第二点云数据在第二转换关系下的第二转换结果,并求解第一转换结果与第二转换结果之间的残差项;对第二转换关系进行优化,直至残差项达到预设阈值,得到精配准结果。
接下来结合示例对上述优化过程进行说明。假设n个不同扫描区域的第二点云数据到参考坐标系之间的第二转换关系为rt1、rt2、rt3、...、rtn,各扫描区域的第二点云数据之间两两配准的结果为RT12、RT13、...、RT1n、RT23、...、RT2N、...、RT3n,各扫描区域的第二点云数据为W1、W2、...、Wn。那么,W2到参考坐标系之间的转换关系为rt2,W1与W2之间的转换关系为RT12,则W1上一点P1到参考坐标系下的坐标P1’可以表示为P1’=rt2*RT12*P1。由此,上述第二点云数据与参考坐标系之间的参考转换关系,即为rt2*RT12,上述通过参考转换关系得到的第一转换结果即为P1’。
又因为W1到参考坐标系下的转换关系为rt1,因此W1中的P1点的另一种计算到参考坐标系下的坐标P1”可以表示为P1”=rt1*P1。在此,第二转换结果即为P1”。理论上在rt1、rt2、rt3、...、rtn都很精确的情况下,P1”=P1’。由于实际使用场景中各种误差的存在,求得的P1”≠P1’。因此,可以将P1”与P1’之间的差值作为残差项,以此对上述第二转换关系进行优化,直至求解得到的P1”与P1’之间的差值小于预设值,即认为该残差项达到预设阈值,将此时对应的优化后的第二转换关系作为精配准结果。由于存在多片点云,因此能建立若干残差项,通过以各残差项尽可能的趋向于0为目标来求解最佳的优化项rt1、rt2、rt3、...、rtn。最终得到精配准结果。例如,可以通过梯度下降法、牛顿法以及共轭梯度法等最优化方法,以残差项趋近于0为目标,求解rt1、rt2、rt3、...、rtn的最优值,从而得到精配准结果。
此外,在一个实施例中,基于上述步骤S240,根据精配准结果,得到被测对象在参考坐标系下的目标点云数据,可以包括:
根据精配准结果,将第二点云数据转换到参考坐标系下,得到被测对象在参考坐标系下的目标点云数据。在得到上述精配准结果后,即可以基于该精配准结果表示的转换关系,将第二点云数据转换至参考坐标系下。
另外地,在一个实施例中,根据精配准结果,将第二点云数据转换到参考坐标系下,得到被测对象在参考坐标系下的目标点云数据,可以包括:
根据精配准结果,将第二点云数据转换到参考坐标系下,得到第三点云数据;对第三点云数据进行合并去重,得到被测对象在参考坐标系下的目标点云数据。
特别地,在一个实施例中,基于上述步骤S220,根据各扫描区域的第一点云数据与参考坐标系之间的第一转换关系,对第一点云数据进行粗配准,得到第二点云数据以及第二点云数据与参考坐标系之间的第二转换关系,可以包括:
根据各扫描区域的第一点云数据与参考坐标系之间的第一转换关系,对各扫描区域的第一点云数据进行转换,得到第二点云数据以及第二点云数据与参考坐标系之间的第二转换关系。例如,n个扫描区域的第一点云数据表示为C1、C2、...、Cn,则其对应的到参考坐标系的第一转换关系表示为RT1、RT2、...、RTn。则可以基于RT1、RT2、...、RTn对C1、C2、...、Cn,得到第二点云数据W1、W2、...、Wn。
在一个实施例中,基于上述步骤S210,获取被测对象的不同扫描区域的第一点云数据,可以包括:基于在不同跟踪站位下,对被测对象的相应扫描区域进行跟踪扫描的结果,得到被测对象不同扫描区域的第一点云数据。继续结合上述示例,例如,将跟踪头放置在第一个跟踪站位,扫描该跟踪站位下的被测对象相应扫描区域的数据得到点云集合C1,并记录当前跟踪站位与参考坐标系之间的第一转换关系RT1,再将跟踪头放置在第二个跟踪站位,通过现有转站技术求得第二个跟踪站位与参考坐标系之间的第二转换关系RT2,扫描该跟踪站位下的被测对象相应扫描区域的数据得到点云集合C2,并记录当前跟踪站位与参考坐标系之间的第二转换关系RT2,以此类推,得到其他的的第一点云数据和第一转换关系。
本实施例通过结合转站技术,对粗配准后的第二转换关系进行优化,从而能够提高最终扫描的精度,因此,本实施例与转站技术结合时,对转站本身的精度要求不高,且对转站过程中所需要设置的标记点数量没有较多限制,因此适于与转站技术相结合,推广应用于较多扫描场景。
下面通过优选实施例对本实施例进行描述和说明。
图3是本优选实施例的点云数据处理方法的流程图。如图3所示,该点云数据处理方法包括如下步骤:
步骤S301,将跟踪头放置在第一个跟踪站位,配合扫描头扫描该跟踪站位下的被测对象的相应扫描区域的数据,得到点云集合C1,并记录第一个跟踪站位与参考坐标系之间的转换矩阵RT1;
步骤S302,将跟踪头放置在第二个跟踪站位,配合扫描头扫描该跟踪站位下的被测对象的相应扫描区域的数据,得到点云集合C2,并通过转站方法记录第二个跟踪站位与参考坐标系之间的转换矩阵RT2;
步骤S303,重复通过转站和扫描,得到被测对象的n个不同扫描区域的第一点云数据C1、C2、...、Cn,以及对应的到参考坐标系下的转换矩阵RT1、RT2、...、RTn;
步骤S304,将C1、C2、...、Cn通过RT1、RT2、...、RTn进行转换,得到第二点云数据W1、W2、...、Wn;
步骤S305,将W1、W2、...、Wn进行两两配准,得到相互之间的转换矩阵集合RT_ARRAY(RT12、RT13、...、RT1n、RT23、...、RT2n、...、RT3n);
步骤S306,基于步骤S305的结果对第二点云数据W1、W2、...、Wn到参考坐标系下的第二转换关系进行优化,得到优化后的第二转换关系RT1’、RT2’、RT3’、...、RTn’;
步骤S307,将第二点云数据W1、W2、...、Wn通过RT1’、RT2’、RT3’、...、RTn’进行转换,得到参考坐标系下的点云集合W1’、W2’、...、Wn’;
步骤S308,对点云集合W1’、W2’、...、Wn’进行合并去重,得到统一在参考坐标系下的目标点云数据。
在本实施例中还提供了一种点云数据处理装置,该装置用于实现上述实施例及优选实施方式,已经进行过说明的不再赘述。以下所使用的术语“模块”、“单元”、“子单元”等可以实现预定功能的软件和/或硬件的组合。尽管在以下实施例中所描述的装置较佳地以软件来实现,但是硬件,或者软件和硬件的组合的实现也是可能并被构想的。
图4是本实施例的点云数据处理装置40的结构框图,如图4所示,该点云数据处理装置40包括:获取模块42、粗配准模块44、精配准模块46以及转换模块48;其中:
获取模块42,用于获取被测对象的不同扫描区域的第一点云数据;
粗配准模块44,用于根据各扫描区域的第一点云数据与参考坐标系之间的第一转换关系,对第一点云数据进行粗配准,得到第二点云数据以及第二点云数据与参考坐标系之间的第二转换关系;
精配准模块46,用于根据不同扫描区域的第二点云数据之间的配准结果,对第二转换关系进行优化,得到精配准结果;
转换模块48,用于根据精配准结果,得到被测对象在参考坐标系下的目标点云数据。
上述点云数据处理装置,实现了多份点云数据之间的配准优化,从而提高了点云配准的精度,进而能够提高扫描面积较大场景下的跟踪式三维扫描的扫描精度。
需要说明的是,上述各个模块可以是功能模块也可以是程序模块,既可以通过软件来实现,也可以通过硬件来实现。对于通过硬件来实现的模块而言,上述各个模块可以位于同一处理器中;或者上述各个模块还可以按照任意组合的形式分别位于不同的处理器中。
在本实施例中还提供了一种电子装置,包括存储器和处理器,该存储器中存储有计算机程序,该处理器被设置为运行计算机程序以执行上述任一项方法实施例中的步骤。
可选地,上述电子装置还可以包括传输设备以及输入输出设备,其中,该传输设备和上述处理器连接,该输入输出设备和上述处理器连接。
可选地,在本实施例中,上述处理器可以被设置为通过计算机程序执行以下步骤:
S1,获取被测对象的不同扫描区域的第一点云数据;
S2,根据各扫描区域的第一点云数据与参考坐标系之间的第一转换关系,对第一点云数据进行粗配准,得到第二点云数据以及第二点云数据与参考坐标系之间的第二转换关系;
S3,根据不同扫描区域的第二点云数据之间的配准结果,对第二转换关系进行优化,得到精配准结果;
S4,根据精配准结果,得到被测对象在参考坐标系下的目标点云数据。
需要说明的是,在本实施例中的具体示例可以参考上述实施例及可选实施方式中所描述的示例,在本实施例中不再赘述。
此外,结合上述实施例中提供的点云数据处理方法,在本实施例中还可以提供一种存储介质来实现。该存储介质上存储有计算机程序;该计算机程序被处理器执行时实现上述实施例中的任意一种点云数据处理方法。
应该明白的是,这里描述的具体实施例只是用来解释这个应用,而不是用来对它进行限定。根据本申请提供的实施例,本领域普通技术人员在不进行创造性劳动的情况下得到的所有其它实施例,均属本申请保护范围。
需要说明的是,本申请所涉及的用户信息(包括但不限于用户设备信息、用户个人信息等)和数据(包括但不限于用于分析的数据、存储的数据、展示的数据等),均为经用户授权或者经过各方充分授权的信息和数据。
显然,附图只是本申请的一些例子或实施例,对本领域的普通技术人员来说,也可以根据这些附图将本申请适用于其他类似情况,但无需付出创造性劳动。另外,可以理解的是,尽管在此开发过程中所做的工作可能是复杂和漫长的,但是,对于本领域的普通技术人员来说,根据本申请披露的技术内容进行的某些设计、制造或生产等更改仅是常规的技术手段,不应被视为本申请公开的内容不足。
“实施例”一词在本申请中指的是结合实施例描述的具体特征、结构或特性可以包括在本申请的至少一个实施例中。该短语出现在说明书中的各个位置并不一定意味着相同的实施例,也不意味着与其它实施例相互排斥而具有独立性或可供选择。本领域的普通技术人员能够清楚或隐含地理解的是,本申请中描述的实施例在没有冲突的情况下,可以与其它实施例结合。
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专利保护范围的限制。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,本申请的保护范围应以所附权利要求为准。
Claims (10)
1.一种点云数据处理方法,其特征在于,包括:
获取被测对象的不同扫描区域的第一点云数据;
根据各扫描区域的所述第一点云数据与参考坐标系之间的第一转换关系,对所述第一点云数据进行粗配准,得到第二点云数据以及所述第二点云数据与所述参考坐标系之间的第二转换关系;
根据不同扫描区域的所述第二点云数据之间的配准结果,对所述第二转换关系进行优化,得到精配准结果;
根据所述精配准结果,得到所述被测对象在所述参考坐标系下的目标点云数据。
2.根据权利要求1所述的点云数据处理方法,其特征在于,所述根据不同扫描区域的所述第二点云数据之间的配准结果,对所述第二转换关系进行优化,得到精配准结果,包括:
基于不同扫描区域的所述第二点云数据之间的公共点云数据,计算不同扫描区域的所述第二点云数据之间的配准结果;
根据不同扫描区域的所述第二点云数据之间的配准结果,对所述第二转换关系进行优化,得到精配准结果。
3.根据权利要求1所述的点云数据处理方法,其特征在于,所述根据不同扫描区域的所述第二点云数据之间的配准结果,对所述第二转换关系进行优化,得到精配准结果,还包括:
根据不同扫描区域的所述第二点云数据之间的配准结果,确定所述第二点云数据与所述参考坐标系之间的参考转换关系;
分别计算所述第二点云数据在所述参考转换关系下的第一转换结果,以及所述第二点云数据在所述第二转换关系下的第二转换结果,并求解所述第一转换结果与所述第二转换结果之间的残差项;
对所述第二转换关系进行优化,直至所述残差项达到预设阈值,得到精配准结果。
4.根据权利要求1所述的点云数据处理方法,其特征在于,所述根据所述精配准结果,得到所述被测对象在所述参考坐标系下的目标点云数据,包括:
根据所述精配准结果,将所述第二点云数据转换到所述参考坐标系下,得到所述被测对象在所述参考坐标系下的目标点云数据。
5.根据权利要求4所述的点云数据处理方法,其特征在于,所述根据所述精配准结果,将所述第二点云数据转换到所述参考坐标系下,得到所述被测对象在所述参考坐标系下的目标点云数据,包括:
根据所述精配准结果,将所述第二点云数据转换到所述参考坐标系下,得到第三点云数据;
对所述第三点云数据进行合并去重,得到所述被测对象在所述参考坐标系下的目标点云数据。
6.根据权利要求1所述的点云数据处理方法,其特征在于,所述根据各扫描区域的所述第一点云数据与参考坐标系之间的第一转换关系,对所述第一点云数据进行粗配准,得到第二点云数据以及所述第二点云数据与所述参考坐标系之间的第二转换关系,包括:
根据各扫描区域的所述第一点云数据与参考坐标系之间的第一转换关系,对各扫描区域的所述第一点云数据进行转换,得到第二点云数据以及所述第二点云数据与所述参考坐标系之间的第二转换关系。
7.根据权利要求1至6中任一项所述的点云数据处理方法,其特征在于,所述获取被测对象的不同扫描区域的第一点云数据,包括:
基于在不同跟踪站位下,对被测对象的相应扫描区域进行跟踪扫描的结果,得到所述被测对象不同扫描区域的第一点云数据。
8.一种点云数据处理装置,其特征在于,包括:获取模块、粗配准模块、精配准模块以及转换模块;其中:
所述获取模块,用于获取被测对象的不同扫描区域的第一点云数据;
所述粗配准模块,用于根据各扫描区域的所述第一点云数据与参考坐标系之间的第一转换关系,对所述第一点云数据进行粗配准,得到第二点云数据以及所述第二点云数据与所述参考坐标系之间的第二转换关系;
所述精配准模块,用于根据不同扫描区域的所述第二点云数据之间的配准结果,对所述第二转换关系进行优化,得到精配准结果;
所述转换模块,用于根据所述精配准结果,得到所述被测对象在所述参考坐标系下的目标点云数据。
9.一种电子装置,包括存储器和处理器,其特征在于,所述存储器中存储有计算机程序,所述处理器被设置为运行所述计算机程序以执行权利要求1至7中任一项所述的点云数据处理方法。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的点云数据处理方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310982911.8A CN117151970A (zh) | 2023-08-07 | 2023-08-07 | 点云数据处理方法、装置、电子装置和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310982911.8A CN117151970A (zh) | 2023-08-07 | 2023-08-07 | 点云数据处理方法、装置、电子装置和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117151970A true CN117151970A (zh) | 2023-12-01 |
Family
ID=88883254
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310982911.8A Pending CN117151970A (zh) | 2023-08-07 | 2023-08-07 | 点云数据处理方法、装置、电子装置和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117151970A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117579753A (zh) * | 2024-01-16 | 2024-02-20 | 思看科技(杭州)股份有限公司 | 三维扫描方法、装置、计算机设备以及存储介质 |
-
2023
- 2023-08-07 CN CN202310982911.8A patent/CN117151970A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117579753A (zh) * | 2024-01-16 | 2024-02-20 | 思看科技(杭州)股份有限公司 | 三维扫描方法、装置、计算机设备以及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105431747B (zh) | 对无线电地图中的接入点进行分类的方法和设备 | |
CN117151970A (zh) | 点云数据处理方法、装置、电子装置和存储介质 | |
CN110611876B (zh) | 室内资产管理的方法、装置及系统 | |
CN111381209A (zh) | 一种测距定位的方法及装置 | |
CN112659129B (zh) | 机器人的定位方法、装置、系统和计算机设备 | |
CN106199237A (zh) | 测试设备天线的系统 | |
US20150049679A1 (en) | Method of enabling single chain ranging operations | |
CN114708150A (zh) | 一种扫描数据处理方法、装置、电子设备及介质 | |
CN115797659B (zh) | 数据拼接方法、三维扫描系统、电子装置和存储介质 | |
CN105408761B (zh) | 有效减少无线电地图中接入点数量的方法和设备 | |
CN115325959B (zh) | 一种三维扫描系统及方法 | |
WO2015010976A1 (en) | Method and apparatus for associating information with access points with compressed identifiers | |
CN116843759A (zh) | 双目摄像头的标定验证方法、系统、计算机设备及介质 | |
CN111784783B (zh) | 相机外参标定的系统和方法 | |
CA3011868C (en) | Location determination using crowd sourced information | |
CN115493512B (zh) | 数据处理方法、三维扫描系统、电子装置和存储介质 | |
CN115439630B (zh) | 标记点拼接方法、摄影测量方法、装置和电子装置 | |
CN111311690A (zh) | 一种深度相机的标定方法、装置、终端及计算机存储介质 | |
CN110336625B (zh) | 天线对准方法、天线对准装置及终端 | |
CN114846822A (zh) | 定位方法、装置及系统 | |
CN117953078A (zh) | 参数标定方法、处理器、跟踪式扫描系统和电子装置 | |
CN117387485A (zh) | 光学测量设备的跟踪方法、装置和光学测量系统 | |
WO2015007756A1 (en) | Method and apparatus for efficiently compressing access point identifiers | |
CN115243271B (zh) | 一种辐射评估方法、装置和存储介质 | |
US11553448B2 (en) | Method and apparatus for restricting use of a beamforming node for positioning purposes |
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 |