CN117593497A - 点云数据的拾取方法及装置、非易失性存储介质 - Google Patents

Abstract

本申请公开了一种点云数据的拾取方法及装置、非易失性存储介质其中，该方法包括：获取目标区域内的点云数据集；确定点云数据集中每个点云数据之间的目标距离，并确定每个点云数据与第一目标点之间的目标夹角；将目标距离小于预设阈值，且目标夹角处于预设区间内的点云数据进行聚类，得到多个点云数据簇；在多个点云数据簇中，确定与第二目标点距离最近的目标点云数据簇，并在目标点云数据簇中确定拾取对象，其中，第二目标点为与采集装置对应设置的显示装置对应的点。本申请解决了由于相关技术无法在点云数据前后叠加的情况下，拾取目标坐标点，进而造成无法对点云数据进行精准拾取的技术问题。

Description

点云数据的拾取方法及装置、非易失性存储介质

技术领域

本申请涉及数据处理技术领域，具体而言，涉及一种点云数据的拾取方法及装置、非易失性存储介质。

背景技术

激光雷达点云地图在实际工作得到广泛的应用。随着激光雷达融合定位技术日趋成熟，获取激光雷达点云地图变得更加简单。得到激光点云地图，通过三维渲染技术将之呈现在计算机屏幕上。地图中的每一个点都要坐标信息。用鼠标获取屏幕中三维点对象这一过程称之为拾取，拾取是三维渲染中基础部分工作。

但是，在海量点云显示的情况下，点云前后遮挡关系常常会出现。相关的三维坐标拾取方法为：以距离点云投影的二维坐标最近为条件，判断是否为拾取对象。该方法在点云前后叠加的情况下，很难选取到需要的坐标点，很容易出现点透的情况。

针对上述的问题，目前尚未提出有效的解决方案。

发明内容

本申请实施例提供了一种点云数据的拾取方法及装置、非易失性存储介质，以至少解决由于相关技术无法在点云数据前后叠加的情况下，拾取目标坐标点，进而造成无法对点云数据进行精准拾取的技术问题。

根据本申请实施例的一个方面，提供了一种点云数据的拾取方法，包括：获取目标区域内的点云数据集；确定点云数据集中每个点云数据之间的目标距离，并确定每个点云数据与第一目标点之间的目标夹角，其中，第一目标点为采集装置对应的点，采集装置用于采集点云数据集；将目标距离小于预设阈值，且目标夹角处于预设区间内的点云数据进行聚类，得到多个点云数据簇；在多个点云数据簇中，确定与第二目标点距离最近的目标点云数据簇，并在目标点云数据簇中确定拾取对象，其中，第二目标点为与采集装置对应设置的显示装置对应的点。

可选地，获取目标区域内的点云数据集，包括：确定用于表示目标区域的透视投影矩阵；获取显示装置的第一二维坐标以及第一方向向量；根据第一二维坐标以及第一方向向量，确定视图矩阵；将透视投影矩阵以及视图矩阵进行组合，得到模型视图投影矩阵，其中，模型视图投影矩阵用于确定点云数据的裁剪空间坐标；根据裁剪空间坐标，确定目标区域内的点云数据集。

可选地，得到多个点云数据簇之后，方法还包括：获取多个点云数据簇中每个点云数据簇的第一三维坐标；获取采集装置的第二二维坐标以及第二方向向量；根据第一三维坐标、第二二维坐标、第二方向向量以及采集装置的焦距，确定每个点云数据簇的第二二维坐标。

可选地，在多个点云数据簇中，确定与第二目标点距离最近的目标点云数据簇，包括：确定第二目标点对应的第三二维坐标；根据每个点云数据簇的第二二维坐标与第三二维坐标，确定每个点云数据簇与第二目标点的欧式距离；根据每个点云数据簇与第二目标点的欧式距离，确定与第二目标点距离最近的目标点云数据簇。

可选地，在目标点云数据簇中确定拾取对象，包括：确定目标点云数据簇中的每个目标点云数据与第二目标点之间的距离；将与第二目标点距离最近的目标点云数据确定为拾取对象，其中，拾取对象中包括以下至少之一：二维坐标、三维坐标、法向量以及颜色。

可选地，获取目标区域内的点云数据集之后，方法还包括：通过以下至少之一的方式，去除点云数据集中的噪声以及对点云数据集进行滤波处理：高斯滤波以及统计滤波。

可选地，预设区间为90度至180度。

根据本申请实施例的再一方面，还提供了一种点云数据的拾取装置，包括：获取模块，用于获取目标区域内的点云数据集；第一确定模块，用于确定点云数据集中每个点云数据之间的目标距离，并确定每个点云数据与第一目标点之间的目标夹角，其中，第一目标点为采集装置对应的点，采集装置用于采集点云数据集；聚类模块，用于将目标距离小于预设阈值，且目标夹角处于预设区间内的点云数据进行聚类，得到多个点云数据簇；第二确定模块，用于在多个点云数据簇中，确定与第二目标点距离最近的目标点云数据簇，并在目标点云数据簇中确定拾取对象，其中，第二目标点为与采集装置对应设置的显示装置对应的点。

根据本申请实施例的再一方面，还提供了一种非易失性存储介质，存储介质包括存储的程序，其中，程序运行时控制存储介质所在的设备执行以上的点云数据的拾取方法。

根据本申请实施例的再一方面，还提供了一种电子设备，包括：存储器和处理器，处理器用于运行存储在存储器中的程序，其中，程序运行时执行以上的点云数据的拾取方法。

在本申请实施例中，采用获取目标区域内的点云数据集；确定点云数据集中每个点云数据之间的目标距离，并确定每个点云数据与第一目标点之间的目标夹角，其中，第一目标点为采集装置对应的点，采集装置用于采集点云数据集；将目标距离小于预设阈值，且目标夹角处于预设区间内的点云数据进行聚类，得到多个点云数据簇；在多个点云数据簇中，确定与第二目标点距离最近的目标点云数据簇，并在目标点云数据簇中确定拾取对象，其中，第二目标点为与采集装置对应设置的显示装置对应的点的方式，达到了在点云数据前后叠加的情况下，确定目标拾取对象的目的，从而实现了对点云数据进行精准拾取的技术效果，进而解决了由于相关技术无法在点云数据前后叠加的情况下，拾取目标坐标点，进而造成无法对点云数据进行精准拾取的技术问题。

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是根据本申请实施例的一种点云数据的拾取方法的流程图；

图2是根据本申请实施例的一种点云数据的拾取装置的结构图；

图3是根据本申请实施例的一种点云数据的拾取方法的计算机终端的硬件结构框图。

具体实施方式

为了使本技术领域的人员更好地理解本申请方案，下面将结合本申请实施例中的附图，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一部分的实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本申请保护的范围。

需要说明的是，本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

根据本申请实施例，提供了一种点云数据的拾取方法的方法实施例，需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。

图1是根据本申请实施例的一种点云数据的拾取方法的流程图，如图1所示，该方法包括如下步骤：

步骤S102，获取目标区域内的点云数据集。

根据本申请的一些可选的实施例，获取目标区域内的点云数据集，可以通过如下方法实现：

步骤S1021，确定用于表示目标区域的透视投影矩阵。

透视投影矩阵通常用于将三维场景投影到二维平面上。举例而言，透视投影矩阵为4x4的矩阵，透视投影矩阵将三维坐标转换为二维坐标，并且可以用于表示目标区域的透视效果。其中，透视投影矩阵的具体形式可以根据具体的应用和需求而变化，其包括但不限于：视场角、宽高比、近裁剪面和远裁剪面等参数。

步骤S1022，获取显示装置的第一二维坐标以及第一方向向量。

示例性的，显示装置的二维坐标通常可以表示为(x，y)，其中x和y分别表示水平和垂直方向的位置。方向向量通常用两个分量表示，即(dx，dy)，其中dx和dy分别表示水平和垂直方向的方向。

步骤S1023，根据第一二维坐标以及第一方向向量，确定视图矩阵。

首先，确定相机的位置和朝向：根据二维坐标确定相机的位置，可以将相机的位置表示为一个三维向量(x，y，z)，然后根据方向向量确定相机的朝向，即相机所指的方向。其次，确定相机的上方向：除了位置和朝向，还需要确定相机的上方向。举例而言，可以通过叉乘运算来确定，即将相机的朝向向量和一个参考向量进行叉乘运算，得到一个垂直于两个向量的向量作为相机的上方向。再次，构建视图矩阵：视图矩阵可以通过相机的位置、朝向和上方向来构建。最后，将视图矩阵应用到渲染管线中，通过将视图矩阵传递给顶点着色器来实现相机的视图变换，从而在屏幕上呈现出正确的图像。

步骤S1024，将透视投影矩阵以及视图矩阵进行组合，得到模型视图投影矩阵，其中，模型视图投影矩阵用于确定点云数据的裁剪空间坐标；

模型视图投影(Model-View-Projection Matrix，MVP)矩阵是将透视投影矩阵和视图矩阵进行组合得到的矩阵。MVP矩阵用于将模型的顶点坐标从模型空间转换到裁剪空间，实现透视投影和视图变换。其中，MVP矩阵可以通过以下步骤得到：1.计算视图矩阵(View Matrix)，将模型从世界空间转换到相机空间。2.计算透视投影矩阵(ProjectionMatrix)，将相机空间中的坐标转换到裁剪空间。3.将视图矩阵和透视投影矩阵进行组合，得到模型视图投影矩阵(Model-View-Projection Matrix)。

MVP矩阵的计算公式为：MVP＝Projection Matrix*View Matrix*Model Matrix，其中，Model Matrix是将模型从对象空间转换到世界空间的矩阵。通过将透视投影矩阵和视图矩阵进行组合，得到的MVP矩阵可以将模型的顶点坐标从对象空间转换到裁剪空间，实现透视投影和视图变换。

步骤S1025，根据裁剪空间坐标，确定目标区域内的点云数据集。

首先，确定目标区域的裁剪空间坐标，示例性的，目标区域为采集装置的视锥。然后，遍历整个点云数据集，对每个点的空间坐标进行比较。只有当点的坐标在目标区域内时，才将该点加入到目标区域的点云数据集中。最后，将筛选出的点云数据集进行存储。

可选地，获取目标区域内的点云数据集之后，还需要：通过以下至少之一的方式，去除点云数据集中的噪声以及对点云数据集进行滤波处理：高斯滤波以及统计滤波。其中，高斯滤波是一种常用的图像处理滤波技术，高斯滤波利用高斯函数对图像进行平滑处理，以减少图像中的噪声和细节。高斯滤波的基本原理是利用高斯函数对图像中的每个像素点进行加权平均处理，以减少噪声对图像的影响。统计滤波是一种基于统计学原理的图像处理滤波技术，统计滤波利用图像中像素值的统计信息来进行滤波处理。统计滤波的基本原理是利用图像中的像素值统计信息对每个像素点进行加权平均处理，以消除图像中的噪声和细节。

步骤S104，确定点云数据集中每个点云数据之间的目标距离，并确定每个点云数据与第一目标点之间的目标夹角，其中，第一目标点为采集装置对应的点，采集装置用于采集点云数据集。

采集装置例如：激光雷达装置、立体相机、结构光扫描仪、惯性导航系统以及全景相机等，其中，激光雷达装置可以通过发射激光束并测量其在目标表面上的反射时间来获取点云数据；立体相机可以通过两个或多个摄像头同时拍摄目标，然后通过三角测量原理来获取点云数据；结构光扫描仪通过投射结构光条纹来测量目标表面的形状和深度，从而获取点云数据；惯性导航系统可以通过加速度计和陀螺仪等传感器来测量设备的运动和姿态，从而获取点云数据；全景相机可以通过拍摄全景图像并利用图像处理算法来获取点云数据。

步骤S106，将目标距离小于预设阈值，且目标夹角处于预设区间内的点云数据进行聚类，得到多个点云数据簇。

举例而言，将目标距离小于0.2m，且每个点云数据与第一目标点之间的目标夹角为[90°-180°]的点云数据进行聚类，进而得到多个点云数据簇。

可选地，使用基于距离和夹角的聚类算法，比如基于密度的聚类算法或者基于凝聚的层次聚类算法，来实现对点云数据的聚类。

在本申请的一些可选的实施例，得到多个点云数据簇之后，还需要：获取多个点云数据簇中每个点云数据簇的第一三维坐标；获取采集装置的第二二维坐标以及第二方向向量；根据第一三维坐标、第二二维坐标、第二方向向量以及采集装置的焦距，确定每个点云数据簇的第二二维坐标。

具体而言，通过如下公式将每个点云数据簇的三维坐标转化为二维坐标：

其中，u，v为每个点云数据簇的二维坐标，T为采集装置的空间位姿，即采集装置的第二二维坐标以及第二方向向量，[x，y，z]为每个点云数据簇的三维坐标，f为采集装置的焦距。

步骤S108，在多个点云数据簇中，确定与第二目标点距离最近的目标点云数据簇，并在目标点云数据簇中确定拾取对象，其中，第二目标点为与采集装置对应设置的显示装置对应的点。

作为本申请的一些可选的实施例，在多个点云数据簇中，确定与第二目标点距离最近的目标点云数据簇，可以通过如下步骤实现：

步骤S1081，确定第二目标点对应的第三二维坐标。

步骤S1082，根据每个点云数据簇的第二二维坐标与第三二维坐标，确定每个点云数据簇与第二目标点的欧式距离。

步骤S1083，根据每个点云数据簇与第二目标点的欧式距离，确定与第二目标点距离最近的目标点云数据簇。

在一些可选的实施例中，在目标点云数据簇中确定拾取对象，在目标点云数据簇中确定拾取对象，具体包括如下步骤：确定目标点云数据簇中的每个目标点云数据与第二目标点之间的距离；将与第二目标点距离最近的目标点云数据确定为拾取对象，其中，从中包括以下至少之一：二维坐标、三维坐标、法向量以及颜色。

根据上述步骤，采用获取目标区域内的点云数据集；确定点云数据集中每个点云数据之间的目标距离，并确定每个点云数据与第一目标点之间的目标夹角，其中，第一目标点为采集装置对应的点，采集装置用于采集点云数据集；将目标距离小于预设阈值，且目标夹角处于预设区间内的点云数据进行聚类，得到多个点云数据簇；在多个点云数据簇中，确定与第二目标点距离最近的目标点云数据簇，并在目标点云数据簇中确定拾取对象，其中，第二目标点为与采集装置对应设置的显示装置对应的点的方式，达到了在点云数据前后叠加的情况下，确定目标拾取对象的目的，从而实现了对点云数据进行精准拾取的技术效果。

本申请实施例还提供了一种点云数据的拾取方法，采用三维相机朝向的视锥，以此范围来截取场景中的点云；采用渲染管线的方式快速获取视锥范围内的点云；得到距离后的点云，计算其平面方程，判断聚类平面方程的前后关系，获得离屏幕深度最近的聚类簇；对于最近的聚类簇在进行屏幕坐标距离判断，获取离屏幕最近的点云数据的坐标点。具体包括如下步骤：

步骤S1，获取屏幕二维坐标，根据相机位置和朝向，计算拾取射线。

步骤S11，获取屏幕二维坐标：首先，获取鼠标在屏幕上的二维坐标位置。如果是移动设备，可以获取触摸事件的坐标位置。

步骤S12，根据相机位置和朝向计算拾取射线：将屏幕二维坐标转换为三维坐标。可以使用投影矩阵和视图矩阵将屏幕坐标转换为裁剪空间坐标，再通过透视除法将裁剪空间坐标转换为视觉空间坐标。根据相机的位置和朝向，以及转换后的视觉空间坐标，计算出射线的起点和方向向量。通常可以使用相机的位置作为射线的起点，相机的朝向和视角作为方向向量。

步骤S13，使用拾取射线进行碰撞检测或其他操作：将计算得到的射线与场景中的物体进行碰撞检测，以确定射线与哪些物体相交，从而实现拾取操作或其他交互操作。

步骤S2，根据拾取射线和视锥角度，通过渲染管线的方式获取视锥内的点云数据。

首先，根据相机的位置和朝向，可以计算出视锥的六个面的平面方程。然后，根据拾取射线和视锥角度，可以确定在视锥内的点云数据的范围。接下来，可以使用图形学渲染管线的技术，例如OpenGL或者DirectX，来实现视锥内的点云数据的获取和渲染。具体而言，将点云数据转换为图形学中的顶点数据，并将其加载到图形处理器中进行处理。通过顶点着色器和片元着色器，将视锥内的点云数据进行渲染并显示在屏幕上。此外，在渲染管线中，还可以使用裁剪和遮挡测试来优化视锥内点云数据的渲染效果，以确保只有视锥内的点云数据被正确地渲染出来。

步骤S3，对获取的点云数据进行三维空间欧式距离聚类，并对每个聚类点云求取平面方程。

对点云数据进行三维空间欧式距离聚类，可以使用K均值聚类或DBSCAN等算法。对每个聚类点云进行平面拟合，求取平面方程，可以使用最小二乘法或RANSAC算法来拟合平面，其中，最小二乘法是一种常用的参数估计方法，通过最小化实际观测值与拟合值之间的残差平方和来求取平面方程；RANSAC算法是一种鲁棒的参数估计方法，通过随机采样和模型验证来拟合平面，对噪声数据具有较好的鲁棒性。求取平面方程后，可以得到平面的法向量和截距，从而得到平面方程的参数形式。例如，对于Ax+By+Cz+D＝0的平面方程，法向量为(A，B，C)，截距为D。

步骤S4，利用平面方程关系计算，计算离视点深度最近的聚类簇。

要计算离视点深度最近的点云聚类簇，可以利用平面方程关系进行计算。首先需要找到视点的坐标，然后计算每个点云聚类簇中所有点的深度，最后找到离视点深度最近的点云聚类簇。具体而言，首先，确定视点的坐标。其次，对于每个点云聚类簇，计算其中每个点的深度，可以利用平面方程关系进行计算，假设平面方程为Ax+By+Cz+D＝0，其中，A、B、C为平面的法向量，D为平面的偏移量，(x，y，z)为点的坐标。通过计算点到平面的距离来得到深度。最后，确定离视点深度最近的点云聚类簇，即确定深度最小的点云聚类簇。

步骤S5，对于深度最近聚类簇，计算离屏幕坐标最近点，输出拾取点对象。

可选地，将离屏幕坐标最近的聚类簇中心点的深度坐标作为拾取点对象的坐标，并将其他相关信息(如颜色、深度值等)也加入拾取点对象中。

图2是根据本申请实施例的一种点云数据的拾取装置的结构图，如图2所示，该装置包括：

获取模块20，用于获取目标区域内的点云数据集。

第一确定模块22，用于确定点云数据集中每个点云数据之间的目标距离，并确定每个点云数据与第一目标点之间的目标夹角，其中，第一目标点为采集装置对应的点，采集装置用于采集点云数据集。

聚类模块24，用于将目标距离小于预设阈值，且目标夹角处于预设区间内的点云数据进行聚类，得到多个点云数据簇。

第二确定模块26，用于在多个点云数据簇中，确定与第二目标点距离最近的目标点云数据簇，并在目标点云数据簇中确定拾取对象，其中，第二目标点为与采集装置对应设置的显示装置对应的点。

需要说明的是，上述图2中的各个模块可以是程序模块(例如是实现某种特定功能的程序指令集合)，也可以是硬件模块，对于后者，其可以表现为以下形式，但不限于此：上述各个模块的表现形式均为一个处理器，或者，上述各个模块的功能通过一个处理器实现。

需要说明的是，图2所示实施例的优选实施方式可以参见图1所示实施例的相关描述，此处不再赘述。

图3示出了一种用于实现点云数据的拾取方法的计算机终端的硬件结构框图。如图3所示，计算机终端30可以包括一个或多个(图中采用302a、302b，……，302n来示出)处理器302(处理器302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)、用于存储数据的存储器304、以及用于通信功能的传输模块306。除此以外，还可以包括：显示器、输入/输出接口(I/O接口)、通用串行总线(USB)端口(可以作为BUS总线的端口中的一个端口被包括)、网络接口、电源和/或相机。本领域普通技术人员可以理解，图3所示的结构仅为示意，其并不对上述电子装置的结构造成限定。例如，计算机终端30还可包括比图3中所示更多或者更少的组件，或者具有与图3所示不同的配置。

应当注意到的是上述一个或多个处理器302和/或其他数据处理电路在本文中通常可以被称为“数据处理电路”。该数据处理电路可以全部或部分的体现为软件、硬件、固件或其他任意组合。此外，数据处理电路可为单个独立的处理模块，或全部或部分的结合到计算机终端30中的其他元件中的任意一个内。如本申请实施例中所涉及到的，该数据处理电路作为一种处理器控制(例如与接口连接的可变电阻终端路径的选择)。

存储器304可用于存储应用软件的软件程序以及模块，如本申请实施例中的点云数据的拾取方法对应的程序指令/数据存储装置，处理器302通过运行存储在存储器304内的软件程序以及模块，从而执行各种功能应用以及数据处理，即实现上述的点云数据的拾取方法。存储器304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304可进一步包括相对于处理器302远程设置的存储器，这些远程存储器可以通过网络连接至计算机终端30。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。

传输模块306用于经由一个网络接收或者发送数据。上述的网络具体实例可包括计算机终端30的通信供应商提供的无线网络。在一个实例中，传输模块306包括一个网络适配器(Network Interface Controller，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，传输模块306可以为射频(Radio Frequency，RF)模块，其用于通过无线方式与互联网进行通讯。

显示器可以例如触摸屏式的液晶显示器(LCD)，该液晶显示器可使得用户能够与计算机终端30的用户界面进行交互。

此处需要说明的是，在一些可选实施例中，上述图3所示的计算机终端可以包括硬件元件(包括电路)、软件元件(包括存储在计算机可读介质上的计算机代码)、或硬件元件和软件元件两者的结合。应当指出的是，图3仅为特定具体实例的一个实例，并且旨在示出可存在于上述计算机终端中的部件的类型。

需要说明的是，图3所示的计算机终端用于执行图1所示的点云数据的拾取方法，因此上述命令的执行方法中的相关解释说明也适用于该电子设备，此处不再赘述。

本申请实施例还提供了一种非易失性存储介质，非易失性存储介质包括存储的程序，其中，程序运行时控制存储介质所在的设备执行以上的点云数据的拾取方法。

非易失性存储介质执行以下功能的程序：获取目标区域内的点云数据集；确定点云数据集中每个点云数据之间的目标距离，并确定每个点云数据与第一目标点之间的目标夹角，其中，第一目标点为采集装置对应的点，采集装置用于采集点云数据集；将目标距离小于预设阈值，且目标夹角处于预设区间内的点云数据进行聚类，得到多个点云数据簇；在多个点云数据簇中，确定与第二目标点距离最近的目标点云数据簇，并在目标点云数据簇中确定拾取对象，其中，第二目标点为与采集装置对应设置的显示装置对应的点。

本申请实施例还提供了一种电子设备，包括：存储器和处理器，处理器用于运行存储在存储器中的程序，其中，程序运行时执行以上的点云数据的拾取方法。

处理器用于运行执行以下功能的程序：获取目标区域内的点云数据集；确定点云数据集中每个点云数据之间的目标距离，并确定每个点云数据与第一目标点之间的目标夹角，其中，第一目标点为采集装置对应的点，采集装置用于采集点云数据集；将目标距离小于预设阈值，且目标夹角处于预设区间内的点云数据进行聚类，得到多个点云数据簇；在多个点云数据簇中，确定与第二目标点距离最近的目标点云数据簇，并在目标点云数据簇中确定拾取对象，其中，第二目标点为与采集装置对应设置的显示装置对应的点。

上述本申请实施例序号仅仅为了描述，不代表实施例的优劣。

在本申请的上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。

在本申请所提供的几个实施例中，应该理解到，所揭露的技术内容，可通过其它的方式实现。其中，以上所描述的装置实施例仅仅是示意性的，例如所述单元的划分，可以为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，单元或模块的间接耦合或通信连接，可以是电性或其它的形式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。

所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对相关技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。

以上所述仅是本申请的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本申请原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本申请的保护范围。

Claims (10)

1.一种点云数据的拾取方法，其特征在于，包括：

获取目标区域内的点云数据集；

确定所述点云数据集中每个点云数据之间的目标距离，并确定所述每个点云数据与第一目标点之间的目标夹角，其中，所述第一目标点为采集装置对应的点，所述采集装置用于采集所述点云数据集；

将所述目标距离小于预设阈值，且所述目标夹角处于预设区间内的点云数据进行聚类，得到多个点云数据簇；

在所述多个点云数据簇中，确定与第二目标点距离最近的目标点云数据簇，并在所述目标点云数据簇中确定拾取对象，其中，所述第二目标点为与所述采集装置对应设置的显示装置对应的点。

2.根据权利要求1所述的方法，其特征在于，获取目标区域内的点云数据集，包括：

确定用于表示所述目标区域的透视投影矩阵；

获取所述显示装置的第一二维坐标以及第一方向向量；

根据所述第一二维坐标以及所述第一方向向量，确定视图矩阵；

将所述透视投影矩阵以及视图矩阵进行组合，得到模型视图投影矩阵，其中，所述模型视图投影矩阵用于确定点云数据的裁剪空间坐标；

根据所述裁剪空间坐标，确定所述目标区域内的所述点云数据集。

3.根据权利要求2所述的方法，其特征在于，得到多个点云数据簇之后，所述方法还包括：

获取所述多个点云数据簇中每个点云数据簇的第一三维坐标；

获取所述采集装置的第二二维坐标以及第二方向向量；

根据所述第一三维坐标、所述第二二维坐标、所述第二方向向量以及所述采集装置的焦距，确定所述每个点云数据簇的第二二维坐标。

4.根据权利要求3所述的方法，其特征在于，在所述多个点云数据簇中，确定与第二目标点距离最近的目标点云数据簇，包括：

确定第二目标点对应的第三二维坐标；

根据所述每个点云数据簇的所述第二二维坐标与所述第三二维坐标，确定所述每个点云数据簇与所述第二目标点的欧式距离；

根据所述每个点云数据簇与所述第二目标点的欧式距离，确定与所述第二目标点距离最近的所述目标点云数据簇。

5.根据权利要求1所述的方法，其特征在于，在所述目标点云数据簇中确定拾取对象，包括：

确定所述目标点云数据簇中的每个目标点云数据与所述第二目标点之间的距离；

将与所述第二目标点距离最近的目标点云数据确定为所述拾取对象，其中，所述拾取对象中包括以下至少之一：二维坐标、三维坐标、法向量以及颜色。

6.根据权利要求1所述的方法，其特征在于，获取目标区域内的点云数据集之后，所述方法还包括：通过以下至少之一的方式，去除所述点云数据集中的噪声以及对所述点云数据集进行滤波处理：高斯滤波以及统计滤波。

7.根据权利要求1所述的方法，其特征在于，所述预设区间为90度至180度。

8.一种点云数据的拾取装置，其特征在于，包括：

获取模块，用于获取目标区域内的点云数据集；

第一确定模块，用于确定所述点云数据集中每个点云数据之间的目标距离，并确定所述每个点云数据与第一目标点之间的目标夹角，其中，所述第一目标点为采集装置对应的点，所述采集装置用于采集所述点云数据集；

聚类模块，用于将所述目标距离小于预设阈值，且所述目标夹角处于预设区间内的点云数据进行聚类，得到多个点云数据簇；

第二确定模块，用于在所述多个点云数据簇中，确定与第二目标点距离最近的目标点云数据簇，并在所述目标点云数据簇中确定拾取对象，其中，所述第二目标点为与所述采集装置对应设置的显示装置对应的点。

9.一种非易失性存储介质，其特征在于，所述非易失性存储介质包括存储的程序，其中，在所述程序运行时控制所述非易失性存储介质所在设备执行权利要求1至7中任意一项所述的点云数据的拾取方法。

10.一种电子设备，其特征在于，包括：存储器和处理器，所述处理器用于运行存储在所述存储器中的程序，其中，所述程序运行时执行权利要求1至7中任意一项所述的点云数据的拾取方法。