CN117876410A - 点云数据分割方法、装置、电子设备及可读存储介质 - Google Patents

点云数据分割方法、装置、电子设备及可读存储介质 Download PDF

Info

Publication number
CN117876410A
CN117876410A CN202410116751.3A CN202410116751A CN117876410A CN 117876410 A CN117876410 A CN 117876410A CN 202410116751 A CN202410116751 A CN 202410116751A CN 117876410 A CN117876410 A CN 117876410A
Authority
CN
China
Prior art keywords
point cloud
cloud data
points
segmentation
model
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
CN202410116751.3A
Other languages
English (en)
Inventor
花如祥
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.)
Beijing CHL Robotics Co ltd
Original Assignee
Beijing CHL Robotics 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 Beijing CHL Robotics Co ltd filed Critical Beijing CHL Robotics Co ltd
Priority to CN202410116751.3A priority Critical patent/CN117876410A/zh
Publication of CN117876410A publication Critical patent/CN117876410A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/136—Segmentation; Edge detection involving thresholding
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Image Analysis (AREA)

Abstract

本公开提供了一种点云数据分割方法、装置、电子设备及可读存储介质，其中方法包括：获取待分割点云数据；根据待分割点云数据和构建完成的分割模型对待分割点云数据进行分割；其中，分割模型包括按照先后顺序依次连接的用于判定点是否位于平面上的第一判定子模型，用于判定点是否位于球面上的第二判定子模型以及用于判定点是否位于圆柱面上的第三判定子模型。本公开通过按照平面、球面、圆柱面等基本形状结构的先后顺序来对点云数据进行分割，从而提高处理包含噪声点的点云数据时的鲁棒性。

Description

点云数据分割方法、装置、电子设备及可读存储介质
技术领域
本公开涉及数据处理技术领域，具体涉及一种点云数据分割方法、装置、电子设备及可读存储介质。
背景技术
点云分割是根据空间、几何和纹理等特征对点云进行划分，使得统一划分内的点云拥有相似的特征。
相关技术中，在对点云数据分割时，通常按照法线和曲率对点云数据进行分割，但是这种方式仅能单纯地将点云分割成不同区域，从而导致处理包含噪声点的点云数据时鲁棒性较差。
发明内容
本公开的主要目的在于提供一种点云数据分割方法、装置、电子设备及可读存储介质，以解决现有分割方法在处理包含噪声点的点云数据时鲁棒性较差的问题。
为了实现上述目的，本公开的第一方面提供了一种点云数据分割方法，包括：
获取待分割点云数据；
根据所述待分割点云数据和构建完成的分割模型对所述待分割点云数据进行分割；
其中，所述分割模型包括按照先后顺序依次连接的用于判定点是否位于平面上的第一判定子模型，用于判定点是否位于球面上的第二判定子模型以及用于判定点是否位于圆柱面上的第三判定子模型。
可选地，所述根据所述待分割点云数据和构建完成的分割模型对所述待分割点云数据进行分割，包括：
遍历所述待分割点云数据中的点；
若所述待分割点云数据中满足所述第一判定子模型的点的数量大于预设阈值，则将满足所述第一判定子模型的点从所述待分割点云数据中分割；
遍历第一次分割后剩余点云数据中的点；
若所述第一次分割后剩余点云数据中满足所述第二判定子模型的点的数量大于预设阈值，则将满足所述第二判定子模型的点从所述第一次分割后剩余点云数据中分割；
遍历第二次分割后剩余点云数据中的点；
若所述第二次分割后剩余点云数据中满足所述第三判定子模型的点的数量大于预设阈值，则将满足所述第三判定子模型的点从所述第二次分割后剩余点云数据中分割。
可选地，所述根据所述待分割点云数据和构建完成的分割模型对所述待分割点云数据进行分割，还包括：
若所述待分割点云数据中满足所述第一判定子模型的点的数量小于预设阈值，则停止对所述待分割点云数据的分割；或，
若所述第一次分割后剩余点云数据中的点满足所述第二判定子模型的点的数量小于预设阈值，则停止对所述第一次分割后剩余点云数据的分割；或，
若所述第二次分割后剩余点云数据中的点满足所述第三判定子模型的点的数量小于预设阈值，则停止对所述第二次分割后剩余点云数据的分割。
可选地，所述第一判定子模型如下：
|F(xi1，yi1)-zi1|≤∈，i1＝1，…，n1
其中，(xi1，yi1，zi1)是待分割点云数据中第i1个点的坐标，n1是待分割点云数据中点的个数，∈是预设阈值，F(x，y)是由待分割点云数据中三个点确定的平面。
可选地，所述第二判定子模型如下：
|S(xi2，yi2)-zi2|≤∈，i2＝1，…，n2
其中，(xi2，yi2，zi2)是第一次分割后剩余点云数据中第i2个点的坐标，n2是第一次分割后剩余点云数据中点的个数，∈是预设阈值，S(x，y)是由第一次分割后剩余点云数据中两个点确定的球面。
可选地，所述第三判定子模型如下：
|C(xi3，yi3)-zi3|≤∈3，i3＝1，…，n3
其中，(xi3，yi3，zi3)是第二次分割后剩余点云数据中第i3个点的坐标，n3是第二次分割后剩余点云数据中点的个数，∈是预设阈值，C(x，y)是由第二次分割后剩余点云数据中两个点确定的圆柱面。
本公开的第二方面提供了一种点云数据分割装置，包括：
获取模块，用于获取待分割点云数据；
分割模块，用于根据所述待分割点云数据和构建完成的分割模型对所述待分割点云数据进行分割；
其中，所述分割模型包括按照先后顺序依次连接的用于判定点是否位于平面上的第一判定子模型，用于判定点是否位于球面上的第二判定子模型以及用于判定点是否位于圆柱面上的第三判定子模型。
可选地，所述分割模块具体用于：
遍历所述待分割点云数据中的点；
若所述待分割点云数据中满足所述第一判定子模型的点的数量大于预设阈值，则将满足所述第一判定子模型的点从所述待分割点云数据中分割；
遍历第一次分割后剩余点云数据中的点；
若所述第一次分割后剩余点云数据中满足所述第二判定子模型的点的数量大于预设阈值，则将满足所述第二判定子模型的点从所述第一次分割后剩余点云数据中分割；
遍历第二次分割后剩余点云数据中的点；
若所述第二次分割后剩余点云数据中满足所述第三判定子模型的点的数量大于预设阈值，则将满足所述第三判定子模型的点从所述第二次分割后剩余点云数据中分割。
本公开的第三方面提供了一种电子设备，所述电子设备包括：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计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器执行第一方面任意一项所述的点云数据分割方法。
本公开的第四方面提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使计算机执行第一方面任意一项所述的点云数据分割方法。
本公开实施例提供的点云数据分割方法、装置、电子设备及可读存储介质中，通过分割模型对待分割点云数据进行分割，由于分割模型包括按照先后顺序依次连接的第一判定子模型、第二判定子模型和第三判定子模型，并且第一判定子模型用于判定点是否位于平面上、第二判定子模型用于判定点是否位于球面上、第三判定子模型用于判定点是否位于圆柱面上，即按照平面、球面、圆柱面等基本形状结构的先后顺序来对点云数据进行分割，从而提高处理包含噪声点的点云数据时的鲁棒性。
附图说明
为了更清楚地说明本公开具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本公开的一些实施方式，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为本公开实施例提供的点云数据分割方法的流程示意图；
图2为本公开实施例提供的两点及其法线确定圆柱面的示意图；
图3为本公开实施例提供的点云数据分割装置的方框示意图；
图4为本公开实施例提供的电子设备框图。
具体实施方式
为了使本技术领域的人员更好地理解本公开方案，下面将结合本公开实施例中的附图，对本公开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公开一部分的实施例，而不是全部的实施例。基于本公开中的实施例，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，都应当属于本公开保护的范围。
需要说明的是，本公开的说明书和权利要求书及上述附图中的术语“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。
需要说明的是，在不冲突的情况下，本公开中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本公开。
需要说明的是，本公开实施例提供的点云数据分割方法的执行主体可以为分割装置。其中，分割装置包括分割单元，或者分割装置包括分割单元和分割模型生成单元。分割装置可以由软件和/或硬件的方式实现，均可以配置在电子设备中，电子设备可以为任意具有计算能力的设备，例如可以为个人电脑(PersonalComputer，简称PC)、移动终端、服务器等，移动终端例如可以为车载设备、手机、平板电脑、个人数字助理、穿戴式设备等具有各种操作系统、触摸屏和/或显示屏的硬件设备。
图1为本公开实施例提供的点云数据分割方法的流程示意图。参见图1，该点云数据分割方法包括以下步骤：
步骤102，获取待分割点云数据。
在本公开实施例中，点云数据可以有三种类型，即平面点云数据、球面点云数据以及圆柱面点云数据。
其中，待分割点云数据可以包括平面点云数据、球面点云数据以及圆柱面点云数据中的一种或几种。
例如，待分割点云数据仅包括平面点云数据，或仅包括球面点云数据，或仅包括圆柱面点云数据。
例如，待分割点云数据仅包括平面点云数据和球面点云数据，或仅包括平面点云数据和圆柱面点云数据，或仅包括球面点云数据和圆柱面点云数据。
例如，待分割点云数据包括平面点云数据、球面点云数据以及圆柱面点云数据。
在一些可选的实施方式中，电子设备中在获取待分割点云数据时，可以存在以下情况：
(1)用户指示电子设备获取待分割点云数据，电子设备在接收到用户指示后从存储设备处获取待分割点云数据。
(2)电子设备在接收到存储设备的链接请求后，与存储设备建立链接并从存储设备处获取待分割点云数据。
需要说明的是，存储设备上存储有待分割点云数据，电子设备和存储设备之间的连接方式和电子设备接收指令的方式，可以如相关技术中所记载的任意方式，本公开实施例中不做限定。
步骤104，根据待分割点云数据和构建完成的分割模型对待分割点云数据进行分割。
其中，分割模型包括按照先后顺序依次连接的第一判定子模型、第二判定子模型以及第三判定子模型。第一判定子模型用于判定点是否位于平面上，第二判定子模型用于判定点是否位于球面上，第三判定子模型用于判定点是否位于圆柱面上。
可以理解的是，在利用分割模型对待分割点云数据进行分割时，无论待分割点云数据包括几种点云数据，均是先对平面点云数据进行分割，再对球面点云数据进行分割，最后对圆柱面点云数据进行分割。
还可以理解的是，第一判定子模型对应平面点云数据，即用于从待分割点云数据中分割出平面点云数据；第二判定子模型对应球面点云数据，即用于从待分割点云数据中分割出球面点云数据；第三判定子模型对应圆柱面点云数据，即用于从待分割点云数据中分割出圆柱面点云数据。
在本公开实施例中，待分割点云数据仅包括一种或几种点云数据时，分割模型中仅对应点云数据类型的判定子模型能够输出分割结果，待分割点云数据中未包含的点云数据类型对应的判定子模型不输出分割结果。
例如，待分割点云数据包括平面点云数据、球面点云数据以及圆柱面点云数据，分割模型对待分割点云数据进行分割时：
第一判定子模型先判定待分割点云数据中哪些点位于平面上，并将位于平面上的点从待分割点云数据中分割出去。
第二判定子模型再判定第一次分割后剩余点云数据中哪些点位于球面上，并将位于球面上的点从第一次分割后剩余点云数据中分割出去。
第三判定子模型最后判定第二次分割后剩余点云数据中哪些点位于圆柱面上，并将位于圆柱面上的点从第二次分割后剩余点云数据中分割出去。
重复上述过程，直至待分割点云数据分割完成。
本公开实施例提供的点云数据分割方法，通过分割模型对待分割点云数据进行分割，由于分割模型包括按照先后顺序依次连接的第一判定子模型、第二判定子模型和第三判定子模型，并且第一判定子模型用于判定点是否位于平面上、第二判定子模型用于判定点是否位于球面上、第三判定子模型用于判定点是否位于圆柱面上，即按照平面、球面、圆柱面等基本形状结构的先后顺序来对点云数据进行分割，从而提高处理包含噪声点的点云数据时的鲁棒性。
在一些可选的实施例中，根据待分割点云数据和构建完成的分割模型对待分割点云数据进行分割，具体可以包括步骤1041(图中未示出)、步骤1042(图中未示出)、步骤1043(图中未示出)、步骤1044(图中未示出)、步骤1045(图中未示出)以及步骤1046(图中未示出)，其中，
步骤1041，遍历所待分割点云数据中的点。
步骤1042，若待分割点云数据中满足第一判定子模型的点的数量大于预设阈值，则将满足第一判定子模型的点从待分割点云数据中分割。
其中，第一判定子模型如下：
|F(xi1，yi1)-zi1|≤∈，i1＝1，…，n1
其中，(xi1，yi1，zi1)是待分割点云数据中第i1个点的坐标，n1是待分割点云数据中点的个数，∈是预设阈值，F(x，y)是由待分割点云数据中三个点确定的平面。
其中，待分割点云数据中三个点确定的平面如下：
F(x，y)＝-(A*x+B*y+D)/C
A＝(y3-y1)*(z2-z1)-(z3-z1)*(y2-y1)
B＝(y3-y1)*(z2-z1)-(z3-z1)*(y2-y1)
C＝(y3-y1)*(z2-z1)-(z3-z1)*(y2-y1)
D＝-(A*x1+B*y1+C*z1)
其中，(x1，y1，z1)、(x2，y2，z2)、(x3，y3，z3)为待分割点云数据中三个点的坐标。
步骤1043，遍历第一次分割后剩余点云数据中的点。
步骤1044，若第一次分割后剩余点云数据中满足第二判定子模型的点的数量大于预设阈值，则将满足第二判定子模型的点从第一次分割后剩余点云数据中分割。
其中，第二判定子模型如下：
|S(xi2，yi2)-zi2|≤∈，i2＝1，…，n2
其中，(xi2，yi2，zi2)是第一次分割后剩余点云数据中第i2个点的坐标，n2是第一次分割后剩余点云数据中点的个数，∈是预设阈值，S(x，y)是由第一次分割后剩余点云数据中两个点确定的球面。
其中，第一次分割后剩余点云数据中两个点确定的球面如下：
其中，S(x，y)为由点(x，y)形成的球面，(xc1，yc1，zc1)为球心pc1的坐标，r1为球面的半径，dis(p4，pc1)为点p4和点pc1之间的距离，dis(p5，pc1)为点p5和点pc1之间的距离，p4、p5为第一次分割后剩余点云数据中两个点，为点p4的法向量，/>为点p5的法向量，pm为点p4和点p5连线的中点，dis(p4，pm)为点p4和点pm之间的距离，dis(pc1，pm)为点pc1和点pm之间的距离。
步骤1045，遍历第二次分割后剩余点云数据中的点。
步骤1046，若第二次分割后剩余点云数据中满足第三判定子模型的点的数量大于预设阈值，则将满足第三判定子模型的点从第二次分割后剩余点云数据中分割。
其中，第三判定子模型如下：
|C(xi3，yi3)-zi3|≤∈3，i3＝1，…，n3
其中，(xi3，yi3，Zi3)是第二次分割后剩余点云数据中第i3个点的坐标，n3是第二次分割后剩余点云数据中点的个数，∈是预设阈值，C(x，y)是由第二次分割后剩余点云数据中两个点确定的圆柱面。
其中，第二次分割后剩余点云数据中两个点确定的圆柱面如下：
l(x-x6)+m(y-y6)+n(z-z6)＝0
r2＝dis(pc2，p6)
其中，(x6，y6，z6)、(x7，y7，z7)为第二次分割后剩余点云数据中点p6、点p7的坐标，(xc2，yc2，zc2)为过点p6和点p7的园的园心pc2的坐标为。
需要说明的是，本实施例中，在对待分割点云数据进行分割时，需要按照步骤1041-步骤1046的顺序来执行。
其中，若待分割点云数据中满足第一判定子模型的点的数量小于预设阈值，则停止对待分割点云数据的分割。
其中，若第一次分割后剩余点云数据中的点满足第二判定子模型的点的数量小于预设阈值，则停止对第一次分割后剩余点云数据的分割。
其中，若第二次分割后剩余点云数据中的点满足第三判定子模型的点的数量小于预设阈值，则停止对第二次分割后剩余点云数据的分割。
下面结合具体实施例来介绍分割模型中第一判定子模型、第二判定子模型以及第三判定子模型的构建方式。
第一判定子模型
从点云数据中基于RANSAC方法随机选取三个点p1、p2和p3。
点p1、p2和p3的坐标分别为(x1，y1，z1)、(x2，y2，z2)、(x3，y3，z3)。
根据点p1、p2和p3的坐标通过下式计算A、B、C、D的值。
A＝(y3-y1)*(z2-z1)-(z3-z1)*(y2-y1)
B＝(y3-y1)*(z2-z1)-(z3-z1)*(y2-y1)
C＝(y3-y1)*(z2-z1)-(z3-z1)*(y2-y1)
D＝-(A*x1+B*y1+C*z1)
将A、B、C、D代入下式可以得到过点p1、p2和p3的平面F。
F(x，y)＝-(A*x+B*y+D)/C
基于平面F的表达式，可以得到第一判定子模型的表达式如下：
|F(xi，yi)-zi|≤∈，i＝1，…，n
其中，(xi，yi，zi)是点云数据中第i个点的坐标，n是点云数据中点的个数，∈是预设阈值。
第二判定子模型
从点云数据中基于RANSAC方法随机选取两个点p1和p2。
点p1和p2的坐标分别为(x1，y1，z1)和(x2，y2，z2)。
计算点p1和p2的连线的中点pm，利用pm以及p1和p2两点处的法向量 对如下公式进行求解，得到球心pc(xc，yc，zc)。
p1到pc的距离以及p2到pc的距离均为球面半径，即：
根据球心pc和半径r可以确定球面S如下：
基于球面S的表达式，可以得到第二判定子模型的表达式如下：
|S(xi，yi)-zi|≤∈，i＝1，…，n
其中，(xi，yi，zi)是点云数据中第i个点的坐标，n是点云数据中点的个数，∈是预设阈值，dis(p1，pc)为点p1和点pc之间的距离，dis(p2，pc)为点p2和点pc之间的距离，dis(p1，pm)为点p1和点pm之间的距离，dis(pc，pm)为点pc和点pm之间的距离。
第三判定子模型
从点云数据中基于RANSAC方法随机选取两个点p1和p2。
点p1和p2的坐标分别为(x1，y1，z1)和(x2，y2，z2)。
参见图2，通过计算出圆柱体中心轴线方向向量，即/>
根据如下公式可以确定一个过p1且垂直于的平面Fc：
l(x-x1)+m(y-y1)+n(z-z1)＝0
直线L2以为方向向量且过p2，将其投影在Fc上可以确定直线L′2如下：
其中，xn2、yn2、zn2是分别在X、Y、Z坐标轴上的分量，(x′2，y′2，z′2)是p2在Fc上投影点p′2的坐标，其可以采用如下公式计算得到：
以为方向向量且过p1的直线L1与L′2在Fc上相交于点pc(xc，yc，zc)，pc是过p1和p′2圆的圆心，因此pc在圆柱面的中轴线上，进而可得到圆柱面的半径如下：
r＝dis(pc，p1)
最终根据r、pc、可以得到圆柱面C的表达式如下：
基于圆柱面C的表达式，可以得到第三判定子模型的表达式如下：
|C(xi，yi)-zi|≤∈，i＝1，…，n
其中，(xi,yi,zi)是点云数据中第i个点的坐标，n是点云数据中点的个数，∈是预设阈值。
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。
本公开实施例还提供了一种点云数据分割装置。在一些实施例中，该点云数据分割装置可以被包括于上述的电子设备，或者被实现为上述的电子设备。图3为本公开实施例提供的点云数据分割装置的方框示意图。参见图3，该点云数据分割装置包括：
获取模块302，用于获取待分割点云数据。
分割模块304，用于根据待分割点云数据和构建完成的分割模型对待分割点云数据进行分割。
其中，分割模型包括按照先后顺序依次连接的用于判定点是否位于平面上的第一判定子模型，用于判定点是否位于球面上的第二判定子模型以及用于判定点是否位于圆柱面上的第三判定子模型。
在一些可选的实施例中，分割模块304具体用于：
遍历所述待分割点云数据中的点；
若所述待分割点云数据中满足所述第一判定子模型的点的数量大于预设阈值，则将满足所述第一判定子模型的点从所述待分割点云数据中分割；
遍历第一次分割后剩余点云数据中的点；
若所述第一次分割后剩余点云数据中满足所述第二判定子模型的点的数量大于预设阈值，则将满足所述第二判定子模型的点从所述第一次分割后剩余点云数据中分割；
遍历第二次分割后剩余点云数据中的点；
若所述第二次分割后剩余点云数据中满足所述第三判定子模型的点的数量大于预设阈值，则将满足所述第三判定子模型的点从所述第二次分割后剩余点云数据中分割。
在一些可选的实施例中，分割模块304具体还用于：
若所述待分割点云数据中满足所述第一判定子模型的点的数量小于预设阈值，则停止对所述待分割点云数据的分割；或，
若所述第一次分割后剩余点云数据中的点满足所述第二判定子模型的点的数量小于预设阈值，则停止对所述第一次分割后剩余点云数据的分割；或，
若所述第二次分割后剩余点云数据中的点满足所述第三判定子模型的点的数量小于预设阈值，则停止对所述第二次分割后剩余点云数据的分割。
在一些可选的实施例中，所述第一判定子模型如下：
|F(xi1，yi1)-zi1|≤∈，i1＝1，…，n1
其中，(xi1，yi1，zi1)是待分割点云数据中第i1个点的坐标，n1是待分割点云数据中点的个数，∈是预设阈值，F(x，y)是由待分割点云数据中三个点确定的平面。
在一些可选的实施例中，所述第二判定子模型如下：
|S(xi2，yi2)-zi2|≤∈，i2＝1，…，n2
其中，(xi2，yi2，zi2)是第一次分割后剩余点云数据中第i2个点的坐标，n2是第一次分割后剩余点云数据中点的个数，∈是预设阈值，S(x，y)是由第一次分割后剩余点云数据中两个点确定的球面。
在一些可选的实施例中，所述第三判定子模型如下：
|C(xi3，yi3)-zi3|≤∈3，i3＝1，…，n3
其中，(xi3，yi3，zi3)是第二次分割后剩余点云数据中第i3个点的坐标，n3是第二次分割后剩余点云数据中点的个数，∈是预设阈值，C(x，y)是由第二次分割后剩余点云数据中两个点确定的圆柱面。
上述装置实施例中各单元的执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处不做详细阐述说明。
本公开实施例还提供了一种电子设备，如图4所示，该电子设备包括一个或多个处理器401以及存储器402，图4中以一个处理器401为例。
该控制器还可以包括：输入装置403和输出装置404。
处理器401、存储器402、输入装置403和输出装置404可以通过总线或者其他方式连接，图4中以通过总线连接为例。
处理器401可以为中央处理器(Central Processing Unit，简称为CPU)，处理器401还可以为其他通用处理器、数字信号处理器(Digital Signal Processor，简称为DSP)、专用集成电路(Application Specific Integrated Circuit，简称为ASIC)、现场可编程门阵列(Field-Programmable Gate Array，简称为FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等芯片，或者上述各类芯片的组合，通用处理器可以是微处理器或者任何常规的处理器。
存储器402作为一种非暂态计算机可读存储介质，可用于存储非暂态软件程序、非暂态计算机可执行程序以及模块，如本公开实施例中的控制方法对应的程序指令/模块。处理器401通过运行存储在存储器402中的非暂态软件程序、指令以及模块，从而执行服务器的各种功能应用以及数据处理，即实现上述方法实施例的点云数据分割方法。
存储器402可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储根据服务器操作的处理装置的使用所创建的数据等。此外，存储器402可以包括高速随机存取存储器，还可以包括非暂态存储器，例如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施例中，存储器402可选包括相对于处理器401远程设置的存储器，这些远程存储器可以通过网络连接至网络连接装置。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。
输入装置403可接收输入的数字或字符信息，以及产生与服务器的处理装置的用户设置以及功能控制有关的键信号输入。输出装置404可包括显示屏等显示设备。
一个或者多个模块存储在存储器402中，当被一个或者多个处理器401执行时，执行如图1所示的方法。
本领域技术人员可以理解，实现上述方法实施例中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成的，程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述方法实施例的流程。其中，存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory，简称为ROM)、随机存储记忆体(RandomAccess Memory，简称为RAM)、快闪存储器(Flash Memory，简称为FM)、硬盘(Hard Disk Drive，简称为HDD)或固态硬盘(Solid-State Drive，简称为SSD)等；存储介质还可以包括上述种类的存储器的组合。
虽然结合附图描述了本公开的实施方式，但是本领域技术人员可以在不脱离本公开的精神和范围的情况下作出各种修改和变型，这样的修改和变型均落入由所附权利要求所限定的范围之内。

Claims (10)

1.一种点云数据分割方法，其特征在于，包括：
获取待分割点云数据；
根据所述待分割点云数据和构建完成的分割模型对所述待分割点云数据进行分割；
其中，所述分割模型包括按照先后顺序依次连接的用于判定点是否位于平面上的第一判定子模型，用于判定点是否位于球面上的第二判定子模型以及用于判定点是否位于圆柱面上的第三判定子模型。
2.根据权利要求1所述的方法，其特征在于，所述根据所述待分割点云数据和构建完成的分割模型对所述待分割点云数据进行分割，包括：
遍历所述待分割点云数据中的点；
若所述待分割点云数据中满足所述第一判定子模型的点的数量大于预设阈值，则将满足所述第一判定子模型的点从所述待分割点云数据中分割；
遍历第一次分割后剩余点云数据中的点；
若所述第一次分割后剩余点云数据中满足所述第二判定子模型的点的数量大于预设阈值，则将满足所述第二判定子模型的点从所述第一次分割后剩余点云数据中分割；
遍历第二次分割后剩余点云数据中的点；
若所述第二次分割后剩余点云数据中满足所述第三判定子模型的点的数量大于预设阈值，则将满足所述第三判定子模型的点从所述第二次分割后剩余点云数据中分割。
3.根据权利要求2所述的方法，其特征在于，所述根据所述待分割点云数据和构建完成的分割模型对所述待分割点云数据进行分割，还包括：
若所述待分割点云数据中满足所述第一判定子模型的点的数量小于预设阈值，则停止对所述待分割点云数据的分割；或，
若所述第一次分割后剩余点云数据中的点满足所述第二判定子模型的点的数量小于预设阈值，则停止对所述第一次分割后剩余点云数据的分割；或，
若所述第二次分割后剩余点云数据中的点满足所述第三判定子模型的点的数量小于预设阈值，则停止对所述第二次分割后剩余点云数据的分割。
4.根据权利要求1所述的方法，其特征在于，所述第一判定子模型如下：
|F(xi1,yi1)-zi1|≤∈,i1＝1,…,n1
其中，(xi1,yi1,zi1)是待分割点云数据中第i1个点的坐标，n1是待分割点云数据中点的个数，∈是预设阈值，F(x,y)是由待分割点云数据中三个点确定的平面。
5.根据权利要求1所述的方法，其特征在于，所述第二判定子模型如下：
|S(xi2,yi2)-zi2|≤∈,i2＝1,…,n2
其中，(xi2,yi2,zi2)是第一次分割后剩余点云数据中第i2个点的坐标，n2是第一次分割后剩余点云数据中点的个数，∈是预设阈值，S(x,y)是由第一次分割后剩余点云数据中两个点确定的球面。
6.根据权利要求1所述的方法，其特征在于，所述第三判定子模型如下：
|C(xi3,yi3)-zi3|≤∈3,i3＝1,…,n3
其中，(xi3,yi3,zi3)是第二次分割后剩余点云数据中第i3个点的坐标，n3是第二次分割后剩余点云数据中点的个数，∈是预设阈值，C(x,y)是由第二次分割后剩余点云数据中两个点确定的圆柱面。
7.一种点云数据分割装置，其特征在于，包括：
获取模块，用于获取待分割点云数据；
分割模块，用于根据所述待分割点云数据和构建完成的分割模型对所述待分割点云数据进行分割；
其中，所述分割模型包括按照先后顺序依次连接的用于判定点是否位于平面上的第一判定子模型，用于判定点是否位于球面上的第二判定子模型以及用于判定点是否位于圆柱面上的第三判定子模型。
8.根据权利要求1所述的装置，其特征在于，所述分割模块具体用于：
遍历所述待分割点云数据中的点；
若所述待分割点云数据中满足所述第一判定子模型的点的数量大于预设阈值，则将满足所述第一判定子模型的点从所述待分割点云数据中分割；
遍历第一次分割后剩余点云数据中的点；
若所述第一次分割后剩余点云数据中满足所述第二判定子模型的点的数量大于预设阈值，则将满足所述第二判定子模型的点从所述第一次分割后剩余点云数据中分割；
遍历第二次分割后剩余点云数据中的点；
若所述第二次分割后剩余点云数据中满足所述第三判定子模型的点的数量大于预设阈值，则将满足所述第三判定子模型的点从所述第二次分割后剩余点云数据中分割。
9.一种电子设备，其特征在于，所述电子设备包括：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计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器执行权利要求1-6任意一项所述的点云数据分割方法。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使计算机执行权利要求1-6任意一项所述的点云数据分割方法。
CN202410116751.3A 2024-01-26 2024-01-26 点云数据分割方法、装置、电子设备及可读存储介质 Pending CN117876410A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202410116751.3A CN117876410A (zh) 2024-01-26 2024-01-26 点云数据分割方法、装置、电子设备及可读存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202410116751.3A CN117876410A (zh) 2024-01-26 2024-01-26 点云数据分割方法、装置、电子设备及可读存储介质

Publications (1)

Publication Number Publication Date
CN117876410A true CN117876410A (zh) 2024-04-12

Family

ID=90579224

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202410116751.3A Pending CN117876410A (zh) 2024-01-26 2024-01-26 点云数据分割方法、装置、电子设备及可读存储介质

Country Status (1)

Country Link
CN (1) CN117876410A (zh)

Similar Documents

Publication Publication Date Title
CN110246095B (zh) 一种图像修复方法、装置、存储介质及终端设备
US11023825B2 (en) Platform as a service cloud server and machine learning data processing method thereof
JP2024511018A (ja) 空間関係の決定方法、装置、コンピュータ装置及び記憶媒体
CN112328880A (zh) 地理区域聚类方法、装置、存储介质和电子设备
US20130176304A1 (en) Method and apparatus for processing three-dimensional model data
US11281935B2 (en) 3D object detection from calibrated 2D images
CN114627206A (zh) 网格绘制方法、装置、电子设备及计算机可读存储介质
CN115859749B (zh) 三维模型的约束建立方法、装置、电子设备及存储介质
CN117876410A (zh) 点云数据分割方法、装置、电子设备及可读存储介质
JP7168099B2 (ja) 前処理装置、判定システム、前処理方法および前処理プログラム
CN113240720B (zh) 一种三维表面重建方法、装置、服务器以及可读存储介质
CN111210297B (zh) 一种上车点的划分方法及装置
CN111325854B (zh) 形状模型修正装置及形状模型修正方法以及存储介质
CN110399892B (zh) 环境特征提取方法和装置
JP7168098B2 (ja) 前処理装置、判定システム、前処理方法および前処理プログラム
JP7168100B2 (ja) 前処理装置、判定システム、前処理方法および前処理プログラム
CN114519762A (zh) 模型法线处理方法、装置、存储介质及电子设备
CN117370472B (zh) 数据处理方法、装置、设备及存储介质
CN117370473B (zh) 基于完整性攻击的数据处理方法、装置、设备及存储介质
CN114255171A (zh) 一种相近图例转换关系计算方法及装置
CN115841571B (zh) 物品陈列图像方向识别方法、装置、电子设备及存储介质
CN117156200B (zh) 海量视频的去重方法、系统、电子设备和介质
CN116091365B (zh) 基于三角面的三维模型缺口修复方法、装置、设备及介质
CN108062793A (zh) 基于高程的物体顶部处理方法、装置、设备和存储介质
CN116934834A (zh) 一种关联线确定方法、装置及电子设备

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