RU2736333C1 - Способ передискретизации зарегистрированных облаков точек в полярных координатах без потери изначальной структуры - Google Patents
Способ передискретизации зарегистрированных облаков точек в полярных координатах без потери изначальной структуры Download PDFInfo
- Publication number
- RU2736333C1 RU2736333C1 RU2019145164A RU2019145164A RU2736333C1 RU 2736333 C1 RU2736333 C1 RU 2736333C1 RU 2019145164 A RU2019145164 A RU 2019145164A RU 2019145164 A RU2019145164 A RU 2019145164A RU 2736333 C1 RU2736333 C1 RU 2736333C1
- Authority
- RU
- Russia
- Prior art keywords
- points
- point
- clouds
- cloud
- polar coordinates
- Prior art date
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/48—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00
- G01S7/497—Means for monitoring or calibrating
Abstract
Изобретение относится к области обработки и отображения пространственной информации и может быть использовано при обработке облаков точек, состоящих из большого количества точек стояния, в частности при сканировании больших промышленных и гражданских зданий и сооружений. Технический результат состоит в уменьшении количества точек, создающих излишнюю плотность отображения. Для этого при использовании данного способа происходит передискретизация для уменьшения количества точек, создающих излишнюю плотность в области перекрытия, с последующим разделением на первоначальные облака точек с учётом передискретизации и сохранением данных в полярных координатах. 7 ил., 4 табл.
Description
Способ передискретизации зарегистрированных облаков точек в полярных координатах без потери изначальной структуры относится к области обработки и отображения пространственной информации и может быть использован при обработке облаков точек, состоящих из большого количества точек стояния, в частности при сканировании больших промышленных и гражданских зданий и сооружений.
Известен способ «Методы и аппаратура для трехмерной (3D) визуализации» [US9915733B2]. Метод описывает создание 3-мерных сцен, состоящих из нескольких облаков точек с перекрытием с предварительной оптимизацией сцены с помощью передискретизации для получения регулярной структуры сцены.
Недостаток данного способа заключается в том, что после регистрации и создания подбора оптимальных точек для сцены, не сохраняется информация о первоначальной привязке каждой точки.
Наиболее близким к заявляемой полезной модели является способ автоматической регистрации наземных станций сканирования [CN103983963B]. Данный способ описывает автоматическую регистрацию облаков точек наземного сканирования, и в последствии объединение данных облаков точек в одно общее облако точек в прямоугольных координатах.
Недостаток данного способа заключается в том, что после регистрации не сохраняется исходная привязка облаков точек к наземным станциям, что значительно усложняет последующую обработку ввиду невозможности применения алгоритмов расчёта нормалей с учётом их направлений, основанных на координатах станции.
Таким образом, технической проблемой, на решение которой направлено изобретение, является создание зарегистрированного передискретезированного облака точек, в котором сохранена изначальная привязка каждой точки облака точке к точке сканирования, с которой была получена данная точка.
Решение указанной технической проблемы достигается тем, что перед проведением передискретезации зарегистрированного облака точек, создаётся отдельный файл, содержащий координаты точек сканирования, и для каждой точки, добавляется свойство «точка сканирования».
Технический результат заключается в том, что после регистрации и передискретезации конченого облака точек, можно провести разделение на первоначальные облака точек с привязкой к конкретной точке сканирования, и работать с ними по-отдельности, при этом, без уменьшения плотности ниже изначальных облаков.
На прилагаемых к описанию фигурах дано:
На фиг. 1 показана блок схема алгоритма. Описывает алгоритм осуществления изобретения.
На фиг. 2. Показано исходное облако точек 1. Облако, состоящее из: 6 371 871 точек.
На фиг. 3. Показано исходное облако точек 2. Облако, состоящее: 6 547 433 точек.
На фиг. 4. Показано зарегистрированное облако точек по способу прототипа. После применения метода ускоренной регистрации данных, описанного в прототипе, размер облаков точек составил 12 919 304 точек
На фиг. 5. Показано зарегистрированное облако точек предложенным способом. После применения метода ускоренной регистрации данных, описанного данном способе, размер облаков точек составил 7 233 115 точек.
На фиг. 6. Показано исходное облако точек 1 после обработки. Размер облака точек составил 3 568 411 точек.
На фиг. 7. Показано исходное облако точек 2 после обработки. Размер облака точек составил 3 664 704 точек.
Способ осуществляется следующим образом: есть 2 облака точек, облако точек 1 (фиг 2) и облако точек 2 (фиг. 3). На них присутствует один и тот же объект городской застройки, отсканированный с разных положений с перекрытием порядка 60%. Облака точек содержат следующие поля: координата по X, координата по Y, координата по Z, интенсивность отраженного сигнала, компонента красного цвет, компонента зелёного цвета, компонента синего цвета, X составляющая нормали в точке (может быть равна 0 в случае отсутствия), Y составляющая нормали в точке (может быть равна 0 в случае отсутствия), Z составляющая нормали в точке (может быть равна 0 в случае отсутствия). К данным облакам точек, применяется предварительная регистрация произвольным известным методом. После регистрации (фиг. 4), предлагается изменить структуру данных представленных выше облаков точек. К каждой точке исходных облаков точек, добавляется параметр «точка сканирования». Новая структура данных показана в таблице 1. Добавления нового параметра не окажет существенного влияния на размер облака точек (для записи, достаточно от 4 до 8 (в очень редких случаях 16 бит) данных в то время, как на остальные параметры, необходимо как минимум 1024 бит данных. Вместе с этим, предлагается создавать отдельный файл, куда записывается положение точек сканирования, как показано на таблице 2.
В результате этого, возникает излишняя плотность точек в перекрывающихся областях. Для снижения излишней плотности, предлагается провести передискретезацию. Для проведения передискретезации, необходимо, чтобы все точки находились в одном массиве, для чего, точки объединяются в один массив, где для каждой точки уже добавлен параметр «Номер станции». После объединения, проводится передискретезация, основанная на параметрах сканирующего устройства, таких, как вертикальный и горизонтальный шаг сканирования, которое в свою очередь влияет на легко вычисляемый известный параметр – расстояние между точками в интересующей плоскости. При передискретезации, проводится отсев точек на основании предварительно заданного параметра – минимального расстояния между точками, на основании этого параметра. Все точки, не удовлетворяющие условию – а удаляются (фиг. 5). В результате передисркретезации, можно сократить количество точек, более чем на 30%, в зависимости от процента перекрытия. После проведения передискретезации, производится разделение облака точке на первоначальные облака точек, основываясь на параметре «точка сканирования». После разделения облака точек на первоначальные облака точек, производится перерасчёт их из прямоугольную в полярную систему координат. Сохранение разделенных станций производится в полярных координатах с локальным центром каждого облака точек в точке сканирования данного облака точек, что способствует уменьшению размера ввиду структурированности облака точек. При необходимости их повторной загрузки облаков точек, производится обратное преобразование в прямоугольные координаты.
Таблица 1. Структура данных
X coordinate | Y coordinate | Z coordinate | Intensity | Red color | Green color | Blue color | X scan dir | Y scan dir | Z scan dir | Scan pos |
Описание полей: X coordinate – координата по X; Y coordinate – координата по Y; Z coordinate – координата по Z; Intensity – интенсивность отраженного сигнала; Red color – компонента красного цвет; Green color – компонента зелёного цвета; Blue color – компонента синего цвета; X scan dir – X составляющая нормали в точке; Y scan dir – Y составляющая нормали в точке; Z scan dir – Z составляющая нормали в точке; Scan pos – указание на точку сканирования, которые записаны в отдельном файле. Является первичным кличем в случае хранения данных в базе данных. Данный параметр остается неизменным для любой точки на всем протяжении обработки.
Таблица 2. Запись положения точек
Scan pos | X | Y | Z |
Описание полей: Scan pos – номер точки (соответствует аналогичному полю в списке точек облака точке); X – координата X пересечения всех оптических осей сканирующего устройства для выбранной точки; Y – координата Y пересечения всех оптических осей сканирующего устройства для выбранной точки; Z – координата Z пересечения всех оптических осей сканирующего устройства для выбранной точки
Пример осуществления способа
Есть облако точек 1, состоящее из: 6 371 871 точек (фиг 2.), и облако, состоящее из 6 547 433 точек (фиг. 3). К каждой точке облака точек 1, добавляется параметр «точка сканирования» - 1, соответственно и с облаком точек 2, пример точки, показан в таблице 3. Создаётся файл с параметрами точек сканирования (таблица 4). Затем, проводится объединение облаков точек, получается общее облако точек с количеством точек 12 919 304 (фиг. 4). После объединения, производится передискретезация с параметром поиска 0,5 см, что соответствует расстоянию между точками на плоскости в исходных облаках. Получившееся облако точек состоит из 7 233 115 точек. Затем производится разделение облака точек по параметру «точка сканирования». Получилось исходное облако точек 1 – обработанное с количеством точек 3 568 411 (фиг. 5) и исходное облако 2 – обработанное с количеством точек 3 664 704 (фиг. 6). Точки сохраняются в полярных координатах с центрами в точках сканирования.
Таблица 3. Пример параметров точки
X coordinate | Y coordinate | Z coordinate | Intensity | Red color | Green color | Blue color | X scan dir | Y scan dir | Z scan dir | Scan pos |
-27.55475616 | -9.13803005 | -0.22236100 | 0.205945 | 58 | 54 | 51 | 0.639796 | 0.730970 | -0.237369 | 1 |
Таблица 4. Параметры точек сканирования
Scan pos | X | Y | Z |
1 | -27.516146 | -9.150471 | -0.336320 |
2 | -29.839360 | -29.387518 | 4.305690 |
Claims (1)
- Способ передискретизации зарегистрированных облаков точек в полярных координатах без потери изначальной структуры, состоящий из следующих шагов: облака точек лазерного сканирования пространственного объекта, отсканированного с разных положений с перекрытием, регистрируются произвольным методом и сохраняются в прямоугольной системе координат, отличающийся тем, что после регистрации облаков точек меняют их структуру, путем добавления к каждой исходной точке облака нового параметра, существенно не влияющего на размер облака точек и объединяют их в один массив, для уменьшения количества точек в облаке точек, создающего излишнюю плотность в области перекрытия, осуществляют передискретизацию, при которой осуществляют отсев точек на основании предварительно заданного нового параметра с последующим разделением на первоначальные облака точек, после разделения точек облака сохраняют данные о точках в полярных координатах.
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
RU2019145164A RU2736333C1 (ru) | 2019-12-30 | 2019-12-30 | Способ передискретизации зарегистрированных облаков точек в полярных координатах без потери изначальной структуры |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
RU2019145164A RU2736333C1 (ru) | 2019-12-30 | 2019-12-30 | Способ передискретизации зарегистрированных облаков точек в полярных координатах без потери изначальной структуры |
Publications (1)
Publication Number | Publication Date |
---|---|
RU2736333C1 true RU2736333C1 (ru) | 2020-11-16 |
Family
ID=73460698
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
RU2019145164A RU2736333C1 (ru) | 2019-12-30 | 2019-12-30 | Способ передискретизации зарегистрированных облаков точек в полярных координатах без потери изначальной структуры |
Country Status (1)
Country | Link |
---|---|
RU (1) | RU2736333C1 (ru) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
RU2504006C1 (ru) * | 2012-06-05 | 2014-01-10 | Александр Николаевич Цуриков | Способ обучения искусственной нейронной сети |
CN103983963B (zh) * | 2014-06-09 | 2016-08-17 | 北京数字绿土科技有限公司 | 一种多站地基激光雷达数据的自动配准方法 |
US9915733B2 (en) * | 2014-08-26 | 2018-03-13 | Massachusetts Institute Of Technology | Methods and apparatus for three-dimensional (3D) imaging |
RU2674326C2 (ru) * | 2017-02-20 | 2018-12-06 | Автономная некоммерческая образовательная организация высшего образования "Сколковский институт науки и технологий" | Способ формирования архитектуры нейросети для классификации объекта, заданного в виде облака точек, способ ее применения для обучения нейросети и поиска семантически схожих облаков точек |
-
2019
- 2019-12-30 RU RU2019145164A patent/RU2736333C1/ru active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
RU2504006C1 (ru) * | 2012-06-05 | 2014-01-10 | Александр Николаевич Цуриков | Способ обучения искусственной нейронной сети |
CN103983963B (zh) * | 2014-06-09 | 2016-08-17 | 北京数字绿土科技有限公司 | 一种多站地基激光雷达数据的自动配准方法 |
US9915733B2 (en) * | 2014-08-26 | 2018-03-13 | Massachusetts Institute Of Technology | Methods and apparatus for three-dimensional (3D) imaging |
RU2674326C2 (ru) * | 2017-02-20 | 2018-12-06 | Автономная некоммерческая образовательная организация высшего образования "Сколковский институт науки и технологий" | Способ формирования архитектуры нейросети для классификации объекта, заданного в виде облака точек, способ ее применения для обучения нейросети и поиска семантически схожих облаков точек |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11010912B2 (en) | Method of merging point clouds that identifies and retains preferred points | |
US10510148B2 (en) | Systems and methods for block based edgel detection with false edge elimination | |
CN113192179B (zh) | 一种基于双目立体视觉的三维重建方法 | |
CN106548516B (zh) | 三维漫游方法和装置 | |
EP1209623A2 (en) | Stereo image processing apparatus and method of processing stereo image | |
CN109690620A (zh) | 三维模型生成装置以及三维模型生成方法 | |
CN111080662A (zh) | 车道线的提取方法、装置及计算机设备 | |
CN109461207A (zh) | 一种点云数据建筑物单体化方法及装置 | |
CN110163064A (zh) | 一种道路标志物的识别方法、装置及存储介质 | |
CN106462999A (zh) | 处理和/或传输3d数据 | |
US20120113117A1 (en) | Image processing apparatus, image processing method, and computer program product thereof | |
CN110567441B (zh) | 基于粒子滤波的定位方法、定位装置、建图及定位的方法 | |
CN111798562B (zh) | 一种虚拟建筑空间搭建与漫游方法 | |
CN110246221A (zh) | 真正射影像获得方法及装置 | |
US9489563B2 (en) | Method and arrangement for identifying a difference between a first 3D model of an environment and a second 3D model of the environment | |
EP3530026A1 (en) | Method and system for radio communication network planning | |
CN110363176A (zh) | 一种图像分析方法及装置 | |
CA3139467A1 (en) | Using spatial filter to reduce bundle adjustment block size | |
CN112587921A (zh) | 模型处理方法和装置、电子设备和存储介质 | |
RU2736333C1 (ru) | Способ передискретизации зарегистрированных облаков точек в полярных координатах без потери изначальной структуры | |
CN111402332A (zh) | 基于slam的agv复合建图与导航定位方法及系统 | |
KR102204041B1 (ko) | 지물이미지의 매핑을 위한 경계라인 수정 기능의 영상처리 오류보정 시스템 | |
EP4049243A1 (en) | System using image connectivity to reduce bundle size for bundle adjustment | |
WO2012015059A1 (ja) | 他視点閉曲面画素値補正装置、他視点閉曲面画素値補正方法、利用者位置情報出力装置、利用者位置情報出力方法 | |
JPH10269347A (ja) | 地理画像上の影成分の除去方法及び地理画像処理装置、記録媒体 |