CN109919237A - 点云处理方法及装置 - Google Patents
点云处理方法及装置 Download PDFInfo
- Publication number
- CN109919237A CN109919237A CN201910191456.3A CN201910191456A CN109919237A CN 109919237 A CN109919237 A CN 109919237A CN 201910191456 A CN201910191456 A CN 201910191456A CN 109919237 A CN109919237 A CN 109919237A
- Authority
- CN
- China
- Prior art keywords
- point cloud
- cloud
- bar portion
- point
- obtains
- 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.)
- Granted
Links
Landscapes
- Length Measuring Devices By Optical Means (AREA)
- Length Measuring Devices With Unspecified Measuring Means (AREA)
Abstract
本申请提供一种点云处理方法及装置,涉及点云数据处理领域。该方法包括:获取地面移动测量***采集的点云,将点云按照地面移动测量***的轨迹线划分多个水平网格,得到每个水平网格对应的点云;对每个水平网格的点云进行聚类分析得到聚类对象对应的点云,从聚类对象对应的点云中筛选出符合杆状物杆部特征的点云;提取符合杆状物杆部特征的点云中符合预设参数要求的点云。该方法能够实现对点云自动分析,识别点云中杆状物对应的点云,具有更高的杆状物点云提取效率。
Description
技术领域
本申请涉及点云数据处理领域,具体而言,涉及一种点云处理方法及装置。
背景技术
三维激光测量技术是指:通过对物体进行扫描,获取物体表面的点云,然后通过业内数据生产软件对点云进行特征提取,以实现对物体的建模或对环境中相关物体的分类识别。
目前,在对所获取的点云进行特征提取的过程中,对于杆状物,如道树、电力杆、路灯杆、通讯杆等的特征进行提取时,通常通过人工识别判断点云形状是否符合杆状物,从而对符合杆状物形状的点云进行特征提取。
但是,上述现有对于杆状物对应的点云的提取方法,由于大量工作需要人工完成,从而导致工作量太大、杆状物对应点云的提取效率低下。
发明内容
本申请的目的在于,提供一种点云处理方法及装置,用于解决现有技术中工作量太大、杆状物对应点云的提取效率低下的技术问题。
为实现上述目的,本申请实施例所采用的技术方案如下:
第一方面,本申请实施例提供一种点云处理方法,该方法包括:
获取地面移动测量***采集的点云,将点云按照地面移动测量***的轨迹线划分多个水平网格,得到每个水平网格对应的点云;对每个水平网格的点云进行聚类分析得到聚类对象对应的点云,从聚类对象对应的点云中筛选出符合杆状物杆部特征的点云;提取符合杆状物杆部特征的点云中符合预设参数要求的点云。
可选地,在对每个水平网格的点云进行聚类分析得到聚类对象对应的点云,从聚类对象对应的点云中筛选出符合杆状物特征的点云之前,所述方法还包括:
从点云中筛选出地面移动测量***的轨迹线预设范围内的点云集合;根据点云集合,获取轨迹线的相对地面高程。
可选地,所述对每个水平网格的点云进行聚类分析得到聚类对象的点云,从聚类对象对应的点云中筛选出符合杆状物杆部特征的点云,包括:
获取每个水平网格中距离相对地面高程预设高度范围内的点云进行聚类分析,得到聚类对象的点云;对聚类对象的点云按照第一预设高度进行分段拟合圆,确定分段拟合圆是否符合第一预设规则,得到第一筛选结果的点云;从第一筛选结果的点云中筛选出符合杆状物杆部特征的点云。
可选地,所述从第一筛选结果的点云中筛选出符合杆状物杆部特征的点云,包括:
获取第一筛选结果的点云对应聚类对象的位置;根据第一筛选结果的点云,获取所述位置预设范围内的点云;按照第二预设高度,将位置预设范围内的点云在竖直方向上划分为多段,并对每段中的点云进行拟合圆;筛选拟合圆数量大于等于预设阈值的点云,作为符合杆状物杆部特征的点云。
可选地,所述提取符合杆状物杆部特征的点云中,符合预设参数要求的点云,包括:
根据符合杆状物杆部特征的点云,获取点云的参数信息,其中,参数信息包括:杆部参数信息和冠部参数信息;判断点云的参数信息是否符合预设参数要求;若符合预设参数要求,则提取点云作为杆状物。
可选地,所述根据符合杆状物杆部特征的点云,获取点云的冠部参数信息,包括:
获取符合杆状物特征的点云中,最高拟合圆高度和最低拟合圆高度的差值,得到杆状物的杆部高度;从符合杆状物杆部特征的点云中筛选出在杆部高度以上的点云,得到杆状物的冠部点云;根据冠部点云,计算杆状物的冠部覆盖角度和冠幅。
可选地,在对每个水平网格的点云进行聚类分析得到聚类对象对应的点云,从聚类对象对应的点云中筛选出符合杆状物特征的点云之前,所述方法还包括:
将点云转换为带八叉树索引的点云格式。
第二方面,本申请实施例还提供一种点云处理装置,包括:
第一获取模块,用于获取地面移动测量***采集的点云,将点云按照地面移动测量***的轨迹线划分多个水平网格,得到每个水平网格对应的点云;第一筛选模块,用于对每个水平网格的点云进行聚类分析得到聚类对象对应的点云,从聚类对象对应的点云中筛选出符合杆状物杆部特征的点云;提取模块,用于提取符合杆状物杆部特征的点云中符合预设参数要求的点云。
可选地,所述装置还包括:
第二筛选模块,用于从点云中筛选出地面移动测量***的轨迹线预设范围内的点云集合;第二获取模块,根据点云集合,获取轨迹线的相对地面高程。
可选地,第一筛选模块,具体用于获取每个水平网格中距离相对地面高程预设高度范围内的点云进行聚类分析,得到聚类对象的点云;对聚类对象的点云按照第一预设高度进行分段拟合圆,确定分段拟合圆是否符合第一预设规则,得到第一筛选结果的点云;从第一筛选结果的点云中筛选出符合杆状物杆部特征的点云。
本申请的有益效果是:
第一方面,本申请实施例提供的点云处理方法,通过获取地面移动测量***采集的点云,将点云按照地面移动测量***的轨迹线划分多个水平网格,得到每个水平网格对应的点云;对每个水平网格的点云进行聚类分析得到聚类对象对应的点云,从聚类对象对应的点云中筛选出符合杆状物杆部特征的点云;提取符合杆状物杆部特征的点云中符合预设参数要求的点云,可以实现对点云自动分析,识别点云中杆状物对应的点云,具有更高的杆状物对应点云的提取效率。
第二方面,本申请实施例提供的点云处理装置,应用了第一方面所述的点云处理方法,因此,具有第一方面所述的全部有益效果,在此不再赘述。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本申请的某些实施例,因此不应被看作是对范围的限定,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相关的附图。
图1为本申请实施例提供的点云处理方法的流程示意图;
图2为本申请实施例提供的点云处理方法的另一流程示意图;
图3为本申请实施例提供的点云处理方法的又一流程示意图;
图4为本申请实施例提供的点云处理方法的又一流程示意图;
图5为本申请实施例提供的点云处理方法的又一流程示意图;
图6为本申请实施例提供的点云处理方法的又一流程示意图;
图7为本申请实施例提供的行道树提取结果示意图;
图8为本申请实施例提供的路灯提取结果示意图;
图9为本申请实施例提供的点云分层分级索引示意图;
图10为本申请实施例提供的点云内部八叉树示意图;
图11为本申请实施例提供的点云处理装置的结构示意图;
图12为本申请实施例提供的点云处理装置的另一结构示意图;
图13为本申请实施例提供的点云处理装置的又一结构示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,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,所描述的实施例是本申请一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。
因此,以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围,而是仅仅表示本申请的选定实施例。基于本申请中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。
在本申请的描述中,需要说明的是,术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,或者是该申请产品使用时惯常摆放的方位或位置关系,仅是为了便于描述本申请和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本申请的限制。此外,术语“第一”、“第二”、“第三”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
此外,术语“水平”、“竖直”等术语并不表示要求部件绝对水平或悬垂,而是可以稍微倾斜。如“水平”仅仅是指其方向相对“竖直”而言更加水平,并不是表示该结构一定要完全水平,而是可以稍微倾斜。
在本申请的描述中,还需要说明的是,除非另有明确的规定和限定,术语“设置”、“安装”、“相连”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本申请中的具体含义。
本申请实施例提供一种点云处理方法,该方法可以应用于服务器、计算机等设备,本申请对此不作限定。
图1为本申请实施例提供的点云处理方法的流程示意图。
如图1所示,该方法包括:
S101、获取地面移动测量***采集的点云,将点云按照地面移动测量***的轨迹线划分多个水平网格,得到每个水平网格对应的点云。
地面移动测量***通常包括:移动载体和设置在移动载体上的三维激光扫描仪、高清工业相机、惯性测量单元(Inertial Measurement Unit,IMU)、全球导航卫星***(Global Navigation Satellite System,GNSS)等。IMU和GNSS通过组合导航,提供移动载体每一时刻位置和姿态信息,三维激光扫描仪提供扫描点云数据,高清工业相机提供影像数据。其中,移动载体可以是机动车、非机动车、人行背包等。
通过地面移动测量***可以采集到地表物体的表面三维激光点云。在采集过程中,三维激光扫描仪在移动载体上可以连续扫描测量沿途两侧空间地理要素,获取海量的三维激光点云。例如,目前主流的激光扫描仪如奥地利的Riegl、德国的Z+F、日本的拓普康、Faro以及国内的中海达HS450等,可以每秒采集获取30-100万点云。
获取到地面移动测量***采集的点云后,可以将点云按照地面移动测量***的轨迹线划分多个水平网格,得到每个水平网格对应的点云。例如,可以按照水平长度为20m作为一个网格,对点云进行划分,从而可以得到每个水平单位长度为20m的网格对应的点云。
可选地,水平网格的大小也可以设置为15m、25m、30m等,可以根据不同环境、不同地面移动测量***等,对水平网格的长度进行设定,本申请对此不作特别限定。
S102、对每个水平网格的点云进行聚类分析得到聚类对象对应的点云,从聚类对象对应的点云中筛选出符合杆状物杆部特征的点云。
具体地,聚类分析是指将物理或抽象对象的集合分组为由类似的对象组成的多个类的分析过程。聚类分析的目标就是在相似的基础上收集数据来分类。聚类源于很多领域,包括数学,计算机科学,统计学,生物学和经济学。在不同的应用领域,很多聚类技术都得到了发展,这些技术方法被用作描述数据,衡量不同数据源间的相似性,以及把数据源分类到不同的簇中。
可选地,在本申请实施例中,可以对上述水平网格对应的点云进行聚类分析,将点云分布比较集中的水平网格作为聚类对象,从而得到聚类对象对应的点云。进一步,可以对聚类对象对应的点云进行筛选,得到其中符合杆状物杆部特征的点云。其中,杆状物杆部特征可以是指形状、直径等。
S103、提取符合杆状物杆部特征的点云中符合预设参数要求的点云。
可选地,预设参数要求可以包括杆状物的杆部半径范围或杆部直径范围、杆部高度范围、杆部圆柱拟合最大误差、冠部覆盖角度范围、冠幅范围等。
在筛选出符合杆状物杆部特征的点云后,可以对符合杆状物杆部特征的点云进行分析计算,得到符合杆状物杆部特征的点云的参数信息,如:杆状物的杆部半径或杆部直径、杆部高度、杆部圆柱拟合误差、冠部覆盖角度、冠幅等,将所得到参数信息与前述预设参数要求进行比较,并将参数信息符合预设参数要求的点云进行提取,从而实现对地面移动测量***采集的点云中杆状物的提取。
可选地,在本申请实施例中,可以通过可扩展标记语言(Extensible MarkupLanguage,XML)文件对预设参数要求进行参数化配置。其中,对于基于不同移动载体的地面移动测量***,同样可通过XML文件进行配置适应。
需要说明的是,对于不同杆状物,如道树、电力杆、路灯杆、通讯杆等,可以通过不同的XML文件配置相应的预设参数要求,以更精确地提取到不同杆状物对应的点云。
由上所述,本申请实施例提供的该点云处理方法,通过获取地面移动测量***采集的点云,将点云按照地面移动测量***的轨迹线划分多个水平网格,得到每个水平网格对应的点云,对每个水平网格的点云进行聚类分析得到聚类对象对应的点云,从聚类对象对应的点云中筛选出符合杆状物杆部特征的点云,提取符合杆状物杆部特征的点云中符合预设参数要求的点云,从而可以实现对点云自动分析,识别点云中杆状物对应的点云,具有更高的杆状物对应的点云的提取效率。
图2为本申请实施例提供的点云处理方法的另一流程示意图。
可选地,如图2所示,在对每个水平网格的点云进行聚类分析得到聚类对象对应的点云,从聚类对象对应的点云中筛选出符合杆状物特征的点云之前,所述方法还包括:
S201、从点云中筛选出地面移动测量***的轨迹线预设范围内的点云集合。
可选地,可以以地面移动测量***的轨迹线所在位置为参考,根据预设范围对点云进行筛选,得到地面移动测量***的轨迹线附近预设范围内的点云集合。例如,预设范围的点云集合可以包括:与地面移动测量***的轨迹线处于同一水平面上的点云、或地面移动测量***的轨迹线附近空间中距离轨迹线一定距离范围内的点云,如,一定距离可以是1cm、2cm、5cm等。
S202、根据点云集合,获取轨迹线的相对地面高程。
具体地,可以根据地面移动测量***的轨迹线预设范围内的点云集合中点云所包含的坐标信息(如:坐标高度),计算该点云集合的平均高度值,并将计算得到的平均高度值作为地面移动测量***的轨迹线的相对地面高程。
可选地,也可以对上述地面移动测量***的轨迹线预设范围内的点云集合采用中值算法,计算点云集合的高度中值,并将计算得到的高度中值作为地面移动测量***的轨迹线的相对地面高程,本申请对此不作限定。
图3为本申请实施例提供的点云处理方法的又一流程示意图。
可选地,如图3所示,上述对每个水平网格的点云进行聚类分析得到聚类对象的点云,从聚类对象对应的点云中筛选出符合杆状物杆部特征的点云,包括:
S301、获取每个水平网格中距离相对地面高程预设高度范围内的点云进行聚类分析,得到聚类对象的点云。
如上所述,在计算得到地面移动测量***的轨迹线的相对地面高程后,可以根据相对地面高程,从每个水平网格中,获取距离相对地面高程预设高度范围内的点云进行聚类分析,其中,预设高度范围可以是0.5m-2.0m。进一步,可以分别对每个网格中距离相对地面高程预设高度范围内的点云聚类分析的结果进行判断,将其中点云分布较为集中的水平网格作为聚类对象,从而可以得到聚类对象对应的点云。
S302、对聚类对象的点云按照第一预设高度进行分段拟合圆,确定分段拟合圆是否符合第一预设规则,得到第一筛选结果的点云。
其中,第一预设高度可以是0.1m、0.2m、0.5m等。可选地,可以将聚类对象对应的点云按照第一预设高度划分为多段,然后可以对每段点云进行拟合圆操作,即,可以判断每一段中的点云是否可以拟合为圆。可选地,可以采用平均值法、加权平均法或最小二乘法中的任一种实现对每段点云的拟合圆操作,本申请对此不作限定。
进一步,对聚类对象的点云按照第一预设高度进行分段拟合圆后,可以根据第一预设规则对分段拟合圆的结果进行判断,例如,对于每一个聚类对象对应的点云而言,可以判断该聚类对象对应的点云分段拟合圆后所得到的成功拟合圆数量是否大于某个预设值,如2、3或5等,也可以判断每个聚类对象对应的点云中成功拟合圆的段数占所有段数的比例是否大于某个预设比例,如90%、95%等,从而可以将满足第一预设规则的聚类对象对应的点云作为第一筛选结果的点云。
S303、从第一筛选结果的点云中筛选出符合杆状物杆部特征的点云。
可选地,可以对上述第一筛选结果的点云进行筛选,判断每个第一筛选结果的点云是否符合杆状物杆部特征,如:是否具有圆柱形杆部、点云直径是否近似于杆状物杆部直径等,从而可以得到符合杆状物杆部特征的点云。
图4为本申请实施例提供的点云处理方法的又一流程示意图。
可选地,如图4所示,所述从第一筛选结果的点云中筛选出符合杆状物杆部特征的点云,包括:
S401、获取第一筛选结果的点云对应聚类对象的位置。
可选地,可以根据第一筛选结果的点云中每个点所包含的坐标信息,获取到该第一筛选结果的点云对应聚类对象的位置。例如,对于某个第一筛选结果的点云而言,可以获取到该第一筛选结果的点云中处于最中心的点对应的位置(如:坐标信息),并将最中心的点所在的位置作为该第一筛选结果的点云对应的聚类对象的位置。
S402、根据第一筛选结果的点云,获取所述位置预设范围内的点云。
对于每个筛选结果的点云而言,在确定对应的聚类对象的位置后,可以根据所确定的位置,获取到该位置预设范围内的点云进行分析。其中,预设范围可以是指:水平方向满足以所确定的聚类对象的位置为中心的预设半径(如:3m)范围、竖直方向满足离地面高度为0m至30m范围。
S403、按照第二预设高度,将位置预设范围内的点云在竖直方向上划分为多段,并对每段中的点云进行拟合圆。
可选地,第二预设高度可以为小于上述第一预设高度的值,例如,第二预设高度可以是0.03m、0.05m、0.07m等,可以根据第二预设高度,将上述聚类对象的位置预设范围内的点云划分为多段。进一步,可以对每一段内的点云再次进行拟合圆操作,具体方法步骤与前述实施例中所述类似,如:可以采用平均值法、加权平均法或最小二乘法中的任一种实现对每段点云的拟合圆操作。
S404、筛选拟合圆数量大于等于预设阈值的点云,作为符合杆状物杆部特征的点云。
可选地,对上述高度为第二预设长度的每段点云进行拟合圆操作后,可以判断每个第一筛选结果的点云中能够成功拟合圆的点云段数,从而得到拟合圆的数量。对于任一第一筛选结果的点云而言,若得到拟合圆的数量大于等于预设阈值,则可以确定该第一筛选结果的点云为符合杆状物杆部特征的点云。其中,预设阈值可以是,60、61、62等,可以根据不同路段、不同种类的杆状物、以及第二预设长度的大小进行设定,本申请对此不作限定。例如,若第二预设长度为0.05m,获取点云的路段中杆状物高度一般为3m,则可以将预设阈值设置为60,若得到某一第一筛选结果的点云中拟合圆的数量大于等于60,则可以确定该第一筛选结果的点云为符合杆状物杆部特征的点云。
进一步,可以通过上述方法对全部第一筛选结果的点云进行判断,从而可以从全部第一筛选结果的点云中筛选拟合圆数量大于等于预设阈值的点云,得到符合杆状物杆部特征的点云。
图5为本申请实施例提供的点云处理方法的又一流程示意图。
可选地,如图5所示,所述提取符合杆状物杆部特征的点云中,符合预设参数要求的点云,包括:
S501、根据符合杆状物杆部特征的点云,获取点云的参数信息,其中,参数信息包括:杆部参数信息和冠部参数信息。
可选地,对于上述符合杆状物杆部特征的点云,可以从中获取每个点云的杆部参数信息和冠部参数信息。如,杆部参数信息可以包括:杆部半径或杆部直径、杆部高度、杆部圆柱拟合误差等;冠部参数信息可以包括:冠部覆盖角度、冠幅等。其中,杆部圆柱拟合误差是指上述步骤S403中按照第二预设高度,将位置预设范围内的点云在竖直方向上划分为多段,并对每段中的点云进行拟合圆的拟合误差。
S502、判断点云的参数信息是否符合预设参数要求。
可选地,可以将所获取的杆部参数信息和冠部参数信息与上述预设参数要求进行对比,判断点云的参数信息是否符合预设参数要求。如,可以判断杆部半径是否在上述杆部半径范围内、杆部高度是否在上述杆部高度范围、杆部圆柱拟合误差是否小于上述杆部圆柱拟合最大误差、冠部覆盖角度和冠幅是否分别处于冠部覆盖角度范围内和冠幅范围内等。
S503、若符合预设参数要求,则提取点云作为杆状物。
如上所述,对于任一上述符合杆状物杆部特征的点云而言,若所获取的参数信息符合预设参数要求,则可以确定该点云为杆状物对应的点云。
图6为本申请实施例提供的点云处理方法的又一流程示意图。
可选地,如图6所示,所述根据符合杆状物杆部特征的点云,获取点云的冠部参数信息,包括:
S601、获取符合杆状物特征的点云中,最高拟合圆高度和最低拟合圆高度的差值,得到杆状物的杆部高度。
可选地,对上述符合杆状物杆部特征的点云进行拟合圆操作后,可以得到最高成功拟合圆和最低成功拟合圆分别所在段的位置,从而可以获取到最高拟合圆高度和最低拟合圆高度,进而可以计算最高拟合圆高度和最低拟合圆高度的差值,得到杆状物的杆部高度。
S602、从符合杆状物杆部特征的点云中筛选出在杆部高度以上的点云,得到杆状物的冠部点云。
可选地,对于任一符合杆状物杆部特征的点云而言,在得到该点云对应的杆状物的杆部高度后,可以根据杆部高度,获取该点云中杆部高度以上的点云,作为该点云对应杆状物的冠部点云。例如,对于行道树对应的点云而言,则可以获取到行道树的树叶、树枝部位的点云;对于路灯对应的点云而言,则可以获取到路灯顶部的灯的点云。
S603、根据冠部点云,计算杆状物的冠部覆盖角度和冠幅。
可选地,在获取到杆状物的冠部点云后,可以根据所获取的冠部点云,计算杆状物的冠部覆盖角度和冠幅。其中,冠部覆盖角度是指杆状物冠部在水平面内覆盖的最大角度,如,对于行道树而言,冠部覆盖角度可能为360度;对于路灯而言,冠部覆盖角度可能为60度等。冠幅是指杆状物冠部边缘距离中心位置半径的平均值,如,对于行道树而言,可以在水平面内将冠部划分为12个扇形区域,每个扇形区域的角度可以为30度,若每段扇形区域中距离中心位置最远的半径依次为:n1、n2…n11、n12,则可以计算前述12个半径的平均值作为行道树冠部的冠幅。
图7为本申请实施例提供的行道树提取结果示意图,图8为本申请实施例提供的路灯提取结果示意图,请参考图7和图8,通过上述点云处理方法,可以从地面移动测量***采集的点云中,分别提取不同杆状物,如行道树、路灯等对应的点云,获取到杆状物分布的位置、杆状物的特征属性信息等,以在对物体的建模或对环境中相关物体的分类识别过程中,以更高的提取效率提取杆状物对应的点云,更迅速地实现对杆状物的具体分类与识别。
可选地,在对每个水平网格的点云进行聚类分析得到聚类对象对应的点云,从聚类对象对应的点云中筛选出符合杆状物特征的点云之前,所述方法还包括:
将点云转换为带八叉树索引的点云格式。
具体地,通过雷达、激光扫描、立体摄像机等三维测量设备获取的点云,具有数据量大、分布不均匀等特点。作为三维领域中一个重要的数据来源,点云主要是表征目标表面的海量点集合,并不具备传统网格数据的集合拓扑信息。所以点云数据处理中最为核心的问题就是建立离散点间的拓扑关系,实现基于邻域关系的快速查找。
图9为本申请实施例提供的点云分层分级索引示意图,图10为本申请实施例提供的点云内部八叉树示意图,如图9和图10所示,本申请实施例中,通过将点云转换为带八叉树索引的点云格式,实现建立点云自顶向下逐级划分空间的空间索引。其中,点云格式可以是自定义的二进制格式点云文件,能够对点云进行分层,每一层对应一个点云密度级别,每一层点云进行八叉树分块建立索引,能够便于点云快速空间查询。八叉树结构通过对三维空间的几何实体进行体元剖分,每个体元具有相同的时间和空间复杂度,通过循环递归的划分方法对大小为(2n*2n*2n)(2n*2n*2n)的三维空间的几何对象进行剖分,从而构成一个具有根节点的方向图。在八叉树结构中如果被划分的体元具有相同的属性,则该体元构成一个叶节点;否则继续对该体元剖分成8个子立方体,依次递剖分,对于(2n*2n*2n)(2n*2n*2n)大小的空间对象,最多剖分nn次。
图11为本申请实施例提供的点云处理装置的结构示意图。
如图11所示,本申请实施例还提供一种点云处理装置,包括:
第一获取模块701,用于获取地面移动测量***采集的点云,将点云按照地面移动测量***的轨迹线划分多个水平网格,得到每个水平网格对应的点云;第一筛选模块702,用于对每个水平网格的点云进行聚类分析得到聚类对象对应的点云,从聚类对象对应的点云中筛选出符合杆状物杆部特征的点云;提取模块703,用于提取符合杆状物杆部特征的点云中符合预设参数要求的点云。
图12为本申请实施例提供的点云处理装置的另一结构示意图。
可选地,如图12所示,该装置还包括:
第二筛选模块704,用于从点云中筛选出地面移动测量***的轨迹线预设范围内的点云集合;第二获取模块705,根据点云集合,获取轨迹线的相对地面高程。
可选地,第一筛选模块702,具体用于获取每个水平网格中距离相对地面高程预设高度范围内的点云进行聚类分析,得到聚类对象的点云;对聚类对象的点云按照第一预设高度进行分段拟合圆,确定分段拟合圆是否符合第一预设规则,得到第一筛选结果的点云;从第一筛选结果的点云中筛选出符合杆状物杆部特征的点云。
可选地,第一筛选模块702,具体用于获取第一筛选结果的点云对应聚类对象的位置;根据第一筛选结果的点云,获取所述位置预设范围内的点云;按照第二预设高度,将位置预设范围内的点云在竖直方向上划分为多段,并对每段中的点云进行拟合圆;筛选拟合圆数量大于等于预设阈值的点云,作为符合杆状物杆部特征的点云。
可选地,提取模块703,具体用于根据符合杆状物杆部特征的点云,获取点云的参数信息,其中,参数信息包括:杆部参数信息和冠部参数信息;判断点云的参数信息是否符合预设参数要求;若符合预设参数要求,则提取点云作为杆状物。
可选地,提取模块703,具体用于,获取符合杆状物特征的点云中,最高拟合圆高度和最低拟合圆高度的差值,得到杆状物的杆部高度;从符合杆状物杆部特征的点云中筛选出在杆部高度以上的点云,得到杆状物的冠部点云;根据冠部点云,计算杆状物的冠部覆盖角度和冠幅。
图13为本申请实施例提供的点云处理装置的又一结构示意图。
可选地,如图13所示,该装置还包括:转换模块706,用于将点云转换为带八叉树索引的点云格式。
上述点云中杆状物提取装置,可用于执行前述方法实施例所提供的点云处理方法,具体实现方式和技术效果类似,本申请在此不再赘述。
以上所述仅为本申请的优选实施例而已,并不用于限制本申请,对于本领域的技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
Claims (10)
1.一种点云处理方法,其特征在于,所述方法包括:
获取地面移动测量***采集的点云,将所述点云按照所述地面移动测量***的轨迹线划分多个水平网格,得到每个所述水平网格对应的点云;
对每个所述水平网格的点云进行聚类分析得到聚类对象对应的点云,从所述聚类对象对应的点云中筛选出符合杆状物杆部特征的点云;
提取所述符合杆状物杆部特征的点云中符合预设参数要求的点云。
2.根据权利要求1所述的方法,其特征在于,在对每个所述水平网格的点云进行聚类分析得到聚类对象对应的点云,从所述聚类对象对应的点云中筛选出符合杆状物特征的点云之前,所述方法还包括:
从所述点云中筛选出所述地面移动测量***的轨迹线预设范围内的点云集合;
根据所述点云集合,获取所述轨迹线的相对地面高程。
3.根据权利要求2所述的方法,其特征在于,所述对每个所述水平网格的点云进行聚类分析得到聚类对象的点云,从所述聚类对象对应的点云中筛选出符合杆状物杆部特征的点云,包括:
获取每个所述水平网格中距离所述相对地面高程预设高度范围内的点云进行聚类分析,得到聚类对象的点云;
对聚类对象的点云按照第一预设高度进行分段拟合圆,确定所述分段拟合圆是否符合第一预设规则,得到第一筛选结果的点云;
从所述第一筛选结果的点云中筛选出符合杆状物杆部特征的点云。
4.根据权利要求3所述的方法,其特征在于,所述从所述第一筛选结果的点云中筛选出符合杆状物杆部特征的点云,包括:
获取所述第一筛选结果的点云对应聚类对象的位置;
根据所述第一筛选结果的点云,获取所述位置预设范围内的点云;
按照第二预设高度,将所述位置预设范围内的点云在竖直方向上划分为多段,并对每段中的点云进行拟合圆;
筛选拟合圆数量大于等于预设阈值的点云,作为符合杆状物杆部特征的点云。
5.根据权利要求4所述的方法,其特征在于,所述提取所述符合杆状物杆部特征的点云中,符合预设参数要求的点云,包括:
根据所述符合杆状物杆部特征的点云,获取所述点云的参数信息,其中,所述参数信息包括:杆部参数信息和冠部参数信息;
判断所述点云的参数信息是否符合预设参数要求;
若符合预设参数要求,则提取所述点云作为杆状物。
6.根据权利要求5所述的方法,其特征在于,所述根据所述符合杆状物杆部特征的点云,获取所述点云的冠部参数信息,包括:
获取所述符合杆状物特征的点云中,最高拟合圆高度和最低拟合圆高度的差值,得到所述杆状物的杆部高度;
从所述符合杆状物杆部特征的点云中筛选出在所述杆部高度以上的点云,得到所述杆状物的冠部点云;
根据所述冠部点云,计算所述杆状物的冠部覆盖角度和冠幅。
7.根据权利要求1-6任一项所述的方法,其特征在于,在对每个所述水平网格的点云进行聚类分析得到聚类对象对应的点云,从所述聚类对象对应的点云中筛选出符合杆状物特征的点云之前,所述方法还包括:
将所述点云转换为带八叉树索引的点云格式。
8.一种点云处理装置,其特征在于,包括:
第一获取模块,用于获取地面移动测量***采集的点云,将所述点云按照所述地面移动测量***的轨迹线划分多个水平网格,得到每个所述水平网格对应的点云;
第一筛选模块,用于对每个所述水平网格的点云进行聚类分析得到聚类对象对应的点云,从所述聚类对象对应的点云中筛选出符合杆状物杆部特征的点云;
提取模块,用于提取所述符合杆状物杆部特征的点云中符合预设参数要求的点云。
9.根据权利要求8所述的装置,其特征在于,所述装置还包括:
第二筛选模块,用于从所述点云中筛选出所述地面移动测量***的轨迹线预设范围内的点云集合;
第二获取模块,根据所述点云集合,获取所述轨迹线的相对地面高程。
10.根据权利要求9所述的装置,其特征在于,所述第一筛选模块,具体用于获取每个所述水平网格中距离所述相对地面高程预设高度范围内的点云进行聚类分析,得到聚类对象的点云;对聚类对象的点云按照第一预设高度进行分段拟合圆,确定所述分段拟合圆是否符合第一预设规则,得到第一筛选结果的点云;从所述第一筛选结果的点云中筛选出符合杆状物杆部特征的点云。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910191456.3A CN109919237B (zh) | 2019-03-13 | 2019-03-13 | 点云处理方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910191456.3A CN109919237B (zh) | 2019-03-13 | 2019-03-13 | 点云处理方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109919237A true CN109919237A (zh) | 2019-06-21 |
CN109919237B CN109919237B (zh) | 2021-02-26 |
Family
ID=66964683
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910191456.3A Active CN109919237B (zh) | 2019-03-13 | 2019-03-13 | 点云处理方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109919237B (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110413808A (zh) * | 2019-07-17 | 2019-11-05 | 深兰科技(上海)有限公司 | 一种三维点云数据存储、查询方法及装置 |
CN110412613A (zh) * | 2019-08-02 | 2019-11-05 | 上海木木机器人技术有限公司 | 基于激光的测量方法、移动装置、计算机设备和存储介质 |
CN111336937A (zh) * | 2020-04-14 | 2020-06-26 | 珠海博明视觉科技有限公司 | 一种提高圆柱体直径测量精度的2d设备及其测量方法 |
CN112270713A (zh) * | 2020-10-14 | 2021-01-26 | 北京航空航天大学杭州创新研究院 | 标定方法以及装置、存储介质、电子装置 |
CN112630798A (zh) * | 2019-09-24 | 2021-04-09 | 北京百度网讯科技有限公司 | 用于估计地面的方法和装置 |
CN112836681A (zh) * | 2021-03-03 | 2021-05-25 | 上海高仙自动化科技发展有限公司 | 一种障碍物标记方法、装置及可读非暂时性存储介质 |
CN116580048A (zh) * | 2023-07-12 | 2023-08-11 | 武汉峰岭科技有限公司 | 一种提取房屋倾斜模型上直角房屋的轮廓线的方法及*** |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101488226A (zh) * | 2008-01-16 | 2009-07-22 | 中国科学院自动化研究所 | 基于单次三维激光扫描的树木测量和重建方法 |
CN103500329A (zh) * | 2013-10-16 | 2014-01-08 | 厦门大学 | 基于车载移动激光扫描点云的路灯自动提取方法 |
CN105513127A (zh) * | 2015-12-25 | 2016-04-20 | 武汉大学 | 基于密度峰值聚类的杆状物规则化三维建模方法及*** |
CN105701798A (zh) * | 2015-12-31 | 2016-06-22 | 百度在线网络技术(北京)有限公司 | 柱状物体的点云提取方法及装置 |
CN106022381A (zh) * | 2016-05-25 | 2016-10-12 | 厦门大学 | 基于车载激光扫描点云的路灯杆自动提取技术 |
CN106383998A (zh) * | 2016-09-09 | 2017-02-08 | 厦门大学 | 一种基于地面激光雷达扫描的树木胸径自动计算方法 |
CN106407925A (zh) * | 2016-09-09 | 2017-02-15 | 厦门大学 | 基于局部区间极大值的激光扫描点云树木自动提取方法 |
CN106408608A (zh) * | 2016-09-30 | 2017-02-15 | 信阳师范学院 | 一种从地面激光雷达点云数据中提取树干直径的方法 |
CN106599915A (zh) * | 2016-12-08 | 2017-04-26 | 立得空间信息技术股份有限公司 | 一种车载激光点云分类方法 |
CN107833244A (zh) * | 2017-11-02 | 2018-03-23 | 南京市测绘勘察研究院股份有限公司 | 一种基于车载激光雷达数据的行道树属性自动识别方法 |
CN109270544A (zh) * | 2018-09-20 | 2019-01-25 | 同济大学 | 基于杆状物识别的移动机器人自定位*** |
-
2019
- 2019-03-13 CN CN201910191456.3A patent/CN109919237B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101488226A (zh) * | 2008-01-16 | 2009-07-22 | 中国科学院自动化研究所 | 基于单次三维激光扫描的树木测量和重建方法 |
CN103500329A (zh) * | 2013-10-16 | 2014-01-08 | 厦门大学 | 基于车载移动激光扫描点云的路灯自动提取方法 |
CN105513127A (zh) * | 2015-12-25 | 2016-04-20 | 武汉大学 | 基于密度峰值聚类的杆状物规则化三维建模方法及*** |
CN105701798A (zh) * | 2015-12-31 | 2016-06-22 | 百度在线网络技术(北京)有限公司 | 柱状物体的点云提取方法及装置 |
CN106022381A (zh) * | 2016-05-25 | 2016-10-12 | 厦门大学 | 基于车载激光扫描点云的路灯杆自动提取技术 |
CN106383998A (zh) * | 2016-09-09 | 2017-02-08 | 厦门大学 | 一种基于地面激光雷达扫描的树木胸径自动计算方法 |
CN106407925A (zh) * | 2016-09-09 | 2017-02-15 | 厦门大学 | 基于局部区间极大值的激光扫描点云树木自动提取方法 |
CN106408608A (zh) * | 2016-09-30 | 2017-02-15 | 信阳师范学院 | 一种从地面激光雷达点云数据中提取树干直径的方法 |
CN106599915A (zh) * | 2016-12-08 | 2017-04-26 | 立得空间信息技术股份有限公司 | 一种车载激光点云分类方法 |
CN107833244A (zh) * | 2017-11-02 | 2018-03-23 | 南京市测绘勘察研究院股份有限公司 | 一种基于车载激光雷达数据的行道树属性自动识别方法 |
CN109270544A (zh) * | 2018-09-20 | 2019-01-25 | 同济大学 | 基于杆状物识别的移动机器人自定位*** |
Non-Patent Citations (3)
Title |
---|
SHERIF IBRAHIM EL-HALAWANY等: "Detection of Road Poles from Mobile Terrestrial Laser Scanner Point Cloud", 《2011 INTERNATIONAL WORKSHOP ON MULTI-PLATFORM/MULTI-SENSOR》 * |
YUJIE HU: "A novel approach to extracting street lamps from vehicle-borne laser data", 《 INTERNATIONAL CONFERENCE ON GEOINFORMATICS》 * |
杨莎莎: "车载LiDAR点云中行道树信息提取研究", 《中国优秀硕士学位论文全文数据库 基础科学辑》 * |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110413808A (zh) * | 2019-07-17 | 2019-11-05 | 深兰科技(上海)有限公司 | 一种三维点云数据存储、查询方法及装置 |
CN110413808B (zh) * | 2019-07-17 | 2021-09-24 | 深兰科技(上海)有限公司 | 一种三维点云数据存储、查询方法及装置 |
CN110412613A (zh) * | 2019-08-02 | 2019-11-05 | 上海木木机器人技术有限公司 | 基于激光的测量方法、移动装置、计算机设备和存储介质 |
CN110412613B (zh) * | 2019-08-02 | 2021-08-10 | 上海智蕙林医疗科技有限公司 | 基于激光的测量方法、移动装置、计算机设备和存储介质 |
CN112630798A (zh) * | 2019-09-24 | 2021-04-09 | 北京百度网讯科技有限公司 | 用于估计地面的方法和装置 |
CN112630798B (zh) * | 2019-09-24 | 2022-11-29 | 北京百度网讯科技有限公司 | 用于估计地面的方法和装置 |
CN111336937A (zh) * | 2020-04-14 | 2020-06-26 | 珠海博明视觉科技有限公司 | 一种提高圆柱体直径测量精度的2d设备及其测量方法 |
CN112270713A (zh) * | 2020-10-14 | 2021-01-26 | 北京航空航天大学杭州创新研究院 | 标定方法以及装置、存储介质、电子装置 |
CN112836681A (zh) * | 2021-03-03 | 2021-05-25 | 上海高仙自动化科技发展有限公司 | 一种障碍物标记方法、装置及可读非暂时性存储介质 |
CN112836681B (zh) * | 2021-03-03 | 2024-01-26 | 上海高仙自动化科技发展有限公司 | 一种障碍物标记方法、装置及可读非暂时性存储介质 |
CN116580048A (zh) * | 2023-07-12 | 2023-08-11 | 武汉峰岭科技有限公司 | 一种提取房屋倾斜模型上直角房屋的轮廓线的方法及*** |
CN116580048B (zh) * | 2023-07-12 | 2023-09-26 | 武汉峰岭科技有限公司 | 一种提取房屋倾斜模型上直角房屋的轮廓线的方法及*** |
Also Published As
Publication number | Publication date |
---|---|
CN109919237B (zh) | 2021-02-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109919237A (zh) | 点云处理方法及装置 | |
CN111462275B (zh) | 一种基于激光点云的地图生产方法和装置 | |
US9222786B2 (en) | Methods and systems for creating digital transportation networks | |
CN111598823A (zh) | 多源移动测量点云数据空地一体化融合方法、存储介质 | |
CN106846308B (zh) | 基于点云的地形图精度的检测方法和装置 | |
CN102147250B (zh) | 一种数字线划图测图方法 | |
CN110110621B (zh) | 基于多特征整合深度学习模型的倾斜摄影点云分类方法 | |
CN108955702A (zh) | 基于三维激光和gps惯性导航***的车道级地图创建*** | |
JP2018523875A (ja) | 車線認識のモデリング方法、装置、記憶媒体及び機器、並びに車線の認識方法、装置、記憶媒体及び機器 | |
CN103473734A (zh) | 一种基于车载LiDAR数据的电力线提取与拟合方法 | |
CN102074047A (zh) | 一种高精细城市三维建模方法 | |
CN109584294A (zh) | 一种基于激光点云的路面点云提取方法和装置 | |
CN113327276B (zh) | 一种面向移动测量大体量点云数据配准的方法 | |
WO2023060632A1 (zh) | 基于点云数据的街景地物多维度提取方法和*** | |
CN114117702A (zh) | 基于点云的输电线路自动化逆向建模方法 | |
CN113362359A (zh) | 融合高度和光谱信息的倾斜摄影数据建筑物自动提取方法 | |
CN103500278B (zh) | 基于最短路径算法的路径相似台风分析方法 | |
WO2011085435A1 (en) | Classification process for an extracted object or terrain feature | |
CN107944089A (zh) | 一种基于现状视廊的地块限高分析***及其分析方法 | |
CN109710994A (zh) | 基于数字地球的机场障碍物限制面超限分析方法 | |
CN111861946B (zh) | 自适应多尺度车载激光雷达稠密点云数据滤波方法 | |
CN117115063A (zh) | 一种多源数据融合应用方法 | |
WO2011085433A1 (en) | Acceptation/rejection of a classification of an object or terrain feature | |
CN111462490A (zh) | 一种基于多级子区划分的路网可视化方法及装置 | |
CN115880427A (zh) | 一种自然环境的三维构建方法、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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |