CN113342999A - 一种基于多层跳序树结构的变分辨率点云简化方法 - Google Patents
一种基于多层跳序树结构的变分辨率点云简化方法 Download PDFInfo
- Publication number
- CN113342999A CN113342999A CN202110496447.2A CN202110496447A CN113342999A CN 113342999 A CN113342999 A CN 113342999A CN 202110496447 A CN202110496447 A CN 202110496447A CN 113342999 A CN113342999 A CN 113342999A
- Authority
- CN
- China
- Prior art keywords
- point cloud
- effective volume
- volume element
- value
- index
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/51—Indexing; Data structures therefor; Storage structures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/53—Querying
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Software Systems (AREA)
- Processing Or Creating Images (AREA)
Abstract
本发明提供一种基于多层跳序树结构的变分辨率点云简化方法,主要分为点云快速存储以及变分辨率点云简化两部分。点云快速存储部分针对激光点云数据量大、检索困难,采用多层级的跳序空间及跳序树结构,提高数据检索效率;变分辨率点云简化部分针对激光点云数据密集且存在噪声,采用主成分分析方法计算局部曲率生成变分辨率点云,降低平坦地区点云密度,保持复杂地区点云分辨率,减少点云数据的同时保留重要地形特征。
Description
技术领域
本发明涉及一种基于多层跳序树结构的变分辨率点云简化方法,特别涉及一种可实现快速检索、去除冗杂数据的点云简化方法,属于激光点云数据处理技术领域。
背景技术
在大型工作空间中扫描获得点云,存储和计算效率是两个重要的考虑因素,在很多三维建模的很多拓展方向,如路径规划、地图融合等领域都需要高效的点云管理方法。
传统上,地形由网格DEM或平滑曲线拟合面片表示,通常需要很高的计算量,很难平衡高地形精度和低地图分辨率的要求。而地形模型的高分辨率又会导致数据量的显著增加,给数据存储、处理、显示和传输带来挑战。特别是基于云点的路径规划技术,高数据密度会大大增加计算时间。
现有处理方法主要有基于空间的点云简化方法、基于法向的点云简化方法、基于曲面变化度的点云简化方法和混合简化方法。基于空间的点云简化方法,利用八叉树或空间栅格对点云进行空间划分,将细分后空间中的点用一个点进行代替,执行速度快,但点云特征缺失较严重;基于法向误差的点云简化方法,考虑了点云的局部几何特征,但是容易产生孔洞;基于曲面变化度的点云简化方法,能够有效控制点云和数据点的分布,但执行速度较慢;混合简化方法,根据点数和曲面变化度采用八叉树划分点云空间,只保留叶结点中距离点集重心最近的数据点,该方法执行速度较快,但是难以充分保留点云中的几何特征。
综上,现有技术基本存在存储困难、检索效率低以及计算量大等问题,难以达到在精简点云的同时尽可能保留关键信息。
发明内容
为了解决现有技术问题,本发明的目的在于克服已有技术存在的不足,提供一种基于多层跳序树结构的变分辨率点云简化方法,主要分为点云快速存储以及变分辨率点云简化两部分。点云快速存储部分针对激光点云数据量大、检索困难的问题,采用构建多层级的跳序空间、以跳序树结构存储点云数据两个步骤,提高数据检索效率;变分辨率点云简化部分针对激光点云数据密集且存在噪声的问题,采用计算有效体积元素局部曲率、变分辨率点云简化两个步骤,降低平坦地区点云数据密度,保持更多复杂地形点云分辨率,实现简化点云的同时保留重要地形特征。
为达到上述发明创造目的,本发明采用如下技术方案:
一种基于多层跳序树结构的变分辨率点云简化方法,包含点云快速存储以及变分辨率点云简化两部分;
其中,点云快速存储部分包含构建多层级跳序空间、以跳序树结构存储点云数据两个步骤;变分辨率点云简化部分包含计算有效体积元素局部曲率、变分辨率点云简化两个步骤。
优选地,所述点云快速存储部分的具体步骤为:
步骤一、构建多层级的跳序空间:
首先,读取原始三维点云数据,获得原始三维点云在X,Y,Z坐标轴上的最大值和最小值,建立包含所有数据的最小外接立方体,并以某一角点为原点建立与原坐标轴平行且方向一致的XYZ坐标系,沿各轴选取基准单位,把点云数据的坐标空间划分为若干个小立方体;空间中任意一个被划分的包含点云的小立方体为有效体积元素Vi,j,k,其中i,j,k为有效体积元素几何中心的基于所选基准单位的坐标索引;
其次,设定有效体积元素Vi,j,k的分层索引为(i,j,L,k),其中L是Z方向上所属层级的索引;设定L的初值为1,设定分层估计值hL;从XY平面上i,j最小的位置,选择k值最小的有效体积元素开始,沿Z正方向,依次判断相邻两个有效体积元素之间的k值差是否大于hL,如果大于,则k值较大的有效体积元素的L索引等于k值较小的有效体积元素的L索引加一,否则,k值较大的有效体积元素的L索引等于k值较小的有效体积元素的L索引,直到完成所有具有该i,j索引的有效体积元素的层级索引L的赋值;遍历XY平面上其它有效体积元素的位置,重复前述操作,实现所有有效体积元素Vi,j,k的层级索引L的赋值;由有效体积元素Vi,j,k以及分层索引(i,j,L,k)构成的空间即为多层级的跳序空间;
步骤二、以跳序树结构存储点云数据:
构建深度为4的树状存储结构,树的交汇处或末端处称为结点,用于存储数据;从根结点开始为第0层,它的子节点构成第1层,命名为d1层,同理依次划分层级,命名得到d2层、d3层、d4层;对任意一个有效体积元素Vi,j,k,d1层的结点存储索引i,d2层的结点存储索引j,d3层的结点存储层级索引L,d4层的结点存储索引k,上述检索存储结构称为跳序树结构;使用该跳序树结构存储的索引,快速检索到有效体积元素Vi,j,k包含的点云坐标集(x,y,z)ijk。
优选地,变分辨率点云简化部分的具体步骤为:
步骤一、计算有效体积元素局部曲率:
利用主成分分析方法对有效体积元素Vi,j,k的局部曲率进行数值估算:
利用公式1计算协方差矩阵Ci,j,k:
其中ni,j,k为有效体积元素Vi,j,k中的点云数量,qr为有效体积元素Vi,j,k中的第r个数据点的三维坐标,Oi,j,k为有效体积元素Vi,j,k所含数据点的均值三维坐标;
利用公式3计算有效体积元素Vi,j,k的局部曲率估值Curvi,j,k为:
0λi,j,k、1λi,j,k、2λi,j,k依次为协方差矩阵Ci,j,k从大到小的特征值;
步骤二、变分辨率点云简化:
利用公式4计算Ni,j,k,Ni,j,k为从有效体积元素Vi,j,k中选取的点云数据数量;
Ni,j,k=a×(Curvi,j,k)b+c (4)
其中,a,b,c是上述点云简化公式的参数,且a>0,b>0,c>0,由用户调整,可适应不同的地形情况;从每个有效体积元素Vi,j,k的原始点云数据中,随机选择Ni,j,k个点云数据作为该有效体积元素简化后的点云数据集Pi,j,k,所有有效体积元素Vi,j,k的Pi,j,k组成最终的变分辨率点云数据集P。
一种计算机***,其计算机程序执行本发明基于多层跳序树结构的变分辨率点云简化方法。
本发明与现有技术相比较,具有如下显而易见的突出实质性特点和显著优点:
1.本发明基于多层跳序树结构的变分辨率点云简化方法,利用多层级的跳序空间及跳序树结构存储三维空间的稀疏点云,实现对三维点云数据的快速访问,计算复杂度为O(log(n))),计算复杂度低且存储空间小;
2.本发明利用三维点云局部曲率简化点云数据,生成变分辨率点云,降低平坦地区点云密度,保持复杂地区点云分辨率,在保留三维地形显著特征的同时,减小70%-80%的点云数量,节约存储空间;
3.本发明方法简单易行,成本低,适合推广使用。
附图说明
图1为本发明方法流程图。
图2为本发明的三维激光雷达数据采集场景图。
图3为本发明的测试场景采集的原始点云数据集图。
图4为本发明的多层级的跳序空间图。
图5为本发明的跳序树结构图。
图6为本发明的曲率分布图。
图7为本发明的变分辨率点云图。
具体实施方式
以下结合具体的实施例子对上述方案做进一步说明,本发明的优选实施例详述如下:
实施例一:
在本实施例中,参见图1,一种基于多层跳序树结构的变分辨率点云简化方法,包含点云快速存储以及变分辨率点云简化两部分;其中,点云快速存储部分包含构建多层级跳序空间、以跳序树结构存储点云数据两个步骤;变分辨率点云简化部分包含计算有效体积元素局部曲率、变分辨率点云简化两个步骤。
本实施例基于多层跳序树结构的变分辨率点云简化方法,利用多层级的跳序空间及跳序树结构存储三维空间的稀疏点云,实现对三维点云数据的快速访问,计算复杂度低且存储空间小。
实施例二:
本实施例与实施例一基本相同,特别之处在于:
在本实施例中,一种基于多层跳序树结构的变分辨率点云简化方法,所述点云快速存储部分的具体步骤为:
步骤一、构建多层级的跳序空间:
首先,读取原始三维点云数据,获得原始三维点云在X,Y,Z坐标轴上的最大值和最小值,建立包含所有数据的最小外接立方体,并以某一角点为原点建立与原坐标轴平行且方向一致的XYZ坐标系,沿各轴选取基准单位,把点云数据的坐标空间划分为若干个小立方体;空间中任意一个被划分的包含点云的小立方体为有效体积元素Vi,j,k,其中i,j,k为有效体积元素几何中心的基于所选基准单位的坐标索引;
其次,设定有效体积元素Vi,j,k的分层索引为(i,j,L,k),其中L是Z方向上所属层级的索引;设定L的初值为1,设定分层估计值hL;从XY平面上i,j最小的位置,选择k值最小的有效体积元素开始,沿Z正方向,依次判断相邻两个有效体积元素之间的k值差是否大于hL,如果大于,则k值较大的有效体积元素的L索引等于k值较小的有效体积元素的L索引加一,否则,k值较大的有效体积元素的L索引等于k值较小的有效体积元素的L索引,直到完成所有具有该i,j索引的有效体积元素的层级索引L的赋值;遍历XY平面上其它有效体积元素的位置,重复前述操作,实现所有有效体积元素Vi,j,k的层级索引L的赋值;由有效体积元素Vi,j,k以及分层索引(i,j,L,k)构成的空间即为多层级的跳序空间;
步骤二、以跳序树结构存储点云数据:
构建深度为4的树状存储结构,树的交汇处或末端处称为结点,用于存储数据;从根结点开始为第0层,它的子节点构成第1层,命名为d1层,同理依次划分层级,命名得到d2层、d3层、d4层;对任意一个有效体积元素Vi,j,k,d1层的结点存储索引i,d2层的结点存储索引j,d3层的结点存储层级索引L,d4层的结点存储索引k,上述检索存储结构称为跳序树结构;使用该跳序树结构存储的索引,快速检索到有效体积元素Vi,j,k包含的点云坐标集(x,y,z)ijk。
在本实施例中,变分辨率点云简化部分的具体步骤为:
步骤一、计算有效体积元素局部曲率:
利用主成分分析方法对有效体积元素Vi,j,k的局部曲率进行数值估算:
利用公式1计算协方差矩阵Ci,j,k:
其中ni,j,k为有效体积元素Vi,j,k中的点云数量,qr为有效体积元素Vi,j,k中的第r个数据点的三维坐标,Oi,j,k为有效体积元素Vi,j,k所含数据点的均值三维坐标;
利用公式3计算有效体积元素Vi,j,k的局部曲率估值Curvi,j,k为:
0λi,j,k、1λi,j,k、2λi,j,k依次为协方差矩阵Ci,j,k从大到小的特征值;
步骤二、变分辨率点云简化:
利用公式4计算Ni,j,k,Ni,j,k为从有效体积元素Vi,j,k中选取的点云数据数量;
Ni,j,k=a×(Curvi,j,k)b+c (4)
其中,a,b,c是上述点云简化公式的参数,且a>0,b>0,c>0,由用户调整,可适应不同的地形情况;从每个有效体积元素Vi,j,k的原始点云数据中,随机选择Ni,j,k个点云数据作为该有效体积元素简化后的点云数据集Pi,j,k,所有有效体积元素Vi,j,k的Pi,j,k组成最终的变分辨率点云数据集P。
本实施例利用三维点云局部曲率简化点云数据,生成变分辨率点云,降低平坦地区点云密度,保持复杂地区点云分辨率,在保留三维地形显著特征的同时,减小70%-80%的点云数量,节约存储空间。
实施例三:
本实施例与上述实施例基本相同,特别之处在于:
在本实施例中,一种基于多层跳序树结构的变分辨率点云简化方法,主要分为点云快速存储以及变分辨率点云简化两部分,点云存储部分包含构建多层级跳序空间以及以跳序树结构存储点云数据两个步骤;变分辨率点云简化部分包含计算有效体积元素局部曲率以及变分辨率点云简化两个步骤。方法流程图如图1所示。图2是一个三维激光雷达数据采集场景的扫描示例,遮罩下的区域被扫描。测试场景采集的原始点云数据集如图3所示,此区域点数为28579。
点云快速存储部分的具体步骤为:
步骤一、构建多层级的跳序空间
首先,读取原始三维点云数据,获得原始三维点云在X,Y,Z坐标轴上的最大值和最小值,建立包含所有数据的最小外接立方体,并以某一角点为原点建立与原坐标轴平行且方向一致的XYZ坐标系,沿各轴选取合适的基准单位,把点云数据的坐标空间划分为若干个小立方体;空间中任意一个被划分的包含点云的小立方体为有效体积元素Vi,j,k,其中i,j,k为有效体积元素几何中心的基于所选基准单位的坐标索引;
其次,设定有效体积元素Vi,j,k的分层索引为(i,j,L,k),其中L是Z方向上所属层级的索引;设定L的初值为1,设定分层估计值hL;从XY平面上i,j最小的位置,选择k值最小的有效体积元素开始,沿Z正方向,依次判断相邻两个有效体积元素之间的k值差是否大于hL,如果大于,则k值较大的有效体积元素的L索引等于k值较小的有效体积元素的L索引加一,否则,k值较大的有效体积元素的L索引等于k值较小的有效体积元素的L索引,直到完成所有具有该i,j索引的有效体积元素的层级索引L的赋值;遍历XY平面上其它有效体积元素的位置,重复前述操作,实现所有有效体积元素Vi,j,k的层级索引L的赋值;由有效体积元素Vi,j,k以及分层索引(i,j,L,k)构成的空间即为多层级的跳序空间,如图4所示;
步骤二、以跳序树结构存储点云数据:
构建深度为4的树状存储结构,树的交汇处或末端处称为结点,用于存储数据;从根结点开始为第0层,它的子节点构成第1层,命名为d1层,同理依次划分层级,命名得到d2层、d3层、d4层;对任意一个有效体积元素Vi,j,k,d1层的结点存储索引i,d2层的结点存储索引j,d3层的结点存储层级索引L,d4层的结点存储索引k,上述检索存储结构称为跳序树结构,如图5所示;使用该跳序树结构存储的索引,可以快速检索到有效体积元素Vi,j,k包含的点云坐标集(x,y,z)ijk;
变分辨率点云简化部分的具体步骤为:
步骤一、计算有效体积元素局部曲率
利用主成分分析(PCA)方法对有效体积元素Vi,j,k的局部曲率进行数值估算:
利用公式1计算协方差矩阵Ci,j,k:
其中ni,j,k为有效体积元素Vi,j,k中的点云数量,qr为有效体积元素Vi,j,k中的第r个数据点的三维坐标,Oi,j,k为有效体积元素Vi,j,k所含数据点的均值三维坐标;
利用公式3计算有效体积元素Vi,j,k的局部曲率估值Curvi,j,k为:
0λi,j,k、1λi,j,k、2λi,j,k依次为协方差矩阵Ci,j,k从大到小的特征值;
曲率代表了物体形状的局部复杂性;对于平坦区域,例如墙和地面,曲率值很小;对于具有显著特征的区域,曲率往往较大;利用三维多层跳序结构和上述曲率分析方法,本实施例选择单元尺寸为100mm*100mm*100mm,计算得到有效体积元素局部曲率分布,如图6所示,颜色较深的区域曲率较小,颜色较浅的区域曲率较大;
步骤二、变分辨率点云简化:
利用公式(4)计算Ni,j,k,Ni,j,k为从有效体积元素Vi,j,k中选取的点云数据数量;
Ni,j,k=a×(Curvi,j,k)+c (4)
其中,a,b,c是上述点云简化公式的参数,且a>0,b>0,c>0,由用户调整,可适应不同的地形情况;从每个有效体积元素Vi,j,k的原始点云数据中,随机选择Ni,j,k个点云数据作为该有效体积元素简化后的点云数据集Pi,j,k,所有有效体积元素Vi,j,k的Pi,j,k组成最终的变分辨率点云数据集P,如图7所示。由图7可见,平坦区域的分辨率大大降低,而复杂形状被保留。经过本实施例方法处理,扫描示例的点云个数由28579减少到2771,仅为原点数的9.6%。
本发明上述实施例基于多层跳序树结构的变分辨率点云简化方法,主要分为点云快速存储以及变分辨率点云简化两部分。点云快速存储部分针对激光点云数据量大、检索困难,采用多层级的跳序空间及跳序树结构,提高数据检索效率;变分辨率点云简化部分针对激光点云数据密集且存在噪声,采用主成分分析方法计算局部曲率生成变分辨率点云,降低平坦地区点云密度,保持复杂地区点云分辨率,减少点云数据的同时保留重要地形特征。
上面对本发明实施例结合附图进行了说明,但本发明不限于上述实施例,还可以根据本发明的发明创造的目的做出多种变化,凡依据本发明技术方案的精神实质和原理下做的改变、修饰、替代、组合或简化,均应为等效的置换方式,只要符合本发明的发明目的,只要不背离本发明的技术原理和发明构思,都属于本发明的保护范围。
Claims (3)
1.一种基于多层跳序树结构的变分辨率点云简化方法,其特征在于:包含点云快速存储以及变分辨率点云简化两部分;
其中,点云快速存储部分包含构建多层级跳序空间、以跳序树结构存储点云数据两个步骤;变分辨率点云简化部分包含计算有效体积元素局部曲率、变分辨率点云简化两个步骤。
2.根据权利要求1所述基于多层跳序树结构的变分辨率点云简化方法,其特征在于,所述点云快速存储部分的具体步骤为:
步骤一、构建多层级的跳序空间:
首先,读取原始三维点云数据,获得原始三维点云在X,Y,Z坐标轴上的最大值和最小值,建立包含所有数据的最小外接立方体,并以某一角点为原点建立与原坐标轴平行且方向一致的XYZ坐标系,沿各轴选取基准单位,把点云数据的坐标空间划分为若干个小立方体;空间中任意一个被划分的包含点云的小立方体为有效体积元素Vi,j,k,其中i,j,k为有效体积元素几何中心的基于所选基准单位的坐标索引;
其次,设定有效体积元素Vi,j,k的分层索引为(i,j,L,k),其中L是Z方向上所属层级的索引;设定L的初值为1,设定分层估计值hL;从XY平面上i,j最小的位置,选择k值最小的有效体积元素开始,沿Z正方向,依次判断相邻两个有效体积元素之间的k值差是否大于hL,如果大于,则k值较大的有效体积元素的L索引等于k值较小的有效体积元素的L索引加一,否则,k值较大的有效体积元素的L索引等于k值较小的有效体积元素的L索引,直到完成所有具有该i,j索引的有效体积元素的层级索引L的赋值;遍历XY平面上其它有效体积元素的位置,重复前述操作,实现所有有效体积元素Vi,j,k的层级索引L的赋值;由有效体积元素Vi,j,k以及分层索引(i,j,L,k)构成的空间即为多层级的跳序空间;
步骤二、以跳序树结构存储点云数据:
构建深度为4的树状存储结构,树的交汇处或末端处称为结点,用于存储数据;从根结点开始为第0层,它的子节点构成第1层,命名为d1层,同理依次划分层级,命名得到d2层、d3层、d4层;对任意一个有效体积元素Vi,j,k,d1层的结点存储索引i,d2层的结点存储索引j,d3层的结点存储层级索引L,d4层的结点存储索引k,上述检索存储结构称为跳序树结构;使用该跳序树结构存储的索引,快速检索到有效体积元素Vi,j,k包含的点云坐标集(x,y,z)ijk。
3.根据权利要求1所述的一种基于多层跳序树结构的变分辨率点云简化方法,其特征在于,变分辨率点云简化部分的具体步骤为:
步骤一、计算有效体积元素局部曲率:
利用主成分分析方法对有效体积元素Vi,j,k的局部曲率进行数值估算:
利用公式1计算协方差矩阵Ci,j,k:
其中ni,j,k为有效体积元素Vi,j,k中的点云数量,qr为有效体积元素Vi,j,k中的第r个数据点的三维坐标,Oi,j,k为有效体积元素Vi,j,k所含数据点的均值三维坐标;
利用公式3计算有效体积元素Vi,j,k的局部曲率估值Curvi,j,k为:
0λi,j,k、1λi,j,k、2λi,j,k依次为协方差矩阵Ci,j,k从大到小的特征值;
步骤二、变分辨率点云简化:
利用公式4计算Ni,j,k,Ni,j,k为从有效体积元素Vi,j,k中选取的点云数据数量;
Ni,j,k=a×(Curvi,j,k)b+c (4)
其中,a,b,c是上述点云简化公式的参数,且a>0,b>0,c>0,由用户调整,可适应不同的地形情况;从每个有效体积元素Vi,j,k的原始点云数据中,随机选择Ni,j,k个点云数据作为该有效体积元素简化后的点云数据集Pi,j,k,所有有效体积元素Vi,j,k的Pi,j,k组成最终的变分辨率点云数据集P。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110496447.2A CN113342999B (zh) | 2021-05-07 | 2021-05-07 | 一种基于多层跳序树结构的变分辨率点云简化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110496447.2A CN113342999B (zh) | 2021-05-07 | 2021-05-07 | 一种基于多层跳序树结构的变分辨率点云简化方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113342999A true CN113342999A (zh) | 2021-09-03 |
CN113342999B CN113342999B (zh) | 2022-08-05 |
Family
ID=77469861
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110496447.2A Active CN113342999B (zh) | 2021-05-07 | 2021-05-07 | 一种基于多层跳序树结构的变分辨率点云简化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113342999B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114638942A (zh) * | 2022-03-16 | 2022-06-17 | 北京理工大学 | 一种异构变分辨率点云成像可视化方法 |
CN117745728A (zh) * | 2024-02-21 | 2024-03-22 | 法奥意威(苏州)机器人***有限公司 | 点云平面检测方法、装置、电子设备和可读存储介质 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS63101969A (ja) * | 1986-10-20 | 1988-05-06 | Mitsubishi Electric Corp | 三次元デ−タ表現方法 |
JP2006286024A (ja) * | 2001-11-27 | 2006-10-19 | Samsung Electronics Co Ltd | 深さイメージに基づく3次元客体を表現するためのノード構造を記憶させた、コンピュータで読み出し可能な記録媒体 |
CN106095907A (zh) * | 2016-06-08 | 2016-11-09 | 江西理工大学 | 基于八叉树与三维r星树集成的激光点云数据管理方法 |
CN108804714A (zh) * | 2018-06-30 | 2018-11-13 | 浙江同创空间技术有限公司 | 点云数据存储方法及装置 |
CN108920574A (zh) * | 2018-06-22 | 2018-11-30 | 黑龙江科技大学 | 大规模三维点云数据的高效邻域搜索方法 |
CN110738721A (zh) * | 2019-10-12 | 2020-01-31 | 四川航天神坤科技有限公司 | 基于视频几何分析的三维场景渲染加速方法及*** |
CN110825831A (zh) * | 2019-10-30 | 2020-02-21 | 广州海格星航信息科技有限公司 | 数字孪生城市多尺度空间网格编码方法及装置 |
-
2021
- 2021-05-07 CN CN202110496447.2A patent/CN113342999B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS63101969A (ja) * | 1986-10-20 | 1988-05-06 | Mitsubishi Electric Corp | 三次元デ−タ表現方法 |
JP2006286024A (ja) * | 2001-11-27 | 2006-10-19 | Samsung Electronics Co Ltd | 深さイメージに基づく3次元客体を表現するためのノード構造を記憶させた、コンピュータで読み出し可能な記録媒体 |
CN106095907A (zh) * | 2016-06-08 | 2016-11-09 | 江西理工大学 | 基于八叉树与三维r星树集成的激光点云数据管理方法 |
CN108920574A (zh) * | 2018-06-22 | 2018-11-30 | 黑龙江科技大学 | 大规模三维点云数据的高效邻域搜索方法 |
CN108804714A (zh) * | 2018-06-30 | 2018-11-13 | 浙江同创空间技术有限公司 | 点云数据存储方法及装置 |
CN110738721A (zh) * | 2019-10-12 | 2020-01-31 | 四川航天神坤科技有限公司 | 基于视频几何分析的三维场景渲染加速方法及*** |
CN110825831A (zh) * | 2019-10-30 | 2020-02-21 | 广州海格星航信息科技有限公司 | 数字孪生城市多尺度空间网格编码方法及装置 |
Non-Patent Citations (2)
Title |
---|
解杨敏 唐雨洁: "Map merging with terrain-adaptive density using mobile 3D laser scanner", 《ROBOTICS AND AUTONOMOUS SYSTEMS》 * |
解杨敏,郭煜坤,邹怀武,史航: "曲率分析的变分辨率数字高程模型建模算法", 《国防科技大学学报》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114638942A (zh) * | 2022-03-16 | 2022-06-17 | 北京理工大学 | 一种异构变分辨率点云成像可视化方法 |
CN117745728A (zh) * | 2024-02-21 | 2024-03-22 | 法奥意威(苏州)机器人***有限公司 | 点云平面检测方法、装置、电子设备和可读存储介质 |
CN117745728B (zh) * | 2024-02-21 | 2024-05-24 | 法奥意威(苏州)机器人***有限公司 | 点云平面检测方法、装置、电子设备和可读存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN113342999B (zh) | 2022-08-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102663237B (zh) | 基于网格分块与移动最小二乘的点云数据全自动滤波方法 | |
CN100468418C (zh) | 由边界表示数据生成体数据的方法及其程序 | |
CN113342999B (zh) | 一种基于多层跳序树结构的变分辨率点云简化方法 | |
EP2887262B1 (en) | Point Cloud Simplification | |
CN113781667A (zh) | 三维结构简化重建方法、装置、计算机设备和存储介质 | |
CN113538689A (zh) | 一种基于神经网络的特征融合的三维模型网格简化方法 | |
Papagiannopoulos et al. | How to teach neural networks to mesh: Application on 2-D simplicial contours | |
CN115345988A (zh) | 基于顶点重要度的二次误差度量边折叠bim轻量化方法 | |
CN111695281B (zh) | 一种四面体网格划分有限元粒子模拟的粒子快速定位方法 | |
CN113868476A (zh) | 一种基于局部密度的八叉树点云预处理方法 | |
CN101430693B (zh) | 三角网格曲面模型的空间查询方法 | |
CN115758938A (zh) | 面向粘性边界流场数值模拟的附面层网格生成方法 | |
CN114510775A (zh) | 一种复杂模型三维空间曲网格划分方法 | |
CN115330971B (zh) | 一种面向渲染性能优化的几何模型轻量化方法 | |
CN114119882B (zh) | 飞行器动态流场分析中高效的嵌套网格宿主单元搜索方法 | |
CN114861444A (zh) | 基于kd树的非结构网格地球***模式观测稀疏化方法 | |
CN109410333A (zh) | 一种高质量超面片聚类生成方法 | |
CN113111612B (zh) | 一种基于自适应空间剖分的离散点云重复点快速查找方法 | |
CN117932974B (zh) | 一种水库水下数字高程模型的构建方法 | |
Shen et al. | An adaptive triangulation optimization algorithm based on empty circumcircle | |
Bevilacqua et al. | An evolutionary optimization method for parameter search in 3d points cloud reconstruction | |
CN113849495A (zh) | 一种点云动态哈希划分方法及设备 | |
CN109816787B (zh) | 一种海量tin模型数据的高效调度方法 | |
CN114119929B (zh) | 飞行器流场分析中的物面距阵面推进并行计算方法 | |
CN117593485B (zh) | 基于豪斯多夫距离感知的三维模型简化方法及*** |
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 |