点云数据中杂散点标记方法、装置、电子设备及存储介质制造方法及图纸

本发明专利技术实施例提供了一种点云数据中杂散点标记方法、装置、电子设备及存储介质，其中，该方法包括：获取三维点云数据中第一云点的位置信息，并根据位置信息，计算第一云点的邻域半径，其中，位置信息包括：第一云点与三维点云数据的中心的距离，第一云点的俯仰角以及第一云点的方位角，统计第一云点的邻域半径内云点的数量，根据第一云点的邻域半径内云点的数量确定三维点云数据中的杂散点，并对杂散点进行标记，得到标记有杂散点的三维点云数据。从而可以使得不同位置的云点，具有不同的邻域半径，可以实现通过与位置相关的邻域半径来确定三维点云数据中的杂散点，可以实现对点的分布不均匀的点云数据中的杂散点进行标记。

Spurious point marking method, device, electronic device and storage medium in point cloud data

The embodiment of the present invention provides a method, apparatus, electronic equipment and storage medium for marking stray points in point cloud data, wherein the method comprises acquiring the position information of the first cloud point in three-dimensional point cloud data and calculating the neighborhood radius of the first cloud point according to the position information, wherein the position information includes: the first cloud point The number of cloud points in the neighborhood radius of the first cloud point is counted. According to the number of cloud points in the neighborhood radius of the first cloud point, the number of scattered points in the three-dimensional point cloud data is determined, and the scattered points are marked. Points of 3D point cloud data. Thus, different positions of cloud points and different neighborhood radius can be made, and the stray points in the 3D point cloud data can be determined by the neighborhood radius related to the location, and the stray points in the point cloud data with uneven distribution can be marked.

【技术实现步骤摘要】
点云数据中杂散点标记方法、装置、电子设备及存储介质
本专利技术涉及数据处理
，特别是涉及一种点云数据中杂散点标记方法、装置、电子设备及存储介质。
技术介绍
点云数据是通过各种三维数据采集设备采集得到的表达物体表面信息和空间分布的三维数据点的集合，通常以非结构化的云点的形式进行表示，是空间上离散的几何点。在实际应用中，通过三维数据采集设备进行点云数据采集时，由于人为的影响、仪器自身的误差以及采集环境的干扰等，采集得到的点云数据中会掺入杂散点，而杂散点会影响使用点云数据进行三维重建的精度，因此，需要对点云数据中的杂散点进行移除。目前，移除杂散点的算法主要有基于距离、基于密度和基于聚类的杂散点移除算法。DBSCAN(Density-BasedSpatialClusteringofApplicationswithNoise，具有噪声的基于密度的聚类算法)算法作为杂散点移除算法中的一种代表算法，是一种基于密度的、高密度连通的聚类算法。具体地，DBSCAN算法以用户输入的点云数据、邻域半径以及邻域密度阈值为输入，以直接密度可达和密度相连两条准则对点云数据进行分簇，然后将点云数据中，不属于任一个簇的云点标记为杂散点，进而移除该杂散点。然而，专利技术人发现该DBSCAN算法存在以下问题：由于DBSCAN算法中的邻域半径是不变的，因此，该DBSCAN算法并不适用于对点的分布不均匀的点云数据中的杂散点进行标记。
技术实现思路
本专利技术实施例的目的在于提供一种点云数据中杂散点标记方法、装置、电子设备及存储介质，以实现对点的分布不均匀的点云数据中的杂散点进行标记。具体技术方案如下：第一方面，本专利技术实施例提供了一种点云数据中杂散点标记方法，该方法包括：获取三维点云数据中第一云点的位置信息，并根据位置信息，计算第一云点的邻域半径，其中，位置信息包括：第一云点与三维点云数据的中心的距离，第一云点的俯仰角以及第一云点的方位角，第一云点为三维点云数据中除杂散点外的任一云点；统计第一云点的邻域半径内云点的数量，根据第一云点的邻域半径内云点的数量确定三维点云数据中的杂散点，并对杂散点进行标记，得到标记有杂散点的三维点云数据。可选的，根据第一云点在三维点云数据中的位置信息，计算第一云点的邻域半径，包括：根据第一云点与三维点云数据的中心的距离r，第一云点的俯仰角β以及第一云点的方位角α，通过第二公式计算第一云点的邻域半径eps。可选的，根据第一云点的邻域半径内云点的数量确定三维点云数据中的杂散点，包括：在第一云点的邻域半径内的云点的数量为0时，将第一云点标记为杂散点。可选的，根据第一云点的邻域半径内云点的数量确定三维点云数据中的杂散点，包括：获取预设邻域点数量阈值和预设杂散点条件，其中，预设杂散点条件为：第一云点的第一邻域点和第二邻域点中至少有一点，与第一云点的距离大于第一云点的邻域半径，且第一云点的第一线段和第一云点的第二线段的夹角小于预设夹角阈值，邻域点为：对以第一云点为原点的三维坐标系进行N等分后，得到的N个部分的每个部分中，距离第一云点最近的云点，第一邻域点为邻域点中，与第一云点的距离最近的云点，第二邻域点为邻域点中，与第一云点的距离次近的云点，第一线段为第一云点与第一邻域点构成的线段，第二线段为第一云点与第二邻域点构成的线段；在第一云点的邻域半径内的云点的数量大于0且小于预设邻域点数量阈值时，判断第一云点是否满足预设杂散点条件；当第一云点满足预设杂散点条件时，将第一云点标记为杂散点。可选的，在获取预设邻域点数量阈值和预设杂散点条件之后，本专利技术实施例的一种点云数据中杂散点标记方法，还包括：在第一云点的邻域半径内云点的数量等于预设邻域点数量阈值时，以第一云点为核心点，根据第一云点的邻域半径和预设邻域点数量阈值，通过DBSCAN算法对三维点云数据进行分簇，得到分簇后的三维点云数据；将分簇后的三维点云数据中不属于任一个簇的点标记为杂散点。可选的，在对杂散点进行标记，得到标记有杂散点的三维点云数据之后，本专利技术实施例的一种点云数据中杂散点标记方法，还包括：对标记有杂散点的三维点云数据进行修正处理，得到修正后的三维点云数据，其中，修正处理包括：删除杂散点，改变杂散点的位置信息。第二方面，本专利技术实施例还提供了一种点云数据中杂散点标记装置，该装置包括：计算模块，用于获取三维点云数据中第一云点的位置信息，并根据位置信息，计算第一云点的邻域半径，其中，位置信息包括：第一云点与三维点云数据的中心的距离，第一云点的俯仰角以及第一云点的方位角，第一云点为三维点云数据中除杂散点外的任一云点；标记模块，用于统计第一云点的邻域半径内云点的数量，根据第一云点的邻域半径内云点的数量确定三维点云数据中的杂散点，并对杂散点进行标记，得到标记有杂散点的三维点云数据。可选的，计算模块，具体用于：根据第一云点与三维点云数据的中心的距离r，第一云点的俯仰角β以及第一云点的方位角α，通过第二公式计算第一云点的邻域半径eps。可选的，标记模块，具体用于：在第一云点的邻域半径内的云点的数量为0时，将第一云点标记为杂散点。可选的，标记模块，包括：获取子模块，用于获取预设邻域点数量阈值和预设杂散点条件，其中，预设杂散点条件为：第一云点的第一邻域点和第二邻域点中至少有一点，与第一云点的距离大于第一云点的邻域半径，且第一云点的第一线段和第一云点的第二线段的夹角小于预设夹角阈值，邻域点为：对以第一云点为原点的三维坐标系进行N等分后，得到的N个部分的每个部分中，距离第一云点最近的云点，第一邻域点为邻域点中，与第一云点的距离最近的云点，第二邻域点为邻域点中，与第一云点的距离次近的云点，第一线段为第一云点与第一邻域点构成的线段，第二线段为第一云点与第二邻域点构成的线段；判断子模块，用于在第一云点的邻域半径内的云点的数量大于0且小于预设邻域点数量阈值时，判断第一云点是否满足预设杂散点条件；第一标记子模块，用于当第一云点满足预设杂散点条件时，将第一云点标记为杂散点。可选的，标记模块，还包括：分簇子模块，用于在第一云点的邻域半径内云点的数量等于预设邻域点数量阈值时，以第一云点为核心点，根据第一云点的邻域半径和预设邻域点数量阈值，通过DBSCAN算法对三维点云数据进行分簇，得到分簇后的三维点云数据；第二标记子模块，用于将分簇后的三维点云数据中不属于任一个簇的点标记为杂散点。可选的，本专利技术实施例的一种点云数据中杂散点标记装置，还包括：修正模块，用于对标记有杂散点的三维点云数据进行修正处理，得到修正后的三维点云数据，其中，修正处理包括：删除杂散点，改变杂散点的位置信息。第三方面，本专利技术实施例还提供了一种电子设备，该电子设备包括：处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信；存储器，用于存放计算机程序；处理器，用于执行存储器上所存放的程序时，实现以上任一所述的点云数据中杂散点标记方法。第四方面，本专利技术实施例还提供了一种计算机可读存储介质，该计算机可读存储介质内存储有计算机程序，该计算机程序被处理器执行时实现以上任一所述的点云数据中杂散点标记方法。本专利技术实施例提供的一种点云数据中杂散点标记方法、装置、电子设备及存储介质，在接收到三维点云数据后，可以从该三维点云数据本文档来自技高网...

【技术保护点】
1.一种点云数据中杂散点标记方法，其特征在于，所述方法包括：获取三维点云数据中第一云点的位置信息，并根据所述位置信息，计算所述第一云点的邻域半径，其中，所述位置信息包括：所述第一云点与所述三维点云数据的中心的距离，所述第一云点的俯仰角以及所述第一云点的方位角，所述第一云点为所述三维点云数据中除杂散点外的任一云点；统计所述第一云点的邻域半径内云点的数量，根据所述第一云点的邻域半径内云点的数量确定所述三维点云数据中的杂散点，并对所述杂散点进行标记，得到标记有杂散点的三维点云数据。

【技术特征摘要】
1.一种点云数据中杂散点标记方法，其特征在于，所述方法包括：获取三维点云数据中第一云点的位置信息，并根据所述位置信息，计算所述第一云点的邻域半径，其中，所述位置信息包括：所述第一云点与所述三维点云数据的中心的距离，所述第一云点的俯仰角以及所述第一云点的方位角，所述第一云点为所述三维点云数据中除杂散点外的任一云点；统计所述第一云点的邻域半径内云点的数量，根据所述第一云点的邻域半径内云点的数量确定所述三维点云数据中的杂散点，并对所述杂散点进行标记，得到标记有杂散点的三维点云数据。2.根据权利要求1所述的方法，其特征在于，所述根据所述第一云点在所述三维点云数据中的位置信息，计算所述第一云点的邻域半径，包括：根据所述第一云点与所述三维点云数据的中心的距离r，所述第一云点的俯仰角β以及所述第一云点的方位角α，通过以下公式：计算所述第一云点的邻域半径eps。3.根据权利要求1所述的方法，其特征在于，所述根据所述第一云点的邻域半径内云点的数量确定所述三维点云数据中的杂散点，包括：在所述第一云点的邻域半径内的云点的数量为0时，将所述第一云点标记为杂散点。4.根据权利要求1所述的方法，其特征在于，所述根据所述第一云点的邻域半径内云点的数量确定所述三维点云数据中的杂散点，包括：获取预设邻域点数量阈值和预设杂散点条件，其中，所述预设杂散点条件为：所述第一云点的第一邻域点和第二邻域点中至少有一点，与第一云点的距离大于第一云点的邻域半径，且所述第一云点的第一线段和所述第一云点的第二线段的夹角小于预设夹角阈值，邻域点为：对以所述第一云点为原点的三维坐标系进行N等分后，得到的N个部分的每个部分中，距离第一云点最近的云点，所述第一邻域点为所述邻域点中，与所述第一云点的距离最近的云点，所述第二邻域点为所述邻域点中，与所述第一云点的距离次近的云点，所述第一线段为所述第一云点与所述第一邻域点构成的线段，所述第二线段为所述第一云点与所述第二邻域点构成的线段；在所述第一云点的邻域半径内的云点的数量大于0且小于所述预设邻域点数量阈值时，判断所述第一云点是否满足所述预设杂散点条件；当所述第一云点满足所述预设杂...

【专利技术属性】
技术研发人员：左勇，叶月娇，唐义，伍剑，王军，陈兆一，
申请(专利权)人：北京邮电大学，
类型：发明
国别省市：北京,11