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 ...
【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
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。