用于处理具有多个点的输入点云的系统和方法技术方案

用于确定表示机器操作的时间系列数据中的模式的系统和方法。存储器存储和提供由所述机器的传感器生成的一组训练数据例，其中，每个训练数据例表示所述机器在由于所述机器故障而结束的时段内的操作。处理器被配置成将每个训练数据例迭代地划分成正常区域和异常区域，确定正常区域中不存在并且仅在每个异常区域中出现一次的预测模式，并且确定异常区域的长度。经由与处理器通信的输出接口输出所述预测模式或者将所述预测模式存储在存储器中，其中，所述预测模式是对即将发生的故障的预测估计并帮助管理所述机器。

System and Method for Processing Input Point Clouds with Multiple Points

【技术实现步骤摘要】
【国外来华专利技术】用于处理具有多个点的输入点云的系统和方法
本公开总体上涉及对点云进行简化，并且具体地，简化结构点云(organizedpointcloud)或无结构点云。
技术介绍
随着3D感测技术的最新发展，3D点云已成为在许多应用中表示数据点的实用格式。感测装置测量对象表面上的大量点，并且点云表示已测量的点的集合。点云通常包括按某一坐标系定义大量数据点的海量数据集。例如，物理对象的激光扫描通常会生成包含数百万个数据点的数据集，每个数据点由利用表示3D空间(例如，x、y、z)的正交坐标的3元组指定。对这种大型点云数据集的处理、分析以及报告可能很困难。特别是，通常情况下，点云数据集的大小超过了需要利用此数据的系统的设计和执行能力。从而，用于减小点云数据集的大小的方法是重要的预处理步骤，以便将数据量减少至适于消费系统的水平。然后，可以更有效地处理经简化或减少的点云数据。存在用于简化点云数据的许多现有技术方法。然而，这些现有技术方法要么具有丢失数据的显著风险(如由数据表示的对象和/或表面的关键特征(例如，子采样抽取、统一空间聚类))，要么实现起来很复杂，并因此需要更多的计算费用，而且需要更多的处理时间。因此，本领域需要一种从大量数据中检测和/或预测机器故障的改进方法。
技术实现思路
本公开的实施方式致力于通过重采样点云以保留关键点子集来简化结构点云或无结构点云。这种方法减少了点数但不改变原始点的位置。本公开的实施方式基于这样的认识，即，不需要以适于所有应用的格式表示点云。具体来说，点云可以以为特定应用或为不同应用特制的格式表示，以使点云可以被重新格式化成不同的格式/表示。通过将点云重新格式化成不同的格式/表示，点云可以被重新格式化或删减，以仅保留特定应用所需的点。至少一个目的是设计应用相关的重采样策略，根据特定底层应用保留选定信息。例如，在点云中的轮廓检测任务中，通常这需要仔细和密集的计算，如计算表面法线并对多个点进行分类。代替利用整个点云，在对所需轮廓信息敏感的点的小子集进行重采样方面，效率更高，致使后续计算更便宜，而不会损失检测性能。其它示例可以包括可视化和/或对象建模应用，可以保留特定对象(但不是其它对象)的轮廓和一些纹理。认识到与适于所有目的的一个版本的点云相比，存储出于特定目的而删减的多个版本的点云效率更高。即使不同的删减点云共享相同的点，情况也是如此。例如，原始点云中的100000个点可以删减为60000个点，或者删减成五个不同的经删减点的组，每组有5000个点。因此，通过针对不同应用删减点云来生成不同的经删减点，并且利用对应经删减点执行特定应用，删减可以保留特定于关键点的应用子集。其它优点包括：与尝试利用整个点云计算性地运行应用相比，降低计算复杂性和时间，并且降低运行特定应用的总体成本。本公开公开了选择来源于图形信号处理的点的子集的技术，其是信号与图形结构之间相互作用的框架。使用图形来捕捉点之间的局部相关性，其表示对象表面的离散版本。使用图形的至少一个优点是捕捉点云的局部和全局结构。在本公开框架下，与每个点相关联的3D坐标和其它属性是由底层图形的节点索引的图形信号。因此，将重采样问题制定为图形信号的采样变得可能。然而，图形采样技术通常以确定性方法选择样本，其解决非凸优化问题以顺序获得样本并需要昂贵的计算。为了利用计算成本，本公开使用有效的随机化重采样策略从输入点云中选择关键点的子集。主要构思是根据某个采样分布生成子样本，这对于保留原始输入点云中的信息来说既快速又明显有用。换句话说，本公开考虑基于特征提取的重采样框架，即，重采样点根据特定应用的特定需要保留所选信息。然后，基于一般的特征提取算子，可以利用重构误差来量化重采样的质量，并且能够导出确切的形式。通过优化预期重构误差，可以获得最优采样分布。本公开提供了保证移位和旋转不变的最优采样分布。这提供了特征提取算子作为图形过滤器，并研究基于全通、低通以及高通图形过滤的重采样策略。在每一种情况下，可以导出最优采样分布并证实模拟和实际数据两者的性能。用于解释这种认识或者为了更好地理解如何完成删减的另一方式，本公开基于图形上每个节点的邻近节点的值，通过根据图形的结构对每个节点进行评分来使用图形上的每个节点。可以基于具体应用选择评分函数，以使每个不同的应用可以拥有自己的评分函数或许多评分函数。例如，对于轮廓确定，评分函数可以是根据节点的邻近节点表示该节点的误差。另一例子可以是可以考虑节点的不同属性的不同评分函数。意识到评分可以确定节点的概率，其可以与“随机”重采样一起使用，以处理具有相同“得分”值的点。在解决重采样或处理输入点云时，至少一个系统首先通过访问输入点云开始。其中，输入点云包括多个点，并且每个点具有属性集，所述属性集包括二维(2D)坐标和三维(3D)坐标以及其它属性。下一步骤是构造表示输入点云的图形(即，由图形的顶点和图形的边组成)(所述构造基于所述输入点云中的、表示图形中的节点的每个点)，，并且识别并连接图形中的两个邻近节点，以获得图形边缘。然后，基于所构造的图形，确定图形过滤函数，即，按照某一标准确定图形算子以促进或维持输入点云中的某些信息。其中，还可以根据特定应用要求(例如，保持几何信息和/或纹理结构)选择来自输入点云的属性集。然后，通过选择所述点的属性子集来过滤输入点云中的每个点，并且通过对所选择的属性子集应用所述图形过滤函数，确定输入点云中的每个点的至少一个值。利用输入点云中的每个点的至少一个值，基于与输入点云中的所述点的全部值的总计相比较的、所述点的所述至少一个值以及输出点云中的点的预定数量，生成每个点的概率。换句话说，可以利用所选择的图形算子计算点云中的每个点的重要性得分。以使基于所述重要性得分，生成每个点的概率。最后，利用对每个点的所述概率的随机评估来采样输入点云，以获得输入点云中的点子集，其中，所述点子集是所述输出点云。这意味着点子集是基于所述概率确定的，并且可以输出预期的总点数以供进一步使用。例如，所述输出点云可以存储在存储器中或者经由与处理器通信的输出接口输出。应注意，与选择的输出点云(即，来自所述系统的选择的关键点的子集)相比较时，输入点云可以在以后更有效地处理。例如，在用于大规模可视化的一个实施方式中，当利用基于高通图形过滤的重采样时，查看者可以更容易地捕捉到城市环境的点云中的重要细节。对于大规模可视化的一个实施方式，可以使用所提出的基于高通图形过滤的重采样策略来选择点的小的子集，以突出城市场景中的建筑物和街道的轮廓。在另一例子中，本公开可以具有用于鲁棒的形状建模的另一实施方式，以使当使用所提出的基于低通图形过滤的重采样策略来选择点的小子集时，识别对象模型参数可能更有效和准确。其中，这种建模可能涉及在点云中找到具有噪声或存在异常值的表面，并且本公开可以用于解决问题。根据本公开的实施方式，一种处理具有多个点的输入点云的系统，其中，每个点都具有属性集，所述属性集包括二维(2D)坐标和三维(3D)坐标以及其它属性。所述系统包括传感器，该传感器感测场景，并且与计算机可读存储器通信以生成输入点云。所述系统包括输出接口。处理器与所述计算机可读存储器通信，其中，所述处理器被配置成访问所述输入点云，并且构造表示所述输入点云的图形，并且识别并本文档来自技高网...

【技术保护点】
1.一种处理具有多个点的输入点云的系统，其中，每个点具有属性集，所述属性集包括二维(2D)坐标和三维(3D)坐标以及其它属性，所述系统包括：传感器，所述传感器对场景进行感测，并且与计算机可读存储器通信以生成所述输入点云；输出接口；与所述计算机可读存储器通信的处理器，所述处理器被配置成：访问所述输入点云；构造表示所述输入点云的图形，并且识别并连接所述图形中的两个邻近节点，以获得图形边缘，所述构造基于所述输入点云中表示所述图形中的节点的各个点；基于所构造的图形，确定图形过滤函数；通过选择所述点的属性子集并且通过对所选择的属性子集应用所述图形过滤函数来过滤所述输入点云中的每个点，确定所述输入点云中的每个点的至少一个值；基于与所述输入点云中的所述点的所有值的总计相比较的、所述点的所述至少一个值，以及输出点云中的点的预定数量，生成各个点的概率；利用对各个点的所述概率的随机评估来对所述输入点云进行采样，以获得所述输入点云中的点子集，其中，所述点子集是所述输出点云；以及将所述输出点云存储在所述计算机可读存储器中或者经由与所述处理器通信的所述输出接口输出所述输出点云，其中，所述输出点云用于帮助后续处理并且帮助管理所述输入点云。...

【技术特征摘要】
【国外来华专利技术】2016.11.03 US 62/417,007;2016.11.22 US 15/358,3461.一种处理具有多个点的输入点云的系统，其中，每个点具有属性集，所述属性集包括二维(2D)坐标和三维(3D)坐标以及其它属性，所述系统包括：传感器，所述传感器对场景进行感测，并且与计算机可读存储器通信以生成所述输入点云；输出接口；与所述计算机可读存储器通信的处理器，所述处理器被配置成：访问所述输入点云；构造表示所述输入点云的图形，并且识别并连接所述图形中的两个邻近节点，以获得图形边缘，所述构造基于所述输入点云中表示所述图形中的节点的各个点；基于所构造的图形，确定图形过滤函数；通过选择所述点的属性子集并且通过对所选择的属性子集应用所述图形过滤函数来过滤所述输入点云中的每个点，确定所述输入点云中的每个点的至少一个值；基于与所述输入点云中的所述点的所有值的总计相比较的、所述点的所述至少一个值，以及输出点云中的点的预定数量，生成各个点的概率；利用对各个点的所述概率的随机评估来对所述输入点云进行采样，以获得所述输入点云中的点子集，其中，所述点子集是所述输出点云；以及将所述输出点云存储在所述计算机可读存储器中或者经由与所述处理器通信的所述输出接口输出所述输出点云，其中，所述输出点云用于帮助后续处理并且帮助管理所述输入点云。2.根据权利要求1所述的系统，其中，所述点的所述属性子集是基于用户输入来选择的。3.根据权利要求1所述的系统，其中，生成各个点的概率以对所述输入点云进行采样的步骤基于与所述输入点云中的所述点的所有值的总计相比较的、所述点的所述至少一个值乘以所述输出点云中的点的所述预定数量。4.根据权利要求1所述的系统，其中，所述输出点云中的点的所述预定数量是通过与所述处理器通信的用户输入接口的表面上的用户输入来确定的，所述用户输入用于将用户点数设定为所述输出点云中的点的所述预定数量。5.根据权利要求1所述的系统，其中，所述输入点云中的点是有结构的或无结构的。6.根据权利要求1所述的系统，其中，各个点的所述属性集中的所述其它属性来自由颜色、温度、透明度或反射率之一或组合所构成的组。7.根据权利要求1所述的系统，其中，所述图形边缘从图形节点连接至处于半径τ内的所有邻近图形节点。8.根据权利要求1所述的系统，其中，所述图形边缘从图形节点连接至该图形节点的K个最近的邻近图形节点。9.根据权利要求1所述的系统，其中，所选择的属性子集包括各个点的3D坐标，使得在确定所述输出点云时使用所述3D坐标。10.根据权利要求1所述的系统，其中，所选择的属性子集包括与各个点关联的颜色，使得在确定所述输出点云时使用所述颜色。11.根据权利要求1所述的系统，其中，各个点的所述概率是针对每个图形节点的任何预定正常数。12.根据权利要求1所述的系统，其中，各个点的所述概率是根据由图形随机游走(转移)矩阵、图形拉普拉斯矩阵或图形邻接矩阵之一的函数表示的所述图形过滤函数计算的。13.根据权利要求1所述的系统，所述系统还包括：针对由可视化、对象建模、分层表示和渲染中的一项构成的组输出所述输出点云。14.根据权利要求1所述的系统，所述系统还包括：生成所述输出点云中的各个点的特征描述符，所述特征描述符概述了所述输入点云；并且基于所述特征描述符来检测对象。15.根据权利要求1所述的系统，其中，确定所述输入点云中的点子集的步骤包括：确定第二点子集，其中，选择附加点并将所选择的附加点添加至所确定的点子集，使得与所述输入点云的所确定的点子...

【专利技术属性】
技术研发人员：田栋，陈思衡，冯晨，安东尼·韦特罗，
申请(专利权)人：三菱电机株式会社，
类型：发明
国别省市：日本,JP