处理三维点云数据的方法和计算设备技术

本申请提供了一种处理三维点云数据的方法，该方法可以用于智能驾驶领域，以减少计算设备处理传感器获得的数据的计算开销。该方法包括：获取激光雷达等传感器扫描目标场景得到的三维点云数据；根据三维点云数据，确定有序点云阵列，有序点云阵列包括多个点；确定目标点在有序点云阵列中的多个第一邻近点，目标点为有序点云阵列中的多个点中的任意一个点；根据多个第一邻近点，确定目标点的法向量。

Methods and computing equipment for processing 3D point cloud data

【技术实现步骤摘要】
处理三维点云数据的方法和计算设备
本申请涉及数据处理领域，尤其涉及处理三维点云数据的方法和计算设备。
技术介绍
随着传感器技术的进步，三维点云越来越多的应用到三维场景建模中。例如，智能机器人导航、自动驾驶、体感游戏等领域。例如，随着自动驾驶的发展，激光雷达是车载重要传感器之一。单纯使用三维点云的三维空间坐标特征来分析一个点云场景是非常困难的，而点云法向量可以描述局部的空间特征，是分析三维点云场景所使用的最广泛的特征，可广泛应用在数据配准、切割、识别等方面。在现有的计算方法中，可以先利用主成分分析(principalcomponentanalysis,PCA)法粗略计算目标点的法向量，然后通过平面拟合，筛选出距离拟合平面较近的多个点，构成点集Q。然后基于点集Q，重新利用PCA计算目标点的法向量。在计算过程中，利用邻近点所拟合的平面与目标点的切平面越接近，计算出的法向量的精度越高。对于每个目标点，通常都需要查找邻近的15～30个点进行法向量的计算。对于稀疏点云来说，这些邻近点很大概率不处于同一平面，导致法向量的估计误差较大。另外，PCA分析涉及矩阵计算，开销较大。
技术实现思路
本申请提供一种处理三维点云数据的方法，能够减少处理三维点云数据的计算复杂度。第一方面，提供了一种处理三维点云数据的方法，用于计算设备，所述计算设备与传感器相连，该方法包括：获取所述传感器扫描目标场景得到的三维点云数据；根据所述三维点云数据，确定有序点云阵列，所述有序点云阵列包括多个点；确定目标点在所述有序点云阵列中的多个第一邻近点，所述目标点为所述有序点云阵列中的任意一个点；根据所述多个第一邻近点，确定所述目标点的法向量。在本申请实施例中，将传感器获取的三维点云数据转换为有序点云阵列，并在有序点云阵列中选择目标点的邻近点，然后根据选择的邻近点来计算目标点的法向量。由于邻近点是在有序点云阵列中选取的，因此，在计算目标点的法向量时考虑了邻近点在有序点云空间中的位置信息，构建的平面能够更加精确地逼近目标点的空间局部切平面，从而计算得到的目标点的法向量更准确。另外，本申请实施例中通过在有序点云序列中选择目标点的邻近点，而无需通过依次计算点云数据中的各个点与目标点之间的距离来筛选邻近点，减少了计算复杂度，提高了处理三维点云数据的实时性和计算精度。结合第一方面，在一种可能的实现方式中，所述根据所述多个第一邻近点，确定所述目标点的法向量，包括：根据所述多个第一邻近点，得到非平行的第一向量和第二向量；根据所述第一向量和所述第二向量的叉乘结果，确定所述目标点的法向量。在本申请实施例中，利用目标点在有序点云阵列中的邻近点来构造两个非平行向量，并根据非平行向量确定三维点云数据的法向量，该方法利用了有序点云阵列的点阵列的排布特性，简化了计算法向量的复杂度，提高了处理三维点云数据的实时性和计算精度。结合第一方面，在一种可能的实现方式中，所述根据所述多个第一邻近点，得到非平行的第一向量和第二向量，包括：根据两个所述第一邻近点和所述目标点得到所述第一向量和所述第二向量；或，根据三个所述第一邻近点得到所述第一向量和所述第二向量；或，根据三个所述第一邻近点和所述目标点得到所述第一向量和所述第二向量；或，根据四个所述第一邻近点得到所述第一向量和所述第二向量。结合第一方面，在一种可能的实现方式中，该方法还包括：确定所述目标点在所述有序点云阵列中的多个第二邻近点，所述多个第二邻近点与所述多个第一邻近点不相同或不完全相同；根据所述多个第二邻近点，得到非平行的第三向量和第四向量；所述根据所述第一向量和所述第二向量的叉乘结果，确定所述目标点的法向量，包括：根据所述第一向量和所述第二向量的叉乘结果以及所述第三向量和所述第四向量的叉乘结果，确定所述目标点的法向量。结合第一方面，在一种可能的实现方式中，所述三维点云数据为稠密点云数据，所述根据所述三维点云数据，确定有序点云阵列，包括：对所述三维点云数据进行降采样，得到降采样后的三维点云数据；对所述降采样后的三维点云数据进行转换，获取所述有序点云阵列。结合第一方面，在一种可能的实现方式中，所述多个第一邻近点中的任意一个点与所述目标点在所述有序点云阵列中的距离小于搜索步长。结合第一方面，在一种可能的实现方式中，该方法还包括：根据所述传感器与所述目标点在所述目标场景中的距离，确定所述搜索步长。在本申请实施例中，可以根据传感器原点与目标点在目标场景中的位置之间的距离，动态的设置搜索步长，搜索步长用于选择目标点在有序点云阵列的邻近点。通过动态设置搜索步长的方式，能够根据空间分辨率不同来确定选择邻近点的范围，以使得选择的邻近点拟合的平面更接近目标点的空间局部切平面，从而计算得到的目标点的法向量更准确。第二方面，提供了一种计算设备，用于处理三维点云数据，所述计算设备与传感器相连，该计算设备包括：获取模块，用于获取所述传感器扫描目标场景得到的三维点云数据；确定模块，用于根据所述三维点云数据，确定有序点云阵列，所述有序点云阵列包括多个点；所述确定模块还用于确定目标点在所述有序点云阵列中的多个第一邻近点，所述目标点为所述有序点云阵列中的任意一个点；所述确定模块还用于根据所述多个第一邻近点，确定所述目标点的法向量。应理解，第二方面的计算设备，和第一方面的处理三维点云数据的方法基于相同的专利技术构思，因此第二方面的技术方案能够取得的有益技术效果，可以参考第一方面的说明，不再赘述。结合第二方面，在一种可能的实现方式中，所述确定模块具体用于根据所述多个第一邻近点，得到非平行的第一向量和第二向量；以及根据所述第一向量和所述第二向量的叉乘结果，确定所述目标点的法向量。结合第二方面，在一种可能的实现方式中所述确定模块具体用于根据两个所述第一邻近点和所述目标点得到所述第一向量和所述第二向量；或，根据三个所述第一邻近点得到所述第一向量和所述第二向量；或，根据三个所述第一邻近点和所述目标点得到所述第一向量和所述第二向量；或，根据四个所述第一邻近点得到所述第一向量和所述第二向量。结合第二方面，在一种可能的实现方式中，所述确定模块还用于确定所述目标点在所述有序点云阵列中的多个第二邻近点，所述多个第二邻近点与所述多个第一邻近点不相同或不完全相同；根据所述多个第二邻近点，得到非平行的第三向量和第四向量；以及具体用于根据所述第一向量和所述第二向量的叉乘结果以及所述第三向量和所述第四向量的叉乘结果，确定所述目标点的法向量。结合第二方面，在一种可能的实现方式中，所述三维点云数据为稠密点云数据，所述确定模块具体用于对所述三维点云数据进行降采样，得到降采样后的三维点云数据；以及对所述降采样后的三维点云数据进行转换，获取所述有序点云阵列。结合第二方面，在一种可能的实现方式中，所述多个第一邻近点中的任意一个点与所述目标点在所述有序点云阵列中的距离小于搜索步长。结合第二方面，在一种可能的实现方式中，所述确定模块还用于根据所述传感器与所述目标点在所述目标场景的距离，确定所述搜索步本文档来自技高网...

【技术保护点】
1.一种处理三维点云数据的方法，用于计算设备，所述计算设备与传感器相连，其特征在于，所述方法包括：/n获取所述传感器扫描目标场景得到的三维点云数据；/n根据所述三维点云数据，确定有序点云阵列，所述有序点云阵列包括多个点；/n确定目标点在所述有序点云阵列中的多个第一邻近点，所述目标点为所述有序点云阵列中的任意一个点；/n根据所述多个第一邻近点，确定所述目标点的法向量。/n

【技术特征摘要】
1.一种处理三维点云数据的方法，用于计算设备，所述计算设备与传感器相连，其特征在于，所述方法包括：
获取所述传感器扫描目标场景得到的三维点云数据；
根据所述三维点云数据，确定有序点云阵列，所述有序点云阵列包括多个点；
确定目标点在所述有序点云阵列中的多个第一邻近点，所述目标点为所述有序点云阵列中的任意一个点；
根据所述多个第一邻近点，确定所述目标点的法向量。


2.如权利要求1所述的方法，其特征在于，所述根据所述多个第一邻近点，确定所述目标点的法向量，包括：
根据所述多个第一邻近点，得到非平行的第一向量和第二向量；
根据所述第一向量和所述第二向量的叉乘结果，确定所述目标点的法向量。


3.如权利要求2所述的方法，其特征在于，所述根据所述多个第一邻近点，得到非平行的第一向量和第二向量，包括：
根据两个所述第一邻近点和所述目标点得到所述第一向量和所述第二向量；或，
根据三个所述第一邻近点得到所述第一向量和所述第二向量；或，
根据三个所述第一邻近点和所述目标点得到所述第一向量和所述第二向量；或，
根据四个所述第一邻近点得到所述第一向量和所述第二向量。


4.如权利要求2或3所述的方法，其特征在于，所述方法还包括：
确定所述目标点在所述有序点云阵列中的多个第二邻近点，所述多个第二邻近点与所述多个第一邻近点不相同；
根据所述多个第二邻近点，得到非平行的第三向量和第四向量；
所述根据所述第一向量和所述第二向量的叉乘结果，确定所述目标点的法向量，包括：
根据所述第一向量和所述第二向量的叉乘结果以及所述第三向量和所述第四向量的叉乘结果，确定所述目标点的法向量。


5.如权利要求1至4中任一项所述的方法，其特征在于，所述三维点云数据为稠密点云数据，所述根据所述三维点云数据，确定有序点云阵列，包括：
对所述三维点云数据进行降采样，得到降采样后的三维点云数据；
对所述降采样后的三维点云数据进行转换，获取所述有序点云阵列。


6.如权利要求1至5中任一项所述的方法，其特征在于，所述多个第一邻近点中的任意一个点与所述目标点在所述有序点云阵列中的距离小于搜索步长。


7.如权利要求6所述的方法，其特征在于，所述方法还包括：
根据所述传感器与所述目标点在所述目标场景中的距离，确定所述搜索步长。


8.一种计算设备，用于处理三维点云数据，所述计算设备与传感器相连...

【专利技术属性】
技术研发人员：肖聪，王志美，
申请(专利权)人：华为技术有限公司，
类型：发明
国别省市：广东;44