一种三维空间测量结果数据的压缩方法技术

本发明专利技术公开了一种三维空间测量结果数据的压缩方法，该压缩方法包括：点云数据的获取，通过使用激光雷达设备，对物体进行扫描后获得到初始数据，将初始数据运用三角函数进行转换得到直角坐标系数据；点云数据均匀网格划分，根据传入的参数对点云数据进行比例划分，点云数据的划分采用均匀的划分方式；点云数据离散异常点剔除，激光雷达运行扫描过程中，产生出偏离整体的离散点及超出正常值的异常点，运用差值进行离散异常点剔除；特征点提取，根据网格内的点位数据值进行判断，若网格内的最大最小差值大于高度值时，则说明网格内存在特征点；点云压缩，根据所划分好的网格进行一定比例的压缩，需要将提取出来的特征点添加到压缩后的点云数据中。

【技术实现步骤摘要】
一种三维空间测量结果数据的压缩方法
本专利技术涉及三维空间数据处理
，具体来说，涉及一种三维空间测量结果数据的压缩方法。
技术介绍
近年来，随着三维扫描设备的快速发展，三维数据的扫描成本大大降低，采集三维数据变得越来越容易，快捷，点云作为一种有效、高质量的三维数据获取及存储方式逐渐被广泛接受并使用，点云数据的处理技术也也发成熟，运用过程中需要对大量点云数据进行压缩精简的预处理，现有技术中三维点云数据压缩大多采用均值压缩或随机采样的压缩方式，均值压缩算法虽然可以很好地提高数据的压缩率，但是对于一些比较有特征点的数据也会给压缩掉，这样会加大误差值导致后期的计算出现偏差，随机采样压缩是一种很简洁的压缩方式，但是在使用无序压缩时，数据的压缩率与误差值都不能得到很好地保障，上述方式均存在点云数据压缩效率低不可控、误差值大以及点位顺序杂乱问题。
技术实现思路
针对相关技术中的上述技术问题，本专利技术提出一种三维空间测量结果数据的压缩方法，能够使点云数据的压缩率可控，减小点云数据压缩后的误差值以及使得点云数据压缩后呈现序列化。为实现上述技术目的，本专利技术的技术方案是这样实现的：一种三维空间测量结果数据的压缩方法，其特征在于，该压缩方法包括：S1：点云数据的获取，通过使用激光雷达设备，对物体进行扫描后获得到初始数据，将初始数据运用三角函数进行转换得到直角坐标系数据；S2：点云数据均匀网格划分，根据传入的参数对点云数据进行比例划分，点云数据的划分采用均匀的划分方式；S3：点云数据离散异常点剔除，激光雷达运行扫描过程中，产生出偏离整体的离散点及超出正常值的异常点，运用差值进行离散异常点剔除；S4：特征点提取，根据网格内的点位数据值进行判断，若网格内的最大最小差值大于高度值时，则说明网格内存在特征点；S5：点云压缩，根据所划分好的网格进行一定比例的压缩，需要将提取出来的特征点添加到压缩后的点云数据中。进一步地，S1.1对三维激光雷达点云数据进行获取，将激光雷达发射的角度值及发射距离值数据进行函数转换。进一步地，S2.1根据传入的参数进行均匀划分，若参数值小于最大的直角坐标值，且不等于零，则压缩算法执行，若参数值等于直角坐标值时，则压缩算法不执行。进一步地，S3.1激光雷达运行扫描过程中，受到光线、水汽干扰以及环境因素影响，通过差值对偏离整体的离散点及超出正常值的异常点进行剔除。进一步地，S4.1数据压缩过程中若特征点丢失会造成压缩算法的误差值增大，根据网格内的点位数据值进行判断，若网格内的最大最小差值大于高度值时，则说明网格内存在特征点，进行特征提取。进一步地，S5.1点云数据压缩时，根据划分好的网格进行一定比例的压缩，若网格内有100个点位，压缩率为10，则压缩后剩余点位为10个，点云数据采用均匀压缩；S5.2点云数据压缩后，将提取出来的特征点添加到压缩后的点云数据中，进行点云数据保存生成序列化点云数据。本专利技术的有益效果：鉴于现有技术中存在的不足，本申请具有如下优点：1）点云数据的压缩效率可控，将压缩率作为一个可选的参数进行算法中的传入，这样一来对于压缩的效率进行了控制化，虽然压缩效率越高越好，但是对于点云数据的压缩来说，压缩效率越高，丢失的信息点位也就会越多，所以使用可控的压缩效率可以对于每个点云找到一个平衡的压缩点；2）点云压缩后点位序列化，压缩后的点云数据应该呈现的是一个有序的点云，这样有利于后期将点云转换为三维图形进行输出；3）点云数据减少误差值，本方法在控制压缩率的同时，还会对区域中的特征点进行保留，而对于离散点和异常点则进行排除，这样既保证压缩效率也保证点云的总体特征改变不大，保证了误差值变小。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1是根据本专利技术实施例所述的三维空间测量结果数据的压缩方法的点云数据原始点示意图；图2是根据本专利技术实施例所述的三维空间测量结果数据的压缩方法点云数据网格示意图；图3是根据本专利技术实施例所述的三维空间测量结果数据的压缩方法点云数据离散异常示意图；图4是根据本专利技术实施例所述的三维空间测量结果数据的压缩方法点云数据特征点示例图；图5是根据本专利技术实施例所述的三维空间测量结果数据的压缩方法点云压缩示意图；图6是根据本专利技术实施例所述的三维空间测量结果数据的压缩方法点云数据压缩后点云示意图。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员所获得的所有其他实施例，都属于本专利技术保护的范围。如图1-6所示，根据本专利技术实施例所述的三维空间测量结果数据的压缩方法，该压缩方法包括以下步骤：步骤一，点云数据的获取；步骤二，点云数据均匀网格划分；步骤三，点云数据离散异常点剔除；步骤四，特征点提取；步骤五，点云压缩。在本专利技术的一个具体实施例中，点云数据的获取，通过使用激光雷达设备，对物体进行扫描后获得到初始数据，将激光雷达发射的角度值及发射距离值数据运用三角函数进行转换得到直角坐标系（x、y、z）数据,如图1所示；在本专利技术的一个具体实施例中，点云数据均匀网格划分，基于算法要求，根据传入的参数对点云数据进行比例划分，点云数据的划分采用均匀的划分，对传入参数n进行均匀划分，若n小于最大的直角坐标x、y值，且不等于零，则压缩算法执行，若参数值等于直角坐标值时，则压缩算法不执行，如图2所示；在本专利技术的一个具体实施例中，点云数据离散异常点剔除，激光雷达运行扫描过程中，受到光线、水汽干扰以及环境因素影响，激光雷达运行扫描过程中，产生出偏离整体的离散点及超出正常值的异常点，运用差值进行离散异常点剔除，如图3所示；在本专利技术的一个具体实施例中，特征点提取，数据压缩过程中若特征点丢失会造成压缩算法的误差值增大，根据网格内的点位数据值进行判断，若网格内的最大最小差值大于高度值时，则说明网格内存在特征点,进行特征提取，如图4所示；在本专利技术的一个具体实施例中，点云压缩，根据所划分好的网格进行一定比例的压缩，需要将提取出来的特征点添加到压缩后的点云数据中,进一步包括：点云数据压缩时，根据划分好的网格进行一定比例的压缩，若网格内有100个点位，压缩率为10，则压缩后剩余点位为10个，点云数据采用均匀压缩，点云数据压缩后，将提取出来的特征点添加到压缩后的点云数据中，进行点云数据保存生成序列化点云数据，如图5所示。为了方便理解本专利技术的上述技术方案，以下通过具体使用方式上对本文档来自技高网...

【技术保护点】
1.一种三维空间测量结果数据的压缩方法，其特征在于，该压缩方法包括：/nS1：点云数据的获取，通过使用激光雷达设备，对物体进行扫描后获得到初始数据，将初始数据运用三角函数进行转换得到直角坐标系数据；/nS2：点云数据均匀网格划分，根据传入的参数对点云数据进行比例划分，点云数据的划分采用均匀的划分方式；/nS3：点云数据离散异常点剔除，激光雷达运行扫描过程中，产生出偏离整体的离散点及超出正常值的异常点，运用差值进行离散异常点剔除；/nS4：特征点提取，根据网格内的点位数据值进行判断，若网格内的最大最小差值大于高度值时，则说明网格内存在特征点；/nS5：点云压缩，根据所划分好的网格进行一定比例的压缩，需要将提取出来的特征点添加到压缩后的点云数据中。/n

【技术特征摘要】
1.一种三维空间测量结果数据的压缩方法，其特征在于，该压缩方法包括：
S1：点云数据的获取，通过使用激光雷达设备，对物体进行扫描后获得到初始数据，将初始数据运用三角函数进行转换得到直角坐标系数据；
S2：点云数据均匀网格划分，根据传入的参数对点云数据进行比例划分，点云数据的划分采用均匀的划分方式；
S3：点云数据离散异常点剔除，激光雷达运行扫描过程中，产生出偏离整体的离散点及超出正常值的异常点，运用差值进行离散异常点剔除；
S4：特征点提取，根据网格内的点位数据值进行判断，若网格内的最大最小差值大于高度值时，则说明网格内存在特征点；
S5：点云压缩，根据所划分好的网格进行一定比例的压缩，需要将提取出来的特征点添加到压缩后的点云数据中。


2.根据权利要求1所述的三维空间测量结果数据的压缩方法，其特征在于，S1.1对三维激光雷达点云数据进行获取，将激光雷达发射的角度值及发射距离值数据进行函数转换。


3.根据权利要求1所述的三维空间测量结果数据的压缩方法，其特征在于，S2.1...

【专利技术属性】
技术研发人员：王智峰，
申请(专利权)人：富德康北京科技股份有限公司，
类型：发明
国别省市：北京;11