一种点云融合方法、装置及探测系统制造方法及图纸

一种点云融合方法、装置及探测系统。所述方法包括：获取第一目标点，确定与所述第一目标点相似的第二目标点，根据所述第二目标点的相似点分布，确定所述第二目标点的目标区域，当所述目标区域与所述第一目标点满足预设位置关系时，将所述第一目标点和所述第二目标点进行融合。在点云融合时，根据第二目标点的周围相似点分布情况为第二目标点确定一个目标区域，根据第一目标点和目标区域的位置关系确定第一目标点是否可以融合第二目标点，综合考虑了第二目标点周围的分布情况，很好地保留了三维场景的细节。三维场景的细节。三维场景的细节。

【技术实现步骤摘要】
【国外来华专利技术】一种点云融合方法、装置及探测系统


[0001]本申请涉及数据处理
，具体而言，涉及一种点云融合方法、装置及探测系统。

技术介绍

[0002]目前，三维重建技术已经日趋成熟。比如可以通过立体视觉、激光扫描或者深度传感器扫描等方法去获取目标场景中的各实物的三维信息，并构建目标场景的三维点云。由于获得的最原始的三维点云一般数据量巨大，且含有很多噪声，导致后期对点云进行渲染时速度较慢，影响用户体验。因而，可以对点云进行精简，一种方式是将点云中的一些相似点进行融合，以得到精简的点云。现有的点云融合方法不能很好的保留目标场景的细节，因而，有必要对点云融合方法加以改进。

技术实现思路

[0003]有鉴于此，本申请提供一种点云融合方法、装置及探测系统。
[0004]根据本申请的第一方面，提供了一种点云融合方法，所述方法包括：
[0005]获取第一目标点；
[0006]确定与所述第一目标点相似的第二目标点；
[0007]根据所述第二目标点的相似点分布，确定所述第二目标点的目标区域；
[0008]当所述目标区域与所述第一目标点满足预设位置关系时，将所述第一目标点和所述第二目标点进行融合。
[0009]根据本申请的第二方面，提供了一种点云融合装置，所述装置包处理器、存储器、以及存储在所述存储器上的计算机程序，所述处理器执行所述计算机程序实现以下步骤：
[0010]获取第一目标点；
[0011]确定与所述第一目标点相似的第二目标点；
[0012]根据所述第二目标点的相似点分布，确定所述第二目标点的目标区域；
[0013]当所述目标区域与所述第一目标点满足预设位置关系时，将所述第一目标点和所述第二目标点进行融合。
[0014]根据本申请的第三方面，提供一种探测系统，所述系统包括传感器和点云融合装置，所述传感器用于获取第一目标点和第二目标点，所述点云融合装置包处理器、存储器、以及存储在所述存储器上的计算机程序，所述处理器执行所述计算机程序实现本申请实施例中任一项所述点云融合方法。
[0015]应用本申请的方案，在获取第一目标点后，先确定与第一目标点相似的第二目标点，并根据所述第二目标点的相似点分布，确定所述第二目标点的目标区域，当目标区域和第一目标点满足预设位置关系时，则将第一目标点和第二目标点融合。通过这种方式，在确定第一目标点是否可以融合相似的第二目标点时，可以通过第二目标点周围的相似点分布情况为第二目标点确定一个目标区域，根据目标区域和第一目标点的位置关系来确定是否
可以融合第二目标点，综合考虑了第二目标点周围的相似点分布情况，从而能够很好地保留了三维场景的细节。
附图说明
[0016]为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
[0017]图1是现有技术提供的一种根据固定搜索范围确定参考点的可融合点的示意图。
[0018]图2是现有技术提供的一种关键点被融合的场景示意图。
[0019]图3是本专利技术一个实施例提供的一种点云融合方法流程图。
[0020]图4是本专利技术一个实施例提供的一种确定第二目标点的目标区域的示意图。
[0021]图5是本专利技术一个实施例提供的一种确定第一目标点的指定区域的示意图。
[0022]图6是本专利技术一个实施例提供的一种根据第二目标点的目标区域与第一目标点的位置关系确定是否可以融合第二目标点的示意图。
[0023]图7是本专利技术一个实施例提供的另一种根据第二目标点的目标区域与第一目标点的位置关系确定是否可以融合第二目标点的示意图。
[0024]图8是本专利技术一个实施例提供的一种点云融合装置的结构示意图。
[0025]图9是本专利技术一个实施例提供的一种探测系统的示意图。
具体实施方式
[0026]下面将结合本申请实施例中的附图，对本申请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申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
[0027]目前，三维重建技术已经日趋成熟。比如可以通过立体视觉方法、激光扫描或者深度传感器扫描等去获取目标场景中的各实物的三维信息，并构建目标场景的三维点云。由于获得的最原始的三维点云一般数据量巨大，且含有很多噪声，导致后期对点云进行渲染时速度较慢，影响用户体验。因而，可以对点云进行精简，一种方式是将点云中的一些相似点进行融合，以得到精简的点云。
[0028]现有的点云融合方法一般是通过一个固定搜索范围来进行点云融合，如图1所示，即先确定参考点11在搜索范围12内的各点13，然后判断搜索范围12内各点13是否符合预设的可以融合标准，也就是判断两个点是否为相似点，如果为相似点，则将搜索范围内的点13与参考点11融合。为了不会将一些涉及三维场景细节的关键点融合掉，一般搜索范围会设置的比较小，相对来说比较保守，导致有些还可以进一步扩大范围融合的点没法被融合。
[0029]此外，在进行融合时，只会考虑当前点与被融合点是不是相似，只要相似，被融合点就会被当前点融合，但是很多情况下，被融合点虽然在某个搜索方向上与当前点相似，但是在另外的方向上可能差距很大，这样的点如果被融合可能造成场景的细节损失。如图2所示，假设一个由一系列点云组成的阶梯状场景，现要对点云进行融合以减少模型数据量，因为B在A的搜索范围内，且A，B两点的评价参数，如深度满足预设条件，则A，B两点为相似点，
如果以A为参考点，则B会被融合。但是从图2中可以看出，B处在拐角处，如果被融合，则场景在转角处将变得圆滑，失去了原来的直角特性。C，D两点也是这种情况，C在D的搜索范围内，如果以D为参考点，C会被D融合，如果C被D融合，则阶梯下部分的转角也会变得圆滑。如果用融合后的点去构成网格模型，则这种圆滑趋势会更加明显，导致最终得到的三维点云中缺少一些关键细节，没法很好的反映真实的三维场景。
[0030]基于此，本申请提出了一种点云融合方法，可以有效地对点云进行融合，并且很好地保留三维场景的细节。
[0031]具体地，所述方法如图3所示，包括以下步骤：
[0032]S302、获取第一目标点；
[0033]S304、确定与所述第一目标点相似的第二目标点；
[0034]S306、根据所述第二目标点的相似点分布，确定所述第二目标点的目标区域；
[0035]S308、当所述目标区域与所述第一目标点满足预设位置关系时，将所述第一目标点和所述第二目标点进行融合。
[0036]本申请的点云融合方法可以用于在获取原始的三维点云数据后，对原始的点云进行融合精简的场景，也可以用于通过多张三维场景的深度图去构建点云时，对点本文档来自技高网...

【技术保护点】

【技术特征摘要】
【国外来华专利技术】1.一种点云融合方法，其特征在于，所述方法包括：获取第一目标点；确定与所述第一目标点相似的第二目标点；根据所述第二目标点的相似点分布，确定所述第二目标点的目标区域；当所述目标区域与所述第一目标点满足预设位置关系时，将所述第一目标点和所述第二目标点进行融合。2.根据权利要求1所述的点云融合方法，其特征在于，所述目标区域的半径是根据所述第二目标点与所述第二目标点的至少一个相似点确定的。3.根据权利要求2所述的点云融合方法，其特征在于，所述目标区域的半径是所述第二目标点与所述第二目标点的相似点分布区域的边界点之间的最短距离，所述第二目标点的相似点分布区域为所述第二目标点的多个相似点构成的区域。4.根据权利要求1所述的点云融合方法，其特征在于，所述第一目标点和所述第二目标点为：位于二维平面上携带有深度信息的点；或位于三维空间中的点。5.根据权利要求4所述的点云融合方法，其特征在于，所述位于二维平面上携带有深度信息的点包括：深度图像上的像素点；或激光扫描得到的三维点云点投影到二维平面的点。6.根据权利要求4所述的点云融合方法，其特征在于，所述位于三维空间中的点包括：激光扫描得到的三维点云点。7.根据权利要求4所述的点云融合方法，其特征在于，当所述第一目标点和所述第二目标点为位于二维平面上携带有深度信息的点时，所述目标区域为圆形区域，当所述第一目标点和所述第二目标点为位于三维空间的点时，所述目标区域为球形区域。8.根据权利要求1所述的点云融合方法，其特征在于，所述第二目标点为所述第一目标点在指定区域内的相似点。9.根据权利要求8所述的点云融合方法，其特征在于，当所述第一目标点和所述第二目标点为位于二维平面上携带有深度信息的点时，所述指定区域为圆形区域，当所述第一目标点和所述第二目标点为三维空间的点时，所述指定区域为球形区域。10.根据权利要求8所述的点云融合方法，其特征在于，所述指定区域包括：以所述第一目标点为圆心，指定长度为半径得到的区域；或覆盖所述第一目标点的所有相似点的区域。11.根据权利要求1所述的点云融合方法，其特征在于，所述预设位置关系包括：所述第二目标点的目标区域覆盖所述第一目标点；或所述第二目标点的目标区域覆盖所述第一目标点的对应点。12.根据权利要求1所述的点云融合方法，其特征在于，当所述第一目标点为深度图上的像素点时，则所述第二目标点为：与所述第一目标点位于同一张深度图的像素点；或所述第一目标点所在深度图的邻近深度图上的点。
13.根据权利要求12所述的点云融合方法，其特征在于，所述邻近深度图为与所述第一目标点所在深度图位置相邻的深度图和/或与所述第一目标点所在深度图时序相邻的深度图。14.根据权利要求12所述的点云融合方法，其特征在于，所述第二目标点为与所述第一目标点位于同一张深度图的像素点，所述预设位置关系包括：所述第二目标点的目标区域覆盖所述第一目标点。15.根据权利要求12所述的点云融合方法，其特征在于，所述第二目标点为所述第一目标点所在深度图的邻近深度图上的点，所述方法还包括：将所述第一目标点投影到所述邻近深度图上以得到对应点；所述预设位置关系包括：所述第二目标点的目标区域覆盖所述第一目标点的对应点。16.根据权利要求1-15所述的点云融合方法，其特征在于，所述相似点基于预设的评价参数确定，所述评价参数用于表征两个点之间的相似性。17.根据权利要求16所述的点云融合方法，其特征在于，所述评价参数包括：深度值、灰度值、法向量、反射率、两点之间的重投影误差、两点之间的夹角中的一个或多个。18.一种点云融合装置，其特征在于，包处理器、存储器、以及存储在所述存储器上的计算机程序，所述处理器执行所述计算机程序实现以下步骤：获取第一目标点；确定与所述第一目标点相似的第二目标点；根据所述第二目标点的相似点分布，确定所述第二目标点的...

【专利技术属性】
技术研发人员：黄胜，梁家斌，田艺，冯乐满，
申请(专利权)人：深圳市大疆创新科技有限公司，
类型：发明
国别省市：