三维点云数据的处理方法、系统、计算机设备和存储介质技术方案

本发明专利技术公开了一种三维点云数据的处理方法、处理系统、计算机设备和存储介质。该方法包括：对三维点云数据进行聚类操作并输出聚类结果，建立该三维点云数据的组织结构；根据所述聚类结果对所述三维点云数据进行三角剖分并输出多个剖分图，建立该三维点云数据的约束关系；分别将各剖分图包含的各样本点映射到二维子图像中，所述二维子图像包括该剖分图的各样本点的约束关系；将所述二维子图像进行拼接并输出所述三维点云数据映射的二维图像。本发明专利技术提供的方法在三维点云数据映射为二维图像的过程中能够保留三维点云数据的组织结构和拓扑性质，同时有效提高三维点云数据的处理速度，并减少处理过程中的噪声信息，具有广泛应用前景。用前景。用前景。

【技术实现步骤摘要】
三维点云数据的处理方法、系统、计算机设备和存储介质


[0001]本专利技术涉及点云处理领域，特别是涉及一种三维点云数据的处理方法、处理系统、计算机设备和存储介质。

技术介绍

[0002]作为二维数据的延展，三维点云数据已成为一种重要的内容呈现方式，应用领域非常广泛，如虚拟现实、增强现实、机器人感知、真三维显示等领域。在数据获取方面，可以利用激光扫描或三维建模软件生成三维点云数据，也可以采用双目、结构光、深度相机等传感器获取的深度图像(RGB-D)形式的三维点云，这些方法都可以便捷地获取三维点云数据。但是，对于海量的三维点云数据，难点在于如何进行有效地处理，如分割、去噪、压缩等。

技术实现思路

[0003]为了解决上述问题至少之一，本专利技术第一个实施例提供一种三维点云数据的处理方法，包括：
[0004]S1：对三维点云数据进行聚类操作并输出聚类结果，建立该三维点云数据的组织结构；
[0005]S3：根据所述聚类结果对所述三维点云数据进行三角剖分并输出多个剖分图，建立该三维点云数据的约束关系；
[0006]S5：分别将各剖分图包含的各样本点映射到二维子图像中，所述二维子图像包括该剖分图的各样本点的约束关系；
[0007]S7：将所述二维子图像进行拼接并输出所述三维点云数据映射的二维图像。
[0008]进一步的，使用多层聚类方法对三维点云数据进行聚类操作。
[0009]进一步的，所述S1进一步包括：
[0010]S11：按照预设聚类分层数量进行聚类操作；
[0011]S13：从一个聚类分层的三维点云数据中选取多个第一聚类中心点；
[0012]S15：遍历该聚类分层的三维点云数据，分别计算每个样本点与各第一聚类中心点的第一距离并将第一距离最小的第一聚类中心点作为该样本点的归属类，并获取所述三维点云数据的多个子分类；
[0013]S17：根据各子分类计算该聚类分层的三维点云数据的第二聚类中心点并计算所述第二聚类中心点与第一聚类中心点的第二距离，判断所述第二距离是否满足预设距离阈值，若不满足则将所述第二聚类中心作为第一聚类中心并跳转至S15，若满足则以所述第一聚类中心点作为聚类节点并输出包括该聚类节点的聚类结果并判断是否完成所有聚类分层的聚类操作，若未完成则跳转至S13。
[0014]进一步的，所述聚类操作包括k-means、均值漂移、密度聚类、层次聚类中的至少一个。
[0015]进一步的，所述S3进一步包括：根据所述聚类结果的聚类节点分别进行剖分建图
并输出对应的剖分图。
[0016]进一步的，所述S5进一步包括：
[0017]S51：对一个剖分图中的各样本点分别建立映射函数以将该样本点映射到二维子图像中；
[0018]S53：从剖分图中任意选取两个样本点形成样本点对，并通过所述两个样本点对应的映射函数计算该样本点对的欧式距离以表征该两个样本点的约束关系；
[0019]S55：遍历所述剖分图中的所有样本点对并建立能量目标函数，通过最小化能量目标函数获取该剖分图映射的二维子图像；
[0020]S57：判断是否所有剖分图完成二维子图像映射，若否则跳转至S51。
[0021]进一步的，所述二维图像为浮点型数据。
[0022]本专利技术第二个实施例提供一种应用上述处理方法的处理系统，包括聚类单元、剖分单元、映射单元和拼接单元，其中，
[0023]所述聚类单元，用于对三维点云数据进行聚类操作并输出聚类结果以建立该三维点云数据的组织结构；
[0024]所述剖分单元，用于根据所述聚类结果对所述三维点云数据进行三角剖分并输出多个剖分图以建立该三维点云数据的约束关系；
[0025]所述映射单元，用于分别将各剖分图包含的各样本点映射到二维子图像中，所述二维子图像包括该剖分图的各样本点的约束关系；
[0026]所述拼接单元，用于将各剖分图映射获取的二维子图像进行拼接并输出所述三维点云数据映射的二维图像。
[0027]本专利技术第三个实施例提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上述处理方法。
[0028]本专利技术第四个实施例提供一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述处理方法。
[0029]本专利技术的有益效果如下：
[0030]本专利技术针对目前现有的问题，提出一种点云数据的处理方法，通过利用所述三维点云数据聚类操作后的聚类结果建立该三维点云数据的组织结构和约束关系，并通过将约束关系下的点云数据进行映射生成二维子图像，对二维子图像进行拼接以获得包含三维点云数据的结构拓扑性质的二维图像。本专利技术的三维点云数据处理方法得到的二维图像能够准确保留三维点云数据的位置信息、约束关系以及组织结构，还保留了三维点云数据之间的结构拓扑性质，该方法能够有效提高三维点云数据的处理速度，并能够减少处理过程中的噪声信息，具有广泛应用前景。
附图说明
[0031]为了更清楚地说明本专利技术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，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。
[0032]图1示出本专利技术的一个实施例所述处理方法的流程图；
[0033]图2示出本专利技术的一个实施例所述点云数据的无序分布示意图；
[0034]图3示出本专利技术的一个实施例所述聚类操作形成的树状示意图；
[0035]图4示出本专利技术的一个实施例所述剖分建图形成剖分图；
[0036]图5示出本专利技术的一个实施例所述映射过程的示意图；
[0037]图6示出本专利技术的一个实施例所述拼接过程的示意图；
[0038]图7a和7b示出本专利技术的一个实施例所述三维点云数据映射获取二维图像示意图；
[0039]图8示出本专利技术的另一个实施例所述处理系统的结构框图；
[0040]图9示出本专利技术的另一个实施例所述的一种计算机设备的结构示意图。
具体实施方式
[0041]为了更清楚地说明本专利技术，下面结合优选实施例和附图对本专利技术做进一步的说明。附图中相似的部件以相同的附图标记进行表示。本领域技术人员应当理解，下面所具体描述的内容是说明性的而非限制性的，不应以此限制本专利技术的保护范围。
[0042]现有技术中，对于海量的三维点云数据，传统的点云处理方法为以下几种：
[0043]1、通过八叉树和聚类等算法，以点云数据的空间位置信息作为参考，将点云数据整体切分成多个子区域，然后依次单独处理各个子区域的点云数据，然而这种处理方式导致处理过程中的运算量较大，且效果不佳。
[0044]2、基于三维点云数据利用机器学习或者深度学习的方式搭建神经网络模型以进行点云数据的处理，一方面该方法运算量大，而且由于三维点云数据的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种三维点云数据的处理方法，其特征在于，包括：S1：对三维点云数据进行聚类操作并输出聚类结果，建立该三维点云数据的组织结构；S3：根据所述聚类结果对所述三维点云数据进行三角剖分并输出多个剖分图，建立该三维点云数据的约束关系；S5：分别将各剖分图包含的各样本点映射到二维子图像中，所述二维子图像包括该剖分图的各样本点的约束关系；S7：将所述二维子图像进行拼接并输出所述三维点云数据映射的二维图像。2.根据权利要求1所述的处理方法，其特征在于，使用多层聚类方法对三维点云数据进行聚类操作。3.根据权利要求2所述的处理方法，其特征在于，所述S1进一步包括：S11：按照预设聚类分层数量进行聚类操作；S13：从一个聚类分层的三维点云数据中选取多个第一聚类中心点；S15：遍历该聚类分层的三维点云数据，分别计算每个样本点与各第一聚类中心点的第一距离并将第一距离最小的第一聚类中心点作为该样本点的归属类，并获取所述三维点云数据的多个子分类；S17：根据各子分类计算该聚类分层的三维点云数据的第二聚类中心点并计算所述第二聚类中心点与第一聚类中心点的第二距离，判断所述第二距离是否满足预设距离阈值，若不满足则将所述第二聚类中心作为第一聚类中心并跳转至S15，若满足则以所述第一聚类中心点作为聚类节点并输出包括该聚类节点的聚类结果并判断是否完成所有聚类分层的聚类操作，若未完成则跳转至S13。4.根据权利要求2所述的处理方法，其特征在于，所述聚类操作包括k-means、均值漂移、密度聚类、层次聚类中的至少一个。5.根据权利要求3所述的处理方法，其特征在于，所述S3进一步包括：根据所述聚类结果的聚类节点分别进行剖分...

【专利技术属性】
技术研发人员：吕耀宇，薛亚冲，张梦蕾，孙建康，陈丽莉，张浩，
申请(专利权)人：京东方科技集团股份有限公司，
类型：发明
国别省市：