【技术实现步骤摘要】
点云数据质量评估方法、装置、计算机设备及存储介质
[0001]本申请涉及数据分析
，尤其涉及一种点云数据质量评估方法、装置、计算机设备及存储介质。
技术介绍
[0002]随着智能交通和无人驾驶的发展，点云数据和图像数据一样，逐渐变成了一种交通目标检测领域的基本数据。基于二维点云数据的交通目标检测技术，在交通检测领域得到了非常广泛的应用。交通目标检测的任务是找出二维点云数据中所有感兴趣的物体例如车辆、行人等，并标注他们的位置和类别。现阶段交通目标检测主要通过对二维点云数据中的目标进行提取，随后将目标与模型库中的现有模型进行匹配，进而完成目标的检测识别操作，因此二维点云数据的质量是决定交通目标检测的效率和准确性的关键。
[0003]然而，由于点云数据固有的非结构性与无序性特点，使得传统图像质量的评价方法无法直接应用于二维点云数据的质量评估领域。现有点云质量评估方法主要有主观评价方法和客观评价方法，其中主观评价方法因具有耗时耗力、易受个人因素影响等缺点，在点云质量评价中被使用的频率较低；客观评价方法摆脱了依赖人的主观...
【技术保护点】
【技术特征摘要】
1.一种点云数据质量评估方法，其特征在于，包括下述步骤：获取待评估的原始点云数据；对所述原始点云数据进行特征提取操作，得到点云数据特征集合；根据所述点云数据特征集合获取各个特征的权重分值；根据所述权重分值计算信息损失评价指标；根据所述信息损失评价指标对所述原始点云数据进行质量评估操作，得到质量评估结果。2.根据权利要求1所述的点云数据质量评估方法，其特征在于，所述对所述原始点云数据进行特征提取操作，得到点云数据特征集合的步骤，具体包括下述步骤：根据目标边缘识别方法获取所述原始点云数据的最小外接矩形，其中，所述最小外接矩形携带有长度数据以及宽度数据；将所述长度数据以及所述宽度数据的比值作为几何特征值；根据高斯核函数计算所述原始点云数据在水平方向的水平概率密度最小值、水平概率密度最大值、水平概率密度平均值以及水平概率密度标准差；根据所述高斯核函数计算所述原始点云数据在竖直方向的竖直概率密度最小值、竖直概率密度最大值、竖直概率密度平均值以及竖直概率密度标准差；整合所述几何特征值、所述水平概率密度最小值、所述水平概率密度最大值、所述水平概率密度平均值、所述水平概率密度标准差、所述竖直概率密度最小值、所述竖直概率密度最大值、所述竖直概率密度平均值以及所述竖直概率密度标准差，得到所述点云数据特征集合。3.根据权利要求1所述的点云数据质量评估方法，其特征在于，所述根据所述点云数据特征集合获取各个特征的权重分值的步骤，具体包括下述步骤：在所述点云数据特征集合中获取c组点云数据特征集合，分别计算每组点云数据的第一评价指标，并根据所述第一评价指标构建权重特征矩阵，其中，所述c∈N*；对所述权重特征矩阵进行降维处理，得到新变量特征矩阵，其中，所述新变量特征矩阵包括所述第一评价指标、线性组合系数以及新变量；获取与所述新变量特征矩阵对应的协方差矩阵；对所述协方差矩阵进行QR分解操作，得到协方差特征值；根据所述协方差特征值计算贡献率；在所述新变量中选取符合权重选取条件的目标新变量；计算所述第一评价指标在所述目标新变量中的线性组合系数；根据所述贡献率、所述第一评价指标在所述目标新变量中的线性组合系数计算每个所述第一评价指标在综合模型中的系数，并对所述系数进行归一化，得到所述权重分值。4.根据权利要求1所述的点云数据质量评估方法，其特征在于，所述根据所述权重分值计算信息损失评价指标的步骤，具体包括下述步骤：根据同一数据处理方法对每组所述原始点云数据进行a次数据处理操作，得到第二评价指标，并根据所述第二评价指标构建信息熵特征矩阵，其中，所述a∈N*；根据所述信息熵特征矩阵计算单一指标信息熵；根据所述权重分值以及所述单一指标信息熵计算所述信息损失评价指标。
5.根据权利要求1所述的点云数据质量评估方法，其特征在于，在所述根据所述信息损失评价指标对所述原始点云数据进行质量评估操作，得到质量评估结果的步骤之后，还包括下述步骤：根据所述质量评估结果确认最佳数据处理方式；根据所述最佳数据处理方式对所述原始点云数据进行数据处理操作，得到样本量少且有效信息损失少的目标数...
【专利技术属性】
技术研发人员：卢晓，张苗苗，刘海青，毛序宁，滕坤敏，张瑞，
申请(专利权)人：山东科技大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。