一种面向点云数据最远点采样的优化方法技术

本发明专利技术提供了一种面向点云数据最远点采样的优化方法，包括：首先，将无序点云数据划分为多个空间独立且局部聚集的点云桶结构；然后，在每轮采样点生成过程中，提出了合并计算和隐式计算规则，基于历史数据关系，更新各点云桶的局部远点和局部远点距离等信息。最后，遍历各点云桶的局部远点，生成一轮采样过程的采样点。当采样点个数达到要求时结束。本发明专利技术提供的方法可以降低点云最远点采样的时间复杂度，并可提高计算访存的时间聚集性。并可提高计算访存的时间聚集性。并可提高计算访存的时间聚集性。

【技术实现步骤摘要】
一种面向点云数据最远点采样的优化方法


[0001]本专利技术涉及点云数据采样的
，具体涉及一种面向点云数据最远点采样的优化方法。

技术介绍

[0002]点云是表示物理对象或三维场景的点的集合。点云可以反映物体的空间特征，因此在机器人、自动驾驶、增强现实(AR)和虚拟现实(VR)等领域有着广泛应用。与图像处理领域类似，点云处理也有多种具体应用，如即时定位与地图构建(SLAM)、物体分类、语义分割以及目标检测等。
[0003]然而，典型的自动驾驶情景需要程序在1/10秒内处理约12万个点组成的点云，对点云处理的实时性要求很高。同时，随着技术的进步，需要处理的点云的规模也在不断增大。目前，最新一代传感器每秒生成高达480万个点。如此大规模的点云又进一步对点云处理的实时性、计算效率以及硬件能耗提出了更高要求。
[0004]大规模点云处理中，下采样是必不可少的步骤。而最远点采样是最常用的一种下采样算法，它能够最大程度地保留点云的原始空间特征。而目前最远点采样往往采用双重循环的暴力算法，即在每轮采样迭代中都遍历整个点云，计算点云到采样本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种面向点云数据最远点采样的优化方法，其特征在于，包括以下步骤：对点云数据划分为多个空间独立且局部聚集的点云桶；随机选取一个点云桶的随机点作为初始采样集合；开始K轮采样，其中，在第i轮采样迭代过程中，首先，根据i
‑
1轮的采样结果，更新点云桶的状态信息，然后，选取各点云桶中具有最大距离的局部远点作为本轮采样点，最后，将此采样点加入到采样集合中；采样集合中的K+1个点即为采样结果。2.根据权利要求1中所述的面向点云数据最远点的采样方法，将点云划分为多个空间独立且局部聚集的点云桶，其特征在于，使用KD树算法递归地将点云划分为多个点云子集合，并存储点云子集合的三维边界信息、局部远点信息、局部远点距离信息、隶属于此点云子集的点云信息、合并点集合；遍历点云数据，计算点云数据各维度的极差，并计算点云数据在此维度下投影距离的算术平均值，根据此算术平均值将点云数据分为两部分，并依次递归至预设最大深度H，获得2
H
个空间独立且局部聚集的点云子集；创建2
H
个点云桶对象数据结构，将各点云子集内的点依次存入相应的点云桶对象数据结构中，获取各点云子集内的点数据各维度的最大值与最小值，更新点云桶对象数据结构的三维边界信息；局部远点和局部远点距离置为初始化状态，合并点集合置空。3.根据权利要求1中所述的面向点云数据最远点的采样方法，在第i轮采样迭代过程中，根据i
‑
1轮的采样结果，更新点云...

【专利技术属性】
技术研发人员：肖利民，张昊，韩萌，王良，徐家乐，张晨浩，徐向荣，谢喜龙，
申请(专利权)人：北京航空航天大学，
类型：发明
国别省市：