一种基于云边协同的点云数据处理器及方法技术

本发明专利技术公开了一种基于云边协同的点云数据处理器及方法，包括中央处理器模块、点云数据采集模块、点云数据预处理模块、点云数据协同模块、片上暂存模块、接口模块和点云数据特征提取模块，点云数据采集模块通过点云数据预处理模块连接中央处理器模块，点云数据协同模块、片上暂存模块、接口模块和点云数据特征提取模块分别连接中央处理器模块，本发明专利技术工作原理简单，智能化程度高，实现了数据从云端到边端的协同操作，提高了点云数据处理效率，降低点云数据处理的延迟问题。点云数据处理的延迟问题。点云数据处理的延迟问题。

【技术实现步骤摘要】
一种基于云边协同的点云数据处理器及方法


[0001]本方法涉及点云数据处理器
，具体为一种基于云边协同的点云数据处理器及方法。

技术介绍

[0002]点云数据是指在一个三维坐标系统中的一组向量的集合。扫描资料以点的形式记录，每一个点包含有三维坐标，有些可能含有颜色信息或反射强度信息。点云数据除了具有几何位置以外，有的还有颜色信息。颜色信息通常是通过相机获取彩色影像，然后将对应位置的像素的颜色信息(RGB)赋予点云中对应的点。强度信息的获取是激光扫描仪接收装置采集到的回波强度，此强度信息与目标的表面材质、粗糙度、入射角方向，以及仪器的发射能量，激光波长有关。
[0003]目前面向点云数据的处理器，存在计算资源占用高，运算速度慢等问题，因此，有必要进行改进。
[0004]公开于该
技术介绍
部分的信息仅仅旨在增加对本方法的总体背景的理解，而不应当被视为承认或以任何形式暗示该信息构成已为本领域一般技术人员所公知的现有技术。
[0005]方法内容
[0006]本方法的目的在于提供一种基于云边协同的点云数据处理器及方法，以解决上述
技术介绍
中提出的问题。
[0007]为实现上述目的，本方法提供如下技术方案：一种基于云边协同的点云数据处理器，包括中央处理器模块、点云数据采集模块、点云数据预处理模块、点云数据协同模块、片上暂存模块、接口模块，所述点云数据采集模块通过点云数据预处理模块连接中央处理器模块，点云数据协同模块、片上暂存模块、接口模块分别连接中央处理器模块。
[0008]优选的，本申请提供的一种基于云边协同的点云数据处理器，其中，还包括点云数据特征提取模块，所述点云数据特征提取模块连接中央处理器。
[0009]优选的，本申请提供的一种基于云边协同的点云数据处理器，其中，所述点云数据预处理模块采用对云数据滤波处理，包括：采用Statistical Outline Remove算法对点云数据中杂散离散的点云数据进行统计滤波，得到多组第一次滤波后的点云数据；采用Random Sample Consensus算法对所述多组第一滤波后的点云数据进行二次滤波，得到多组第二次滤波后的点云数据。
[0010]优选的，本申请提供的一种基于云边协同的点云数据处理器，其中，所述点云数据协同模块包括云端和边端，所述云端包括数据格式配置单元、数据关系配置单元和基础数据下发单元，其中，所述数据格式配置单元被配置为接收业务系统发送的业务数据，并对接收到的业务数据进行数据格式配置；所述数据关系单元配置被配置为基于边端设备信息对配置后的业务数据进行数据关系配置，生成基础数据；所述基础数据下发单元被配置为将所述基础数据下发到边端。
[0011]优选的，本申请提供的一种基于云边协同的点云数据处理器，其中，其使用方法包
Outline Remove算法对点云数据中杂散离散的点云数据进行统计滤波，得到多组第一次滤波后的点云数据；采用Random Sample Consensus算法对所述多组第一滤波后的点云数据进行二次滤波，得到多组第二次滤波后的点云数据。
[0031]本专利技术中，点云数据协同模块4包括云端8和边端9，所述云端8包括数据格式配置单元10、数据关系配置单元11和基础数据下发单元12，其中，所述数据格式配置单元被配置为接收业务系统发送的业务数据，并对接收到的业务数据进行数据格式配置；所述数据关系单元配置被配置为基于边端设备信息对配置后的业务数据进行数据关系配置，生成基础数据；所述基础数据下发单元被配置为将所述基础数据下发到边端。
[0032]工作原理：本专利技术的使用方法包括以下步骤：
[0033]A、点云数据采集模块采集点云数据并传输至点云数据预处理模块中进行两次滤波处理，得到处理后的点云数据；
[0034]B、之后点云数据传输至点云数据特征提取模块中提取点云数据的特征；
[0035]C、特征提取后的点云数据传输至点云数据协同模块，将云端数据传输至边端设备。
[0036]其中，点云数据特征提取模块提取方法如下：
[0037]a、建立数据集，其中数据集中包含待特征提取的多个子数据集；
[0038]b、对数据集进行特征训练，得到训练模型；
[0039]c、提取数据集中的第一关键字和第二关键字；
[0040]d、循环搜索数据集中各子数据集，以第一关键字和第二关键字为初始条件，对子数据集进行搜索；
[0041]e、各子数据集中搜索匹配到第一关键字或第二关键字，则对数据进行提取。
[0042]本专利技术点云数据特征提取模块的特征提取方法通过搜索第一关键字和第二关键字，能够降低提取难度，提高了特征提取精度。
[0043]综上所述，本专利技术工作原理简单，智能化程度高，实现了数据从云端到边端的协同操作，提高了点云数据处理效率，降低点云数据处理的延迟问题。
[0044]涉及到电路和电子元器件和模块均为现有技术，本领域技术人员完全可以实现，无需赘言，本方法保护的内容也不涉及对于软件和方法的改进。
[0045]在本方法的描述中，需要理解的是，术语“中心”、“纵向”、“横向”、“长度”、“宽度”、“厚度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”、“顺时针”、“逆时针”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本方法和简化描述，而不是指示或暗示所指的设备或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本方法的限制。
[0046]在本方法中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”、“固定”等术语应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或成一体；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通或两个元件的相互作用关系。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本方法中的具体含义。
[0047]在本方法中，除非另有明确的规定和限定，第一特征在第二特征之“上”或之“下”可以包括第一和第二特征直接接触，也可以包括第一和第二特征不是直接接触而是通过它
们之间的另外的特征接触。而且，第一特征在第二特征“之上”、“上方”和“上面”包括第一特征在第二特征正上方和斜上方，或仅仅表示第一特征水平高度高于第二特征。第一特征在第二特征“之下”、“下方”和“下面”包括第一特征在第二特征正下方和斜下方，或仅仅表示第一特征水平高度小于第二特征。
[0048]对于本领域技术人员而言，显然本方法不限于上述示范性实施例的细节，而且在不背离本方法的精神或基本特征的情况下，能够以其他的具体形式实现本方法。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本方法的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本方法内。不应将权利要求中的任何附图标记视本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于云边协同的点云数据处理器，其特征在于：包括中央处理器模块(1)、点云数据采集模块(2)、点云数据预处理模块(3)、点云数据协同模块(4)、片上暂存模块(5)、接口模块(6)，所述点云数据采集模块(2)通过点云数据预处理模块(3)连接中央处理器模块(1)，点云数据协同模块(4)、片上暂存模块(5)、接口模块(6)分别连接中央处理器模块(1)。2.根据权利要求1所述的一种基于云边协同的点云数据处理器，其特征在于：还包括点云数据特征提取模块(7)，所述点云数据特征提取模块(7)连接中央处理器(1)。3.根据权利要求1所述的一种基于云边协同的点云数据处理器，其特征在于：所述点云数据预处理模块采用对云数据滤波处理，包括：采用StatisticalOutlineRemove算法对点云数据中杂散离散的点云数据进行统计滤波，得到多组第一次滤波后的点云数据；采用RandomSampleConsensus算法对所述多组第一滤波后的点云数据进行二次滤波，得到多组第二次滤波后的点云数据。4.根据权利要求1所述的一种基于云边协同的点云数据处理器，其特征在于：所述点云数据协同模块(4)包括云端(8)和边端(9)，所述云端(8)包括数据格式配置单元(10)、数据...

【专利技术属性】
技术研发人员：郑椅丹，徐哲楠，王依琳，张树彬，
申请(专利权)人：杭州电子科技大学信息工程学院，
类型：发明
国别省市：