一种点云数据抽稀方法、系统和存储介质技术方案

本发明专利技术涉及点云数据处理技术领域中的一种点云数据抽稀方法、系统和存储介质，包括以下步骤：将点云数据划分为若干组初始点云集合，并获取每组初始点云集合对应的点云数量和初始空间几何中心；计算抽稀数量并基于抽稀数量随机删除初始点云集合内的点云，得到抽稀点云集合；计算抽稀点云集合的抽稀空间几何中心，同时构造填充点云数据集；将填充点云数据集补入抽稀点云集合，并基于抽稀空间几何中心调整抽稀点云集合的空间几何中心，使得调整后的重构空间几何中心与初始空间几何中心相等，得到重构点云集合，解决了现有抽稀方法容易使得数据在细节和特征上的损失难以控制的问题。得数据在细节和特征上的损失难以控制的问题。得数据在细节和特征上的损失难以控制的问题。

【技术实现步骤摘要】
一种点云数据抽稀方法、系统和存储介质


[0001]本专利技术涉及点云数据处理
，具体涉及一种点云数据抽稀方法、系统和存储介质。

技术介绍

[0002]点云数据(point cloud data)是指在一个三维坐标系统中的一组向量的集合，集合中的每个点代表一组X、Y、Z几何坐标和一个向量值。这个向量值根据不同的应用场景可以表达为不同的信号强度。当这些点组合在一起时，就会形成一个点云，即空间中代表3D形状或对象的数据点集合。
[0003]点云数据通常具有数据冗余大、密度分布不均匀等特点，给点云存储和应用带来一定困扰。业内，通常根据抽稀对象的不同，采用投影法、曲率法、法向量法、综合法等方法对点云数据进行抽稀。但上述方法，容易使得抽稀后的数据在细节和特征上的损失难以控制，不利于对数据抽稀后的点云精度进行评价。

技术实现思路

[0004]本专利技术针对现有技术中的缺点，提供了一种点云数据抽稀方法、系统和存储介质，解决了现有抽稀方法容易使得数据在细节和特征上的损失难以控制的问题。
[0005]为了解决上述技术问题，本专利技术通过下述技术方案得以解决：
[0006]一种点云数据抽稀方法，包括以下步骤：
[0007]将点云数据划分为若干组初始点云集合，并获取每组所述初始点云集合对应的点云数量和初始空间几何中心；
[0008]计算抽稀数量并基于所述抽稀数量随机删除所述初始点云集合内的点云，得到抽稀点云集合；
[0009]计算所述抽稀点云集合的抽稀空间几何中心，同时构造填充点云数据集；
[0010]将所述填充点云数据集补入抽稀点云集合，并基于所述抽稀空间几何中心调整所述抽稀点云集合的空间几何中心，使得调整后的重构空间几何中心与所述初始空间几何中心相等，得到重构点云集合。
[0011]可选的，计算抽稀数量，包括以下步骤：
[0012]设定抽稀率和抽稀删除系数，基于所述抽稀率和抽稀删除系数计算抽稀数量，其中，所述抽稀数量的计算公式为：抽稀数量＝点云数量*抽稀删除系数*(1
‑
抽稀率)。
[0013]可选的，所述抽稀删除系数的范围为1.05～1.15。
[0014]可选的，将点云数据划分为若干组初始点云集合，包括以下步骤：
[0015]将所述点云数据进行体素网格化处理，得到若干组初始点云集合。
[0016]可选的，所述体素网格化处理，包括以下步骤：
[0017]设定空间尺寸，并基于所述空间尺寸将点云数据划分为若干组初始点云集合。
[0018]可选的，所述体素网格化处理，包括以下步骤：
[0019]设定密度值，并基于所述密度值将点云数据划分为若干组初始点云集合。
[0020]一种点云数据抽稀系统，包括划分单元、抽稀单元、构造单元和中心调整单元；
[0021]所述划分单元用于将点云数据划分为若干组初始点云集合，并获取每组所述初始点云集合对应的点云数量和初始空间几何中心；
[0022]所述抽稀单元用于计算抽稀数量，并基于所述抽稀数量随机删除所述初始点云集合内的点云，得到抽稀点云集合；
[0023]所述构造单元用于计算所述抽稀点云集合的抽稀空间几何中心，同时构造填充点云数据集，使得所述填充点云数据集的点云数据数量与抽稀数量相同；
[0024]所述中心调整单元用于将所述填充点云数据集补入抽稀点云集合，并基于所述抽稀空间几何中心调整所述抽稀点云集合的空间几何中心，使得调整后的重构空间几何中心与所述初始空间几何中心相等，得到重构点云集合。
[0025]一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时，执行上述任意一项所述的点云数据抽稀方法。
[0026]采用本专利技术提供的技术方案，与现有技术相比，具有如下有益效果：
[0027]构建三维空间体素网格，依据网格空间内点云分布，在确保空间几何关系不变的情况下，实现点云数据抽稀，该方法在尽量保留点云数据特征信息的前提下，有效地降低了点云数据冗余，提升了数据处理效率。
附图说明
[0028]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术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性的前提下，还可以根据这些附图获得其他的附图。
[0029]图1为本实施例一提出的一种点云数据抽稀方法的流程图。
具体实施方式
[0030]下面结合实施例对本专利技术做进一步的详细说明，以下实施例是对本专利技术的解释而本专利技术并不局限于以下实施例。
[0031]实施例一
[0032]如图1所示，一种点云数据抽稀方法，包括以下步骤：将点云数据划分为若干组初始点云集合，并获取每组初始点云集合对应的点云数量和初始空间几何中心，其中，将点云数据划分为若干组初始点云集合，包括以下步骤：将点云数据进行体素网格化处理，得到若干组初始点云集合，需要说明的是每组初始点云集合对应的点云数量和初始空间几何中心可以通过计算得到，也可通过计算机软件直接获取，在本实施例中不作限定。
[0033]在进行体素网格化处理，可以通过设定空间尺寸，并基于空间尺寸将点云数据划分为若干组初始点云集合，还可以通过设定密度值，并基于密度值将点云数据划分为若干组初始点云集合。
[0034]具体地，前者的体素网格化处理为根据实际应用场景的情况，设定空间尺寸，该空间尺寸的设定可以为1米或2米等空间单元尺寸，而后者则不限定空间尺寸，以划分后每个
单元网格的点云密度保持一致为划分依据进行体素网格划分。
[0035]完成体素网格划分后，对划分后的各个初始点云集合均进行抽稀处理，在本实施例中，以其中一组初始点云集合的抽稀处理的过程进行阐述，其余初始点云集合采用相同抽稀处理方法。
[0036]具体地，首先计算抽稀数量并基于抽稀数量随机删除初始点云集合内的点云，得到抽稀点云集合，其中，计算抽稀数量，包括以下步骤：设定抽稀率和抽稀删除系数，基于抽稀率和抽稀删除系数计算抽稀数量，其中，抽稀数量的计算公式为：抽稀数量＝点云数量*抽稀删除系数*(1
‑
抽稀率)，抽稀删除系数的范围为1.05～1.15，即本实施例的抽稀数量相对于正常抽稀数量，增加了0.05～0.15倍的正常抽稀数量进行随机删除。
[0037]然后计算抽稀点云集合的抽稀空间几何中心，同时构造填充点云数据集，使得填充点云数据集的点云数据数量与多随机删除的0.05～0.15倍的正常抽稀数量相等；将填充点云数据集补入抽稀点云集合，并基于抽稀空间几何中心调整抽稀点云集合的空间几何中心，使得调整后的重构空间几何中心与初始空间几何中心相等，得到重构点云集合。
[0038]具体地，在进行抽稀处理时，为有效降低点云数据冗余，提升处理效率，第一步先对初始点云集合进行一定数量的随机删除处理，同时对随机删除本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种点云数据抽稀方法，其特征在于，包括以下步骤：将点云数据划分为若干组初始点云集合，并获取每组所述初始点云集合对应的点云数量和初始空间几何中心；计算抽稀数量并基于所述抽稀数量随机删除所述初始点云集合内的点云，得到抽稀点云集合；计算所述抽稀点云集合的抽稀空间几何中心，同时构造填充点云数据集；将所述填充点云数据集补入抽稀点云集合，并基于所述抽稀空间几何中心调整所述抽稀点云集合的空间几何中心，使得调整后的重构空间几何中心与所述初始空间几何中心相等，得到重构点云集合。2.根据权利要求1所述的一种点云数据抽稀方法，其特征在于，计算抽稀数量，包括以下步骤：设定抽稀率和抽稀删除系数，基于所述抽稀率和抽稀删除系数计算抽稀数量，其中，所述抽稀数量的计算公式为：抽稀数量＝点云数量*抽稀删除系数*(1
‑
抽稀率)。3.根据权利要求2所述的一种点云数据抽稀方法，其特征在于，所述抽稀删除系数的范围为1.05～1.15。4.根据权利要求1所述的一种点云数据抽稀方法，其特征在于，将点云数据划分为若干组初始点云集合，包括以下步骤：将所述点云数据进行体素网格化处理，得到若干组初始点云集合。5.根据权利要求4所述的一种点云数据抽稀方法...

【专利技术属性】
技术研发人员：温林，雷子钒，
申请(专利权)人：四川省医学科学院，
类型：发明
国别省市：