System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术属于勘测,具体涉及一种顾及物方特征的海量点云抽稀方法。
技术介绍
1、点云是实景三维重建技术中的重要观测值或者中间产物,其能使用携带丰富色彩的海量物方采样点形式表达出复杂广域物方实景场景,是众多航天空多层次多尺度重建过程中不可或缺的支撑数据,承载多模异构数据的几何协同与模态协变的重要角色,近乎全部的三维重建及感知手段及技术都是建立在点云基础之上,也是现代化智能精准勘察中重要依托数据。然而随着多测合一、场景复杂分布不均等综合问题的出现,导致在面对多样性勘察、设计处理时,面临海量数据冗余度极高、有限的硬件资源和时间资源,导致了全方位精细化的点云数据存在处理负担困境,严重的影响了内业处理效率。内业数据处理虽然遭受着这种数据爆炸式烦恼,但又需要,在复杂区域获取高密度点云,在简单区域内获取稀疏点云采样的动态化点云分布需求,实现海量点云的去冗余化,提升其有效信息熵饱和度,最终为勘测、勘察领域提供一种轻量化、高信噪比的三维支撑数据。
2、针对此类问题,专利技术专利《一种点云数据抽稀的方法》[公开号:cn115130381a],通过神经网络聚类算法,根据不同点云空间信息密度对点云区域进行聚类,然后把阈值以上的密度区域抽稀,并重新组装成抽稀之后的点云成果。这类抽稀方法存在两大天然问题,即网络泛化能力差、密度区域的选取存在斑块化,使用场景不太适合海量点云数据,未含有out-of-core(外存处理方式);专利技术专利《las格式激光点云数据的抽稀方法》[公开号:cn113240808b],抛弃了物方格网方式,使用其区域密度构建
技术实现思路
1、为了弥补现有技术的不足,本专利技术提供一种顾及物方特征的海量点云抽稀方法,不仅可以适应任意大小点云在有限内存资源环境下的计算,减少了内业对高性能配置资源的依赖,而且在抽稀过程中完全顾及了全局点云几何特征分布,大量剔除低信息保有量的区域,保留复杂信息量高频区域,综合降低了海量点云的空间体量。解决了外业高密度一测多用的高冗余海量点云,对内业高效作业带来数据处理障碍的问题。
2、为了实现上述目的,本专利技术所采用的技术方案为:
3、一种顾及物方特征的海量点云抽稀方法,其特征在于:具体包括如下步骤:
4、步骤一:获取外业采集的高密度点云数据,及收集内业处理需求;
5、步骤二:根据处理需求设置抽稀比例;
6、步骤三:程序自动读取点云信息;
7、步骤四:校验点云基本信息;
8、步骤五:根据点云空间分布构建空间逻辑分块,每当逻辑分块中多于此值将写出到对应的分块点云文件当中,直至所有的海量点云文件分割为若干空间瓦片分块点云数据;
9、步骤六:遍历所有的分块点云文件,计算分块点云中每个点的法向量与空间曲率;
10、步骤七:对于计算出曲率的每个分块点云文件,遍历每个点及其邻域范围,对其邻域范围内计算出来的曲率值进行排序,只保留较大的曲率点,从大到小保留至满足抽稀比例要求的点数量;
11、步骤八:导出抽稀之后的分块点云文件;
12、步骤九:再次使用外缓存技术,实现多个瓦片分块点云文件数据的合并;
13、步骤十:对合并的抽稀点云数据,进行头文件赋值。
14、进一步,所述步骤一中,点云数据为las存储格式。
15、进一步,所述步骤二中,抽稀比例推荐值为采集平均密度与作业标准平均密度的比值的倒数。
16、进一步,所述步骤三中,点云信息包括点云的空间分布大小及头文件信息。
17、进一步,所述步骤五具体包括:
18、5.1构建逻辑空间分块,逻辑空间分块的空间分布大小决定了后续分块点云的大小,默认约定约累计容纳1m个点;
19、5.2在每一个逻辑空间分块中构建外缓存机制,当点云点落入当前逻辑块的点云数量超过1w个点,即激活外缓存机制,向对应的存储分块点云文件中写入新的点,并更新每个分块点云文件中的头文件信息,实时统计其空间分布情况及点数量。
20、6.根据权利要求5所述的一种顾及物方特征的海量点云抽稀方法,其特征在于:所述步骤五中,空间逻辑分块可以为三维立体体素,也可以为二维网格。
21、进一步,所述步骤六具体包括:
22、6.1依次计算当前点p的空间法向量选取以当前点为圆心包含k个点的最小圆内的点为邻域点,并利用k个邻域点空间分布计算当前点的法向量求解过程如公式1所示,经过中心化处理之后使用pca求取其系数矩阵的最小特征值对应的右零空间向量即可;
23、
24、6.2依次计算当前分块点云数据中每一个点的空间曲率,根据分块点云当前点p及其k个邻域点qi的空间法向量计算当前点的空间曲率,邻域点与当前点法向量的夹角为α,邻域点法向量与当前点法向量的夹角为β,则当前点相对于邻域点的空间曲率计算公式如公式2所示:
25、
26、则点前点的空间曲率值k的计算公式如下:
27、k=avrage|ki|(公式3)。
28、进一步,所述步骤七具体包括:
29、7.1依次抽取当前点的空间邻域点云,根据空间曲率值的大小对邻域点进行逻辑排序,只保留前抽稀比例空间曲率大小的点云,同时标记此点不再被其它邻域点抽稀过程所包含;
30、7.2抽稀检查,迭代执行7.1步骤,直至抽稀点云数量满足要求,然后保存抽稀之后的点云到新的点云分块文件之中。
31、进一步,所述步骤四中,校验点云基本信息包括校验点云头文件信息与点云内容信息。
32、本专利技术的有益效果:
33、1)本专利技术提出了一种外缓存机制,通过这种方法可以实现间断式的缓存点云数据输出,支持外缓存级别文件追加更新,避免了对内存大小的依赖;另外使用流读写方式成块处理点云数据,减少了文件io操作资源的消耗,加快了点云抽稀效率;
34、2)本专利技术顾及了点云区域特征信息,通过空间曲率信息构造了点云抽稀评价函数,删除空间曲率较小的低熵点,极大地保留了复杂区域的几何特征信息,抑制了几何特征值的损失,最终实现海量点云的有效抽稀。
本文档来自技高网...【技术保护点】
1.一种顾及物方特征的海量点云抽稀方法,其特征在于:具体包括如下步骤:
2.根据权利要求1所述的一种顾及物方特征的海量点云抽稀方法,其特征在于:所述步骤一中,点云数据为las存储格式。
3.根据权利要求1所述的一种顾及物方特征的海量点云抽稀方法,其特征在于:所述步骤二中,抽稀比例推荐值为采集平均密度与作业标准平均密度的比值的倒数。
4.根据权利要求1所述的一种顾及物方特征的海量点云抽稀方法,其特征在于:所述步骤三中,点云信息包括点云的空间分布大小及头文件信息。
5.根据权利要求1所述的一种顾及物方特征的海量点云抽稀方法,其特征在于:所述步骤五具体包括:
6.根据权利要求5所述的一种顾及物方特征的海量点云抽稀方法,其特征在于:所述步骤五中,空间逻辑分块可以为三维立体体素,也可以为二维网格。
7.根据权利要求1所述的一种顾及物方特征的海量点云抽稀方法,其特征在于:所述步骤六具体包括:
8.根据权利要求7所述的一种顾及物方特征的海量点云抽稀方法,其特征在于:所述步骤七具体包括:
9.根据权利
...【技术特征摘要】
1.一种顾及物方特征的海量点云抽稀方法,其特征在于:具体包括如下步骤:
2.根据权利要求1所述的一种顾及物方特征的海量点云抽稀方法,其特征在于:所述步骤一中,点云数据为las存储格式。
3.根据权利要求1所述的一种顾及物方特征的海量点云抽稀方法,其特征在于:所述步骤二中,抽稀比例推荐值为采集平均密度与作业标准平均密度的比值的倒数。
4.根据权利要求1所述的一种顾及物方特征的海量点云抽稀方法,其特征在于:所述步骤三中,点云信息包括点云的空间分布大小及头文件信息。
5.根据权利要求1所述的一种顾及物方特征的海量点...
【专利技术属性】
技术研发人员:张卫龙,石硕,邓川,何小飞,梁晨,王涛,
申请(专利权)人:中铁第一勘察设计院集团有限公司,
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。