高普适性的基于多层次自适应网格的最远点下采样算法制造技术

本发明专利技术公开高普适性的基于多层次自适应网格的最远点下采样算法，属于数据处理技术领域，用于点云数据处理，包括对确定每个网格中的点数容量，获取当前处理设备的空闲CPU核心数，将原始点云逐级划分为多层次网格，对网格进行最远点采样，若最远点采样后的点数大于点数容量，则重复执行，直到最远点采样后的点数小于点数容量，对最远点采样后的点云再次进行最远点采样。本发明专利技术保证下采样算法的高效性，在大规模、高精度需求的点云处理任务具有明显优势；尽可能完整地保留点云的全局特征和局部特征，保证了后续点云数据处理算法可以获取到尽可能完整的特征信息。

【技术实现步骤摘要】

本专利技术公开高普适性的基于多层次自适应网格的最远点下采样算法，属于数据处理。

技术介绍

1、随着三维点云硬件采集技术的迭代、三维点云技术在机器人、自动驾驶、增强现实和虚拟现实等领域的广泛应用、高精度的激光扫描仪普及化，三维点云数据的体量越来越大，需要更高精度和实时性的点云数据处理方法。下采样作为点云数据处理的必要步骤，可以在减少计算压力、去除冗余信息的同时，保持完整的特征信息。其中，点云的全局特征是特征信息中十分重要的一部分。然而，现有的下采样技术难以兼顾高效率与全局特征的完整保留。当下采样后的点云数据不能保留完整的全局特征信息时，在后续如点云配准、点云分类等点云数据处理方法的准确率会有明显下降。

技术实现思路

1、本专利技术的目的在于提供高普适性的基于多层次自适应网格的最远点下采样算法，以解决现有技术中，下采样后的点云数据不能保留完整的全局特征信息的问题。

2、高普适性的基于多层次自适应网格的最远点下采样算法，包括：

3、s1、对确定每个网格中的点数容量n，获取当前处理设备的空闲c本文档来自技高网...

【技术保护点】

1.高普适性的基于多层次自适应网格的最远点下采样算法，其特征在于，包括：

2.根据权利要求1所述的高普适性的基于多层次自适应网格的最远点下采样算法，其特征在于，每个网格中的点数容量N设置为空闲CPU核心数与CPU频率倒数的乘积。

3.根据权利要求2所述的高普适性的基于多层次自适应网格的最远点下采样算法，其特征在于，将原始点云逐级划分为多层次网格包括，当上一级网格中保留的点数大于N时，再次进行划分，直至第i个网格中的点数Ni满足Ni＜N。

4.根据权利要求3所述的高普适性的基于多层次自适应网格的最远点下采样算法，其特征在于，S3的最远点采样的采样率设置为...

【技术特征摘要】

1.高普适性的基于多层次自适应网格的最远点下采样算法，其特征在于，包括：

2.根据权利要求1所述的高普适性的基于多层次自适应网格的最远点下采样算法，其特征在于，每个网格中的点数容量n设置为空闲cpu核心数与cpu频率倒数的乘积。

3.根据权利要求2所述的高普适性的基于多层次自适应网格的最远点下采样算法，其特征在于，将原始点云逐级划分为多层次网格包括，当上一级网格中保留的点数大于n时，再次进行划分，直至第i个网格中的点数ni满足ni＜n。

4.根据权利要求3所述的高普适性的基于多层次自适应网格的最远点下采样算法，其特征在于，s3的最远点采样的采样率设置为目标采样率的二倍。

5.根据权利要求4所述的高普适性的基于多层次自适应网格的最远点下采样算法，其特征在于，s5的最远点采样的采样率设置为等于目标采样率。<...

【专利技术属性】
技术研发人员：董嘉辉，田茂义，侯娟，苏钰馨，
申请(专利权)人：山东科技大学，
类型：发明
国别省市：