点云数据的分割方法、装置、计算机设备和存储介质制造方法及图纸

本申请涉及一种点云数据的分割方法、装置、计算机设备和存储介质。该方法包括：获取第一点云数据集；按照第一点云数据集的几何特性，分割第一点云数据集，得到第二点云数据集；获取第二点云数据集的主轴方向，并在第二点云数据集的主轴方向上对第二点云数据集进行拟合，得到拟合结果；根据拟合结果设置分割参数；按照分割参数，分割第二点云数据集，得到至少一个目标点云数据集。能兼顾第二点云数据集的空间分布差异，提高点云数据的分割精度。提高点云数据的分割精度。提高点云数据的分割精度。

【技术实现步骤摘要】
点云数据的分割方法、装置、计算机设备和存储介质


[0001]本申请涉及点云数据处理
，特别是涉及一种点云数据的分割方法、装置、计算机设备和存储介质。

技术介绍

[0002]激光雷达(Light Detection And Ranging，LiDAR)是一种主动式的观测技术，凭借其高精度、高密集、抗干扰的优势在城市规划、农业开发、交通通讯及环境监测等方面发挥着重要的作用。随着激光雷达技术的发展，出现了通过激光雷达采集和分析点云数据的技术。在对激光雷达采集到的点云数据进行分析时，通常需要对点云数据进行分割。传统技术中，通常是按照预先设定好的分割参数，对点云数据进行分割。
[0003]然而，按照预先设定好的参数对点云数据进行分割，无法体现点云数据的空间分布差异，点云数据的分割精度低。

技术实现思路

[0004]基于此，有必要针对上述技术问题，提供一种能够提高点云数据的分割精度的点云数据的分割方法、装置、计算机设备和存储介质。
[0005]一种点云数据的分割方法，所述方法包括：
[0006]获取第一点云数据集；
[0007]按照所述第一点云数据集的几何特性，分割所述第一点云数据集，得到第二点云数据集；
[0008]获取所述第二点云数据集的主轴方向，并在所述第二点云数据集的主轴方向上对所述第二点云数据集进行拟合，得到拟合结果；
[0009]根据所述拟合结果设置分割参数；
[0010]按照所述分割参数，分割所述第二点云数据集，得到至少一个目标点云数据集。
[0011]在其中一个实施例中，所述获取第一点云数据集，包括：
[0012]获取初始点云数据集；
[0013]对所述初始点云数据集进行分割，得到至少一个第三点云数据集；
[0014]对于每一所述第三点云数据集，确定出所述第三点云数据集的主轴方向；
[0015]根据所述第三点云数据集的主轴方向，转换所述第三点云数据集，得到所述第一点云数据集。
[0016]在其中一个实施例中，所述按照所述第一点云数据集的几何特性，分割所述第一点云数据集，得到第二点云数据集，包括：
[0017]从所述第一点云数据集中确定出搜索点，并从所述第一点云数据集中，确定所述搜索点的邻近点集；
[0018]获取所述邻近点集的几何特性；
[0019]按照所述第一点云数据集中的邻近点集的几何特性，分割所述第一点云数据集中
的邻近点集，得到所述第二点云数据集。
[0020]在其中一个实施例中，所述获取所述邻近点集的几何特性，包括：
[0021]计算所述邻近点集形成的矩阵的特征值；
[0022]根据所述特征值，确定所述邻近点集的几何特性。
[0023]在其中一个实施例中，所述获取所述第二点云数据集的主轴方向，并在所述第二点云数据集的主轴方向上对所述第二点云数据集进行拟合，得到拟合结果，包括：
[0024]获取所述第二点云数据集的主轴方向；
[0025]将所述第二点云数据集投影至所述第二点云数据集的主轴方向上，得到投影数据；
[0026]对所述投影数据进行拟合，得到拟合结果。
[0027]在其中一个实施例中，所述拟合结果包括变差函数的变程和最小聚类个数；
[0028]所述对所述投影数据进行拟合，得到拟合结果，包括：
[0029]基于预设的变差函数模型，对所述投影数据进行拟合，得所述变差函数的变程和最小聚类个数。
[0030]在其中一个实施例中，所述拟合结果包括变差函数的变程和最小聚类个数；所述分割参数包括分割点云数据集的邻域半径和分割点云数据集的最小点个数；
[0031]所述根据所述拟合结果设置分割参数，包括：
[0032]将所述变程设置为所述分割点云数据集的邻域半径，将所述最小聚类个数设置为所述分割点云数据集的最小点个数。
[0033]一种点云数据的分割装置，所述装置包括：
[0034]点云获取模块，用于获取第一点云数据集；
[0035]第一分割模块，用于按照所述第一点云数据集的几何特性，分割所述第一点云数据集，得到第二点云数据集；
[0036]点云拟合模块，用于获取所述第二点云数据集，在所述第二点云数据集的主轴方向上对所述第二点云数据集进行拟合，得到拟合结果；
[0037]参数设置模块，用于根据所述拟合结果设置分割参数；
[0038]第二分割模块，用于按照所述分割参数，分割所述第二点云数据集，得到至少一个目标点云数据集。
[0039]一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述任一实施例所述的方法。
[0040]一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述任一实施例所述的方法。
[0041]上述点云数据的分割方法、装置、计算机设备和存储介质，获取第一点云数据集，按照第一点云数据集的几何特性，分割第一点云数据集，得到第二点云数据集，获取第二点云数据集的主轴方向，并在第二点云数据集的主轴方向上对第二点云数据集进行拟合，得到拟合结果。由于该拟合结果是第二点云数据集在其对应的主轴方向上进行拟合得到的拟合结果，因此该拟合结果能够反映第二点云数据集的空间分布差异。根据能反映第二点云数据集的空间分布差异的拟合结果设置分割参数，并按照该分割参数分割第二点云数据集，得到的至少一个目标点云数据集，能兼顾第二点云数据集的空间分布差异，提高点云数
据的分割精度。
附图说明
[0042]图1为一个实施例中点云数据的分割方法的流程示意图；
[0043]图2为一个实施例中步骤S100的一种可实施方式的流程示意图；
[0044]图3为一个实施例中粗分割后的车载点云数据示意图；
[0045]图4为一个实施例中步骤S200的一种可实施方式的流程示意图；
[0046]图5为一个实施例中步骤S300的一种可实施方式的流程示意图；
[0047]图6为一个实施例中细分割后的车载点云数据示意图；
[0048]图7为一个实施例中基于各向异性变差函数的自适应DBSCAN三维点云聚类的流程示意图；
[0049]图8为一个实施例中点云数据的分割装置的结构框图；
[0050]图9为一个实施例中计算机设备的内部结构图。
具体实施方式
[0051]为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
[0052]在一个实施例中，如图1所示，提供了一种点云数据的分割方法，本实施例以该方法应用于终端进行举例说明，可以理解的是，该方法也可以应用于服务器，还可以应用于包括终端和服务器的系统，并通过终端和服务器的交互实现。本实施例中，该方法包括以下步骤：
[005本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种点云数据的分割方法，其特征在于，所述方法包括：获取第一点云数据集；按照所述第一点云数据集的几何特性，分割所述第一点云数据集，得到第二点云数据集；获取所述第二点云数据集的主轴方向，并在所述第二点云数据集的主轴方向上对所述第二点云数据集进行拟合，得到拟合结果；根据所述拟合结果设置分割参数；按照所述分割参数，分割所述第二点云数据集，得到至少一个目标点云数据集。2.根据权利要求1所述的方法，其特征在于，所述获取第一点云数据集，包括：获取初始点云数据集；对所述初始点云数据集进行分割，得到至少一个第三点云数据集；对于每一所述第三点云数据集，确定出所述第三点云数据集的主轴方向；根据所述第三点云数据集的主轴方向，转换所述第三点云数据集，得到所述第一点云数据集。3.根据权利要求1所述的方法，其特征在于，所述按照所述第一点云数据集的几何特性，分割所述第一点云数据集，得到第二点云数据集，包括：从所述第一点云数据集中确定出搜索点，并从所述第一点云数据集中，确定所述搜索点的邻近点集；获取所述邻近点集的几何特性；按照所述第一点云数据集中的邻近点集的几何特性，分割所述第一点云数据集中的邻近点集，得到所述第二点云数据集。4.根据权利要求3所述的方法，其特征在于，所述获取所述邻近点集的几何特性，包括：计算所述邻近点集形成的矩阵的特征值；根据所述特征值，确定所述邻近点集的几何特性。5.根据权利要求1所述的方法，其特征在于，所述获取所述第二点云数据集的主轴方向，并在所述第二点云数据集的主轴方向上对所述第二点云数据集进行拟合，得到拟合结果，包括：获取所述第二点云数据集的主轴方向；将所述第二...

【专利技术属性】
技术研发人员：彭泊涵，李兵，周庆，吕扬，杨伯钢，侯庆明，赵博，王建楠，徐政，张良，
申请(专利权)人：北京市测绘设计研究院，
类型：发明
国别省市：