本申请的实施例提供了一种基于异源点云的点云孔洞修补方法，包括：将待修补点云数据和第一异源点云数据输入至机器学习模型中，以输出对应的第一位姿转换矩阵，并对第一异源点云数据进行位姿转换处理得到第二异源点云数据，采用迭代最近点算法对待修补点云数据和第二异源点云数据进行匹配，以对第二异源点云数据进行位姿转换处理，得到目标异源点云数据；根据待修补点云数据中点的位置信息和目标异源点云数据中点的位置信息，识别出待修补孔洞；根据目标异源点云数据中与待修补孔洞对应的点，对待修补点云数据进行修补，得到修补后的目标点云数据。本申请实施例的技术方案提高点云模型中孔洞修补的准确性，进而保证修补后的点云模型的准确度。的点云模型的准确度。的点云模型的准确度。
【技术实现步骤摘要】
基于异源点云的点云孔洞修补方法、装置、介质及设备
[0001]本申请涉及计算机
，具体而言，涉及一种基于异源点云的点云孔洞修补方法、装置、介质及设备。
技术介绍
[0002]在点云模型的建立过程中，常由于各种原因(例如传感器限制、设备操作过程或者环境的复杂度等)，使得生成的点云模型不完整，存在各类孔洞，严重影响了所建立的点云模型的质量。在目前的技术方案中，一般是基于假设插值的方式对孔洞进行修补，然而，该种修补方式鲁棒性不高，且单一种类的点云数据由于描述尺度单一，无法表现环境中丰富的局部特征。因此，如何提高点云模型中孔洞修补的准确性，进而保证修补后的点云模型的准确度成为了亟待解决的技术问题。
技术实现思路
[0003]本申请的实施例提供了一种基于异源点云的点云孔洞修补方法、装置、计算机可读介质及电子设备，进而至少在一定程度上可以提高点云模型中孔洞修补的准确性，进而保证修补后的点云模型的准确度。
[0004]本申请的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本申请的实践而习得。
[0005]根据本申请实施例的一个方面，提供了一种基于异源点云的点云孔洞修补方法，包括：
[0006]将待修补点云数据和与其对应的第一异源点云数据输入至预先训练完成的机器学习模型中，以使所述机器学习模型输出对应的第一位姿转换矩阵；
[0007]根据所述第一位姿转换矩阵对所述第一异源点云数据进行位姿转换处理，得到第二异源点云数据，所述第二异源点云数据与所述待修补点云数据处于同一坐标系下；
[0008]采用迭代最近点算法对所述待修补点云数据和所述第二异源点云数据进行匹配，得到对应的第二位姿转换矩阵；
[0009]根据所述第二位姿转换矩阵，对所述第二异源点云数据进行位姿转换处理，得到目标异源点云数据；
[0010]根据所述待修补点云数据中点的位置信息和所述目标异源点云数据中点的位置信息，识别出所述待修补点云数据中存在的待修补孔洞；
[0011]根据所述目标异源点云数据中与所述待修补孔洞对应的点，对所述待修补点云数据进行修补，得到修补后的目标点云数据。
[0012]根据本申请实施例的一个方面，提供了一种基于异源点云的点云孔洞修补装置，包括：
[0013]第一计算模块，用于将待修补点云数据和与其对应的第一异源点云数据输入至预先训练完成的机器学习模型中，以使所述机器学习模型输出对应的第一位姿转换矩阵；
[0014]第一位姿转换模块，用于根据所述第一位姿转换矩阵对所述第一异源点云数据进行位姿转换处理，得到第二异源点云数据，所述第二异源点云数据与所述待修补点云数据处于同一坐标系下；
[0015]第二计算模块，用于采用迭代最近点算法对所述待修补点云数据和所述第二异源点云数据进行匹配，得到对应的第二位姿转换矩阵；
[0016]第二位姿转换模块，用于根据所述第二位姿转换矩阵，对所述第二异源点云数据进行位姿转换处理，得到目标异源点云数据；
[0017]孔洞识别模块，用于根据所述待修补点云数据中点的位置信息和所述目标异源点云数据中点的位置信息，识别出所述待修补点云数据中存在的待修补孔洞；
[0018]修补模块，用于根据所述目标异源点云数据中与所述待修补孔洞对应的点，对所述待修补点云数据进行修补，得到修补后的目标点云数据。
[0019]根据本申请实施例的一个方面，提供了一种计算机可读介质，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如上述实施例中所述的基于异源点云的点云孔洞修补方法。
[0020]根据本申请实施例的一个方面，提供了一种电子设备，包括：一个或多个处理器；存储装置，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现如上述实施例中所述的基于异源点云的点云孔洞修补方法。
[0021]根据本申请实施例的一个方面，提供了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算机设备执行上述实施例中提供的基于异源点云的点云孔洞修补方法。
[0022]在本申请的一些实施例所提供的技术方案中，将待修补点云数据和与其对应的第一异源点云数据输入至预先训练完成的机器学习模型中，以使所述机器学习模型输出对应的第一位姿转换矩阵，以根据该第一位姿转换矩阵对第一异源点云数据进行位姿转换处理，以得到与待修补点云数据处于同一坐标系下的第二异源点云数据，再采用迭代最近点算法对待修补点云数据和第二异源点云数据进行匹配，得到第二位姿转换矩阵，以根据该第二位姿转换矩阵对第二异源点云数据进行位姿转换处理，得到目标异源点云数据。应该理解的，经过两次位姿转换后得到的目标异源点云数据与待修补点云数据的匹配度较高，由此，根据待修补点云数据中点的位置信息和目标异源点云数据中点的位置信息，识别出的待修补点云数据中存在的待修补孔洞的准确度较高，保证了后续孔洞修补的准确性，进而提高了修补后的点云数据的准确度。
[0023]应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本申请。
附图说明
[0024]此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本申请的实施例，并与说明书一起用于解释本申请的原理。显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据
这些附图获得其他的附图。在附图中：
[0025]图1示出了根据本申请一示例性实施例的基于异源点云的点云孔洞修补方法的流程示意图；
[0026]图2示出了根据本申请一示例性实施例的基于异源点云的点云孔洞修补方法中还包括的针对建筑体平面的孔洞识别的流程示意图；
[0027]图3示出了根据本申请一示例性实施例的图1的基于异源点云的点云孔洞修补方法中还包括的构建第一异源点云数据的流程示意图；
[0028]图4示出了根据本申请的一个实施例的基于异源点云的点云孔洞修补装置的框图；
[0029]图5示出了适于用来实现本申请实施例的电子设备的计算机系统的结构示意图。
具体实施方式
[0030]现在将参考附图更全面地描述示例实施方式。然而，示例实施方式能够以多种形式实施，且不应被理解为限于在此阐述的范例；相反，提供这些实施方式使得本申请将更加全面和完整，并将示例实施方式的构思全面地传达给本领域的技术人员。
[0031]此外，所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施例中。在下面的描述中，提供许多具体细节从而给出对本申请的实施例的充分理解。然而，本领域技术人员将意识到，可以实践本申请的技术方案而没有特定细节中的一个或更多，或者可以采用其它的方法、组元、装置、步骤等。在其它情况下，不详细示出或描述公知方法、装置、本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种基于异源点云的点云孔洞修补方法，其特征在于，包括：将待修补点云数据和与其对应的第一异源点云数据输入至预先训练完成的机器学习模型中，以使所述机器学习模型输出对应的第一位姿转换矩阵；根据所述第一位姿转换矩阵对所述第一异源点云数据进行位姿转换处理，得到第二异源点云数据，所述第二异源点云数据与所述待修补点云数据处于同一坐标系下；采用迭代最近点算法对所述待修补点云数据和所述第二异源点云数据进行匹配，得到对应的第二位姿转换矩阵；根据所述第二位姿转换矩阵，对所述第二异源点云数据进行位姿转换处理，得到目标异源点云数据；根据所述待修补点云数据中点的位置信息和所述目标异源点云数据中点的位置信息，识别出所述待修补点云数据中存在的待修补孔洞；根据所述目标异源点云数据中与所述待修补孔洞对应的点，对所述待修补点云数据进行修补，得到修补后的目标点云数据。2.根据权利要求1所述的方法，其特征在于，根据所述待修补点云数据中点的位置信息和所述目标异源点云数据中点的位置信息，识别出所述待修补点云数据中存在的待修补孔洞，包括：根据所述待修补点云数据中点的位置信息和所述目标异源点云数据中点的位置信息，若具有一定大小的某一区域内仅存在目标异源点云数据中的点，且与所述某一区域相邻的其他区域中既存在所述待修补点云数据中的点，也存在目标异源点云数据中的点，或者仅存在所述待修补点云数据中的点，则将所述某一区域识别为所述待修补点云数据中存在的待修补孔洞。3.根据权利要求2所述的方法，其特征在于，所述方法还包括：从所述待修补点云数据中识别出建筑体平面；在所述建筑体平面中，若具有一定大小的某一区域内未存在所述待修补点云数据中的点，则将所述某一区域识别为所述待修补点云数据中存在的待修补孔洞。4.根据权利要求1至3中任一项所述的方法，其特征在于，在将待修补点云数据和与其对应的第一异源点云数据输入至预先训练完成的机器学习模型中，以使所述机器学习模型输出对应的第一位姿转换矩阵之前，所述方法还包括：获取与所述待修补点云数据对应相同场景的图像数据；根据所述图像数据，构建与所述待修补点云数据对应的第一异源点云数据。5.根据权利要求4所述的方法，其特征在于，在将待修补点云数据和与其对应的第一异源点云数据输入至预先训练完成的机器学习模型中，以使所述机器学习模型输出对应的第一位姿转换矩阵之前，所述方法还包括：根据所述待修补点云数据中点的位置信息和所述第一异源点云数据中点的位置信息，计算所述第一异源点云数据的缩放倍数；根据所述缩放倍数对所述第一异源点云数据缩放，得到缩放后的所述第一...
【专利技术属性】
技术研发人员：温程璐，雍成阳，王程，
申请(专利权)人：厦门大学，
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。