【技术实现步骤摘要】
一种室外场景点云数据的矢量化骨架提取方法及系统
[0001]本专利技术涉及计算机视觉
,尤其涉及一种室外场景点云数据的矢量化骨架提取方法及系统。
技术介绍
[0002]点云即为一个数据集,该数据集中的每个点代表一组X、Y、Z几何坐标和一个强度值,该强度值根据物体表面反射率记录返回信号的强度,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。点云可以自动上色,以实现更真实的可视化。
[0003]在实际应用中所获得的点云数据量通常较大,需要进行点云的简化。在点云简化任务中,需要对稠密点云进行骨架架构提取,以作为轻量化的中间模态用于理解、渲染等理解和操作。为实现点云骨架提取,现有技术中通常采用以下两种方式:
[0004]1)基于语义的点云骨架化方法
[0005]该类方法通过在点云上进行上采样,即输入一个点云,输出一个更密的点云,且它落在输入点云隐含的几何体(比如表面)上。即基于语义的点云骨架化方法是通过学习到每个点多个粒度(从局部到全局)下的特征,再在特征空间中缩小点集,最后将缩小的点集映射回三维,以实现点云骨架化。
[0006]2)基于几何的点云骨架化方法
[0007]该类方法是通过对点的边缘特征或者knn方式进行提取,将具有类似特征的或者位于同一个区域内的点聚合成一个点,形成点数稀疏的点云骨架。
[0008]但是无论是基于语义的点云骨架化方法,还是基于几何的点云骨架化方法,现有技术中上述点云骨架提取方法会存在以下问题:
[000 ...
【技术保护点】
【技术特征摘要】
1.一种室外场景点云数据的矢量化骨架提取方法,其特征在于,步骤包括:步骤S01.获取在室外场景下采集场景的点云数据以及全景图像数据;步骤S02.对所述点云数据以及全景图像数据分别进行边缘点提取,得到点云边缘点集以及图像边缘点集;步骤S03.使用所述点云边缘点集构建稀疏图结构得到点云稀疏骨架,以及使用所述图像边缘点集构建稠密图结构得到图像稠密矢量化骨架;步骤S04.对所述点云稀疏骨架与所述图像稠密矢量化骨架进行空间转换,得到变换后点云稀疏骨架、变换后图像稠密矢量化骨架;步骤S05.将所述变换后点云稀疏骨架、变换后图像稠密矢量化骨架进行融合,得到所需提取的完整点云矢量化骨架。2.根据权利要求1所述的室外场景点云数据的矢量化骨架提取方法,其特征在于,所述步骤S02中对点云数据进行边缘点提取时,计算点云数据中每个点与其余点之间的距离,当目标点与其余点之间的距离最小值大于第一预设阈值δ
P
,则标记目标点为边缘点,由所有标记得到的边缘点构成所述点云边缘点集。3.根据权利要求1所述的室外场景点云数据的矢量化骨架提取方法,其特征在于,所述步骤S02中对全景图像数据进行边缘点提取时,计算全景图像数据中每个像素点的颜色值与周边各像素之间的距离,当目标像素点的颜色值与周边各像素之间的距离最小值大于第二预设阈值δ
I
时,则标记目标像素点为边缘点,由所有标记得到的边缘点构成所述图像边缘点集。4.根据权利要求1所述的室外场景点云数据的矢量化骨架提取方法,其特征在于,所述步骤S03中使用所述点云边缘点集构建稀疏图结构得到点云稀疏骨架包括:构建第一图结构G
p
,且G
p
=(V,E),其中V表示顶点,每个顶点为点云集中的每个边缘点的三维空间坐标(x,y,z)的矢量化表示,E为边,每个边的值为对应边缘点在全部点云数据P中与其余点之间的最小欧氏距离,由构建的所述第一图结构G
p
得到所述得到点云稀疏骨架。5.根据权利要求1所述的室外场景点云数据的矢量化骨架提取方法,其特征在于,所述步骤S03中使用所述图像边缘点集构建稠密图结构得到图像稠密矢量化骨架包括:构建第二图结构G
i
,且G
i
=(V,E),其中V表示顶点,每个顶点选取其在原始图像数据I中相邻的25个点的位置坐标(x,y)的矢量化表示,E为边,每个边的值为对应边缘点在原始图像数据中相邻25个点的颜色值(r,g,b)的平均值,由构建的第二图结构G
i
得到所述图像稠密矢量化骨架。6.根据权利要求1~5中任意一项所述的室外场景点云数据...
【专利技术属性】
技术研发人员:肖罡,赵斯杰,徐阳,张蔚,刘小兰,魏志宇,万可谦,
申请(专利权)人:江西科骏实业有限公司,
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。