[發明專利]全視角點云數據定長有序化編碼方法、設備及存儲介質

有效

• 申請號: 201910973193.1
• 申請日: 2019-10-14
• 公開（公告）號: CN110910463B
• 公開（公告）日: 2021-05-14
• 發明（設計）人: 劉希龍;陳夢娟;顧慶毅;顏廷鈺
• 申請（專利權）人: 中國科學院自動化研究所;中國科學院自動化研究所南京人工智能芯片創新研究院
• 主分類號: G06T9/00
• 分類號: G06T9/00;G06F17/11
• 代理公司: 南京泰普專利代理事務所(普通合伙) 32360
• 代理人: 竇賢宇

本發明公開了一種全視角點云數據定長有序化編碼方法、設備及存儲介質，所述方法包括如下步驟：獲取點云并歸一化處理；構建包含多個坐標系的規范坐標系集；基于所述規范坐標系集，對所述點云進行重編碼，計算并記錄獲得的交點數據，得到定長有序的三維結構數據；將所述三維數據轉化為定長有序的一維結構數據。該方法可以將具有任意數量點的點云數據編碼為定長結構的點云數據，具有速度快，方法簡單易實施，編碼后數據易于后續處理等優點。

技術領域

本發明屬于計算機視覺和圖像處理領域，涉及三維點云編碼方法。

背景技術

隨著三維傳感設備的廣泛應用，物體三維信息的獲得與處理如三維重建受到越來越多的重視。點云是立體視覺和激光掃描儀等三維傳感設備的原始輸出，是三維視覺領域最基本的數據格式之一，它是獲取物體三維信息和隨后重建物體表面的基礎，這種格式的數據通常以無序的形式記錄被觀測物體表面大量空間點的三維坐標。點云數據處理就是通過對大量具有坐標信息的點進行分析來獲得這些點所表征物體的類別、位姿、三維等信息的過程。點云數據的無序性使得相關計算需要大量的計算資源，直接影響了后續的數據分析。

目前市面上常用的解決點云無序性的方法有三種。

第一種方法是模擬二維圖像中的像素點，將點云轉化為空間三維體素，該方法消除了點云的無序性，但計算復雜度仍然很高。

第二種方法是利用點云數據中各點相對位置關系對原始點云數據中的點重新排序，例如k-d tree結構和octree結構，但這種方法獲得的數據只反映點云數據中各點間的位置關系，沒有從原始點云數據中提取出全局特征，在點云識別領域作用有限。

第三種方法是利用對稱函數，只要點云數據中包含的點信息不變，無論點的排序如何變化，對稱函數總能從中提取到相同的信息。

深度網絡pointnet使用了對稱函數max-pooling，在對點云數據中所有點進行一系列同樣運算后，獲得運算結果中的最大值，在點云分類上取得了良好的效果，但max-pooling會導致點云原始信息的大量丟失,后續改進效果不佳，成果難以進一步提升。山東大學李團隊設計的深度網絡pointnet設計使用x-ray矩陣，用x-ray矩陣與原始點云數據相乘獲得新的點云數據，當原始點云數據中點的順序發生改變，x-ray矩陣也會相應發生改變，令獲得的點云數據保持不變，該方法不會導致點云信息丟失，但其計算復雜度極高，且難以獲得完美的x-ray矩陣。

發明內容

發明目的：提供一種全視角點云數據定長有序化編碼方法，以解決現有技術存在的上述問題。

技術方案：全視角點云數據定長有序化編碼方法，包括如下步驟：

獲取點云并歸一化處理；

構建包含多個坐標系的規范坐標系集；

基于所述規范坐標系集，對所述點云進行重編碼，計算并記錄獲得的交點數據，得到定長有序的三維結構數據；

將所述三維數據轉化為定長有序的一維結構數據。

在進一步的實施例中，所述獲取點云并歸一化處理的過程進一步為：

去除點云中的離群點，設置以點云重心為坐標原點的新坐標系；

獲取新坐標系中距離原點最遠的點，以最遠點和原點間的歐式距離為單位距離，方向保持原坐標系方向不變，以新坐標系中的原始點云作為輸出，得到歸一化的初始點云和新坐標系。

在進一步的實施例中，在構建新坐標系前，使用主向量分析法調整點云姿態。

在進一步的實施例中，所述構建包含多個坐標系的規范坐標系集的過程進一步為：

將規范坐標系集中的坐標系分成若干組，相同組別的坐標系，其x軸在新坐標系中方向相同