[發明專利]一種三維無序點云數據處理方法、系統及設備

有效

• 申請號: 202110654715.9
• 申請日: 2021-06-11
• 公開（公告）號: CN113393514B
• 公開（公告）日: 2022-11-25
• 發明（設計）人: 陳夢娟;劉希龍;顧慶毅;顏廷鈺
• 申請（專利權）人: 中國科學院自動化研究所;中科視捷（南京）科技有限公司
• 主分類號: G06T7/66
• 分類號: G06T7/66;G06T7/62;G06T7/50;G06T5/00;G06T3/60;G06T3/00;G06F17/16
• 代理公司: 北京市恒有知識產權代理事務所(普通合伙) 11576
• 代理人: 郭文浩;尹文會

本發明屬于計算機視覺與數字圖像處理領域，具體涉及了一種三維無序點云數據處理方法、系統及裝置。本發明的方法包括對三維無序點云數據集進行預處理得到預處理三維無序點云數據集；將預處理三維無序點云數據集中的每個點云轉換成球體點云；建立每個球體點云的空間坐標數據和深度值數據；根據中心投影規則將每個球體點云投影在多個角度的投影平面上；根據每個球體點云的空間坐標數據以及預設坐標轉換規則計算每個球體點云在每個投影平面中的像素坐標數據。利用該像素坐標數據就可以代替三維無序點云數據進行三維重建。本發明能夠防止點云信息丟失，且能夠保留深度信息。

技術領域

本發明屬于計算機視覺與數字圖像處理技術領域，具體涉及了一種三維無序點云數據處理方法、系統及設備。

背景技術

點云是三維數據的一種重要且常用的表示方式，也是立體視覺最基本的數據格式之一。由于觀測的對象被記錄為一系列表面點的空間坐標，密集存儲的點云數據無法直接記錄各點的鄰域信息。空間距離接近的點在內存中的地址可能相差很遠。由此導致的無序性使得點云數據處理難度大于傳統二維圖像。

目前解決點云無序性的方法有四種，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，該方法以高度的存儲稀疏性為代價，雖然保留了空間點的鄰域信息，避免了無序性，但對存儲空間的要求較高。

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，但這種方法獲得的數據只適用于快速檢索等應用，并不能有效表征點云的空間結構，對識別、測量、分割等后續處理的價值有限。

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。例如，深度網絡pointnet利用對稱函數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。但深度學習類方法對樣本量要求較高，且計算過程所具有的不可解釋和不可操作性限制了其在工業領域的應用。

第四種方法，是將三維點云數據投影成多幅二維深度圖，通過不同角度下投影的二維深度圖像表征三維點云特征，這種方法可以有效的獲取點云特征。其中，現有技術中一般通過基于點云到投影平面的距離進行高斯插值來生成二維深度圖，但這個方法只適合于一些小面積無重疊的點云，不適合于包含不同深度結構的點云，因此需要通過雙邊濾波插值的方法，過濾那些離投影平面最遠的點云，以適用于一些有重疊的點云，但是這樣就會導致點云信息丟失過多。

發明內容

為了解決現有技術中的上述問題，即信息丟失過多的問題，本發明提供了一種三維無序點云數據處理方法、系統及設備。

本發明的第一方面，提出了一種三維無序點云數據處理方法，所述方法包括：

對三維無序點云數據集進行預處理得到預處理三維無序點云數據集；

將所述預處理三維無序點云數據集中的每個點云轉換成球體點云；

建立每個所述球體點云的空間坐標數據和深度值數據；

根據中心投影規則將每個所述球體點云投影在多個角度的投影平面上；

根據每個所述球體點云的空間坐標數據以及預設坐標轉換規則計算每個所述球體點云在每個投影平面中的像素坐標數據。

可選地，所述對三維無序點云數據集進行預處理得到預處理三維無序點云數據集包括：

消除三維無序點云數據集中的噪音點；

將去噪后的三維無序點云數據集進行歸一化處理得到預處理三維無序點云數據集。

可選地，所述消除三維無序點云數據集中的噪音點包括：

確定三維無序點云數據集中每個點云及其臨近的多個點云的原始坐標數據；