[发明专利]一种点云数据处理方法及装置在审
申请号: | 201711226968.6 | 申请日: | 2017-11-29 |
公开(公告)号: | CN108226894A | 公开(公告)日: | 2018-06-29 |
发明(设计)人: | 郭彦明 | 申请(专利权)人: | 北京数字绿土科技有限公司;深圳绿土智能科技有限公司 |
主分类号: | G01S7/48 | 分类号: | G01S7/48 |
代理公司: | 北京超凡志成知识产权代理事务所(普通合伙) 11371 | 代理人: | 苏胜 |
地址: | 100000 北京市海淀区东北旺北京*** | 国省代码: | 北京;11 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 点云数据 点云 数据处理 目标点 激光扫描仪 分类处理 判断过程 人工干预 准确度 危险点 预设 自动化 分类 | ||
1.一种点云数据处理方法,其特征在于,包括:
接收激光扫描仪获取的第一点云数据;
对所述第一点云数据进行分类处理,得到分类后的第二点云数据;
若所述第二点云数据至少包括目标点云数据,判断所述第二点云数据中的其他点云数据与所述目标点云数据之间的距离是否小于第一预设阈值;
若是,则确定所述其他点云数据为危险点云数据。
2.根据权利要求1所述的方法,其特征在于,所述危险点云数据为树木对应的点云数据,所述确定所述其他点云数据为危险点云数据之后,还包括:
对确定的危险点云数据进行单木分割处理,得到对应于每棵树木的第三点云数据;
基于所有第三点云数据确定对应的树木信息;其中,所述树木信息至少包括每棵树木的高度信息、冠幅信息和坐标信息,以及所有树木的个数信息。
3.根据权利要求2所述的方法,其特征在于,所述基于所有第三点云数据确定对应的树木信息之后,还包括:
根据确定的树木信息生成对应的砍伐策略;其中,所述砍伐策略是指综合砍伐时间、砍伐顺序和砍伐树木数的策略。
4.根据权利要求2所述的方法,其特征在于,在所述对确定的危险点云数据进行单木分割处理之前,还包括:
获取与所述危险点云数据相距不超过预设缓冲距离的点云数据,得到扩展危险点云数据;其中,所述预设缓冲距离小于所述第一预设阈值;
基于所述扩展危险点云数据更新所述危险点云数据。
5.根据权利要求2至4任一项所述的方法,其特征在于,所述对确定的危险点云数据进行单木分割处理,得到对应于每棵树木的第三点云数据,包括:
从所述危险点云数据中查找最高点云数据;
判断所述危险点云数据中的其他点云数据与最高点云数据之间的距离是否小于第二预设阈值;
若是,则将所述最高点云数据和对应的其他点云数据作为第一棵树木的第三点云数据;
从所述危险点云数据中删除所述第一棵树木的第三点云数据,执行所述从所述危险点云数据中查找最高点云数据的步骤,以得到其他树木的第三点云数据。
6.根据权利要求5所述的方法,其特征在于,所述方法还包括:
将确定的每一树木的第三点云数据分别与所述第一点云数据进行匹配处理;
根据匹配结果,确定异常点云数据;
对所述异常点云数据进行修复处理;其中,所述修复处理包括删除处理或添加处理;
基于修复处理的点云数据更新所述危险点云数据。
7.根据权利要求1所述的方法,其特征在于,所述对所述第一点云数据进行分类处理之前,还包括:
获取样本点云数据;
根据所述样本点云数据建立点云分类器;
所述对所述第一点云数据进行分类处理,包括:
通过所述点云分类器对所述第一点云数据进行分类。
8.根据权利要求7所述的方法,其特征在于,所述根据所述样本点云数据建立点云分类器,包括:
对所述样本点云数据进行特征提取,获得分类特征;
对所述分类特征进行机器学习训练,得到点云分类器。
9.一种点云数据处理装置,其特征在于,包括:
接收模块,用于接收激光扫描仪获取的第一点云数据;
分类模块,用于对所述第一点云数据进行分类处理,得到分类后的第二点云数据;
判断模块,用于若所述第二点云数据至少包括目标点云数据,判断所述第二点云数据中的其他点云数据与所述目标点云数据之间的距离是否小于第一预设阈值;
第一确定模块,用于若是,则确定所述其他点云数据为危险点云数据。
10.根据权利要求9所述的装置,其特征在于,所述危险点云数据为树木对应的点云数据,所述装置还包括:
分割模块,用于对确定的危险点云数据进行单木分割处理,得到对应于每棵树木的第三点云数据;
第二确定模块,用于基于所有第三点云数据确定对应的树木信息;其中,所述树木信息至少包括每棵树木的高度信息、冠幅信息和坐标信息,以及所有树木的个数信息。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于北京数字绿土科技有限公司;深圳绿土智能科技有限公司,未经北京数字绿土科技有限公司;深圳绿土智能科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201711226968.6/1.html,转载请声明来源钻瓜专利网。