[发明专利]目标点云提取的方法

说明书

本发明涉及一种会话信息的展示方法，包括：获取第一点云数据，对第一点云数据进行去燥处理生成第二点云数据；计算第二点云数据的法向量；选取基准法向量；计算第二点云数据的法向量与基准法向量的夹角；将夹角小于第一阈值的第二点云数据判断为外点；将夹角大于等于第一阈值的第二点云数据判断为内点，并生成第三点云数据；基于随机抽样一致性RANSAC算法对所述第三点云数据进行目标点云提取。本发明实施例提供的目标点云提取的方法，对复杂场景中提取的三维点云数据进行了准确有效的目标点云提取。

技术领域

本发明涉及一种数据提取的方法，尤其涉及一种目标点云提取的方法。

背景技术

随着测量技术的不断发展，尤其是近几年用于点云数据采集的传感器的兴起，对于场景三维点云数据提取的研究日益兴盛。

目前对于三维点云数据的目标提取研究主要针对特定场景而设计的算法，特征值法和最小二乘法是最常用的平面拟合提取算法，如果目标场景中存在物体遮挡、散色光等环境因素的影响，采集到的点云数据不可避免的存在误差和异常值，用特征值法和最小二乘法来处理偏差较大和异常值的点云提取的有效点云提取率不高。也有用单一随机抽样一致性RANSAC算法进行目标点云提取，但是易出现边界误提取情况。

发明内容

本发明的目的是针对现有技术的缺陷，提供一种目标点云提取的方法，对复杂场景中提取的三维点云数据进行准确有效的目标点云提取。

为实现上述目的，本发明提供了一种目标点云提取的方法，所述方法包括:

获取第一点云数据，对所述第一点云数据进行去燥处理生成第二点云数据；

计算所述第二点云数据的法向量；

选取基准法向量；

计算所述第二点云数据的法向量与所述基准法向量的夹角；

将所述夹角小于第一阈值的第二点云数据判断为外点；将所述夹角大于等于第一阈值的第二点云数据判断为内点，并生成第三点云数据；

基于随机抽样一致性RANSAC算法对所述第三点云数据进行目标点云提取。

进一步的，所述第一点云数据是通过飞行时间传感器捕获的三维坐标。

进一步的，所述对所述第一点云数据进行去燥处理生成第二点云数据具体为：

提取所述第一点云数据的深度数据，建立二维点云矩阵；

提取所述二维点云矩阵的K个3×3子矩阵；

建立所述3×3子矩阵的中心元素在所述二维点云矩阵中的位置索引；

将所述3×3子矩阵内的中心元素分别与其它元素差的绝对值相加，记做M；

如果所述M大于第二阈值，判定所述中心元素为噪点，根据所述位置索引找到所述噪点在所述二维点云矩阵中的位置，并舍弃所述噪点对应的元素；

如果所述M小于或等于第二阈值，则保留所述中心元素在所述二维点云矩阵中的位置所对应的元素；

将所述二维点云矩阵中保留下来的元素对应的第一点云数据生成所述第二点云数据。

进一步的，所述如果所述M大于第二阈值，则：

提取所述3×3子矩阵的4个2×2子矩阵；

比较每个所述2×2子矩阵中的元素与所述中心元素差的绝对值大小，最小值记N；

如果N大于或等于第三阈值，则判定所述中心元素为噪点，根据所述位置索引找到所述噪点在所述二维点云矩阵中的位置，并舍弃所述噪点对应的元素；