[发明专利]点云数据的精简方法、装置、存储介质及电子设备

权利要求书

1.一种点云数据的精简方法，其特征在于，包括：

获取待处理点云数据，并计算所述待处理点云数据中各点对应的曲率变化率；

根据各点对应的曲率变化率，从所述待处理点云数据包含的点中识别出边界点；

基于所述边界点，采用聚类算法对所述待处理点云数据包含的点进行聚类，得到与各所述边界点对应的点集合；

根据各所述点集合中包含的点的数量，对各所述点集合进行精简处理，得到精简后的目标点云数据。

2.根据权利要求1所述的方法，其特征在于，所述根据各所述点集合中包含的点的数量，对各所述点集合进行精简处理，得到精简后的目标点云数据，包括：

根据各所述点集合中包含的点的数量以及所述待处理点云数据中包含的总点数，确定各所述点集合对应的去除比例；

根据各所述点集合对应的去除比例，从各所述点集合中选取对应数量的点进行去除，得到精简后的目标点云数据。

3.根据权利要求2所述的方法，其特征在于，所述根据各所述点集合对应的去除比例，从各所述点集合中选取对应数量的点进行去除，得到精简后的目标点云数据，包括：

将各所述点集合中包含的点按照对应的曲率变化率从小到大的顺序进行排列，得到各所述点集合对应的第一序列；

根据各所述点集合对应的去除比例，从各所述点集合对应的第一序列中由前至后选取对应比例的点进行去除，得到精简后的目标点云数据。

4.根据权利要求1所述的方法，其特征在于，所述根据各所述点集合中包含的点的数量，对各所述点集合进行精简处理，得到精简后的目标点云数据，包括：

根据预定去除比例以及各所述点集合中包含的点的数量，确定各所述点集合中应去除的点的数量；

根据各所述点集合中应去除的点的数量，从各所述点集合中选取对应数量的点进行去除，得到精简后的目标点云数据。

5.根据权利要求1所述的方法，其特征在于，所述根据各点对应的曲率变化率，从所述待处理点云数据包含的点中识别出边界点，包括：

将所述待处理点云数据中包含的点按照对应的曲率变化率从大到小的顺序进行排列，得到第二序列；

根据预设的识别比例，将所述第二序列中选取排列在所述识别比例前的点识别为边界点。

6.根据权利要求1所述的方法，其特征在于，所述根据各点对应的曲率变化率，从所述待处理点云数据包含的点中识别出边界点，包括：

将各点对应的曲率变化率与预定阈值进行比较，将曲率变化率大于或等于所述预定阈值的点识别为边界点。

7.根据权利要求1所述的方法，其特征在于，所述基于所述边界点，采用聚类算法对待处理点云数据包含的点进行聚类，得到与各所述边界点对应的点集合，包括：

根据所述待处理点云数据，计算所述待处理点云数据中任意两点之间的空间距离的最大值；

根据所述最大值，确定K-means聚类算法的聚类半径；

根据所述聚类半径以及所述边界点的相关信息，采用K-means聚类算法对所述待处理点云数据进行聚类，得到与各所述边界点对应的点集合。

8.一种点云数据的精简装置，其特征在于，包括：

计算模块，用于获取待处理点云数据，并计算待处理点云数据中各点对应的曲率变化率；

识别模块，用于根据各点对应的曲率变化率，从所述待处理点云数据包含的点中识别出边界点；

聚类模块，用于基于所述边界点，采用聚类算法对所述待处理点云数据包含的点进行聚类，得到与各所述边界点对应的点集合；

处理模块，用于根据各所述点集合中包含的点的数量，对各所述点集合进行精简处理，得到精简后的目标点云数据。

9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1-7中任一项所述的点云数据的精简方法。

10.一种电子设备，其特征在于，包括：

处理器；以及

存储器，其上存储有计算机程序；

其中，所述处理器配置为经由执行所述计算机程序来实现如权利要求1-7中任一项所述的点云数据的精简方法。