[发明专利]基于平坦度划分的点云精简算法和装置

权利要求书

1.一种基于平坦度划分的点云精简算法，其特征在于，包括：

构建树形结构对点云数据进行管理，并对管理后的所述点云数据进行滤波处理；

采用曲面拟合算法计算所述点云数据中各点云的平整度，并通过将各点云的所述平整度与第一预设阈值进行比较，将所述点云数据划分为平坦区域点云数据和非平坦区域点云数据；

将所述平坦区域点云数据先采用第一精简算法进行第一次点云精简，再采用第二精简算法进行第二次精简，从而得到平坦区域特征点数据；

将所述非平坦区域点云数据划分为多个网格，获取各网格中各点云与同一网格中相邻点云所在平面的法矢量夹角，通过各点云的所述法矢量夹角及各点云与同一网格中其余点云的距离权重值获得各点云的预设特征值，将所述各点云的预设特征值与第二预设阈值进行比较对所述非平坦区域点云数据进行精简，从而得到非平坦区域特征点数据；

将所述平坦区域特征点数据与所述非平坦区域特征点数据进行合成处理后再进行滤波处理从而得到总特征点数据。

2.根据权利要求1所述基于平坦度划分的点云精简算法，其特征在于，获取各网格中各点云与同一网格中相邻点云所在平面的法矢量夹角，包括：

通过构建的树形结构，选择点云n_i（i∈1~N，N为网格中点云所有的数据量）进行K个近邻点云搜索，得到近邻点组m_j（j∈1~K）；

对相邻点云构建协方差矩阵，求解协方差矩阵的特征值及特征矢量，最小特征值对应的特征矢量即为相邻点云所在平面法矢量；

计算各网格中各点云与同一网格中相邻点云所在平面的法矢量夹角λ。

3.根据权利要求2所述基于平坦度划分的点云精简算法，其特征在于，通过各点云的所述法矢量夹角及各点云与同一网格中其余点云的距离权重值获得各点云的预设特征值k，其中，。

4.根据权利要求1所述基于平坦度划分的点云精简算法，其特征在于，所述树形结构为基于KD-Tree的树形结构。

5.根据权利要求4所述基于平坦度划分的点云精简算法，其特征在于，对管理后的所述点云数据采用高斯平滑滤波器进行滤波处理。

6.根据权利要求5所述基于平坦度划分的点云精简算法，其特征在于，所述曲面拟合算法为最小二乘法曲面拟合算法。

7.根据权利要求1所述基于平坦度划分的点云精简算法，其特征在于，所述第一精简算法为QEM三维模型简化算法，所述第二精简算法为随机下采样算法或K-means聚类精简算法或体素栅格精简算法。

8.根据权利要求1所述基于平坦度划分的点云精简算法，其特征在于，采用包围盒法将所述非平坦区域点云数据划分为多个网格。

9.根据权利要求1所述基于平坦度划分的点云精简算法，其特征在于，将所述平坦区域特征点数据与所述非平坦区域特征点数据进行合成处理后再使用统计滤波器进行滤波处理从而得到总特征点数据。

10.一种基于平坦度划分的点云精简装置，其特征在于，包括：

构建滤波模块，用于构建树形结构对点云数据进行管理，并对管理后的所述点云数据进行滤波处理；

区域划分模块，采用曲面拟合算法计算所述点云数据中各点云的平整度，并通过将各点云的所述平整度与第一预设阈值进行比较，将所述点云数据划分为平坦区域点云数据和非平坦区域点云数据；

平坦区域精简模块，用于将所述平坦区域点云数据先采用第一精简算法进行第一次点云精简，再采用第二精简算法进行第二次精简，从而得到平坦区域特征点数据；

非平坦区域精简模块，用于将所述非平坦区域点云数据划分为多个网格，获取各网格中各点云与同一网格中相邻点云所在平面的法矢量夹角，通过各点云的所述法矢量夹角及各点云与同一网格中其余点云的距离权重值获得各点云的预设特征值，将所述各点云的预设特征值与第二预设阈值进行比较对所述非平坦区域点云数据进行精简，从而得到非平坦区域特征点数据；

合成模块，用于将所述平坦区域特征点数据与所述非平坦区域特征点数据进行合成处理后再进行滤波处理从而得到总特征点数据。