[发明专利]一种分布式结构化三维点云图像处理方法及系统

说明书

本发明提供一种分布式结构化三维点云图像处理方法及系统，所述方法包括：获取三维点云图像和三维点云图像对应的扩展信息；对获取的三维点云图像及其扩展信息进行分类，建立关系映射模型，形成存储包含嵌套多个关系映射模型的树状数据结构；将不同的关系映射模型通过对应的处理线程存储为相应的数据文件；在接收到三维点云图像的数据读取请求时，为存储的各数据文件建立对应的线程并通过对应的线程加载各数据文件生成对应的结构化数据；根据结构化数据获取对应场景的语义化场景类别信息，解析出场景中包含的所有类别及标签代码，并将三维点云图像可视化。本发明可以高效存储三维点云图像和扩展标注信息，高效地对结构化数据进行并发访问。

技术领域

本发明涉及图像技术领域，特别是涉及三维点云图像技术领域，具体为一种分布式结构化三维点云图像处理方法及系统。

背景技术

三维点云图像是机器视觉、遥感建模、摄影测量、古建筑重建等需要对空间场景进行三维重构和语义感知标注的研究和应用领域中的一种标准化的图像数据存储数据结构，其将三维空间中物体表面的点的几何坐标数值作为存储的基本单元，整个三维点云数据是所有基本单元的集合。三维点云图像在场景重构和语义感知标注任务中同时用于存储：1).视觉传感器采集的原始图像；2).重构之后的完整场景图像；3).场景标注后的图像。点存储基本单元除了包含三个欧式空间坐标数值外，还支持色彩RGB值、法向量、曲率、类别标签等扩展，这些扩展直接附带在坐标值的后面，作为对当前点的补充描述信息(如附图-1所示)。这种数据结构具有明显的缺陷，主要体现在：1).对具有同类属性的点的扩展数据进行重复的存储，存在大量数据冗余，并且使I/O速度下降；2).随机排列的存储单元会导致即使是单独分析场景中某个类别的数据也需要遍历整个数据，分析效率极低；3).对场景信息的标注(人工或者自动化)均需要大量的处理时间，原始三维点云图像不能很好地融合图像原始数据和标注信息；4).对于大型场景，序列化的存储方式扩展性差，并且受到单个存储设备的容量限制。

经对现有技术的公开文献检索发现，Martin Weinmann.2016.Reconstructionand Analysis of 3D Scenes:From Irregularly Distributed 3D Points to ObjectClasses(1st ed.).Springer Publishing Company,Incorporated。作者讨论了如何自动化地对场景信息进行标注，但无论是原始数据还是带标签数据，均将各个点的标签均存储在其对应的存储单元中，在实际应用中仍然无法避免信息冗余、I/O缓慢、结构化差、扩展性差等问题。

发明内容

鉴于以上所述现有技术的缺点，本发明的目的在于提供一种分布式结构化三维点云图像处理方法及系统，用于高效地组织带有类别标签标注数据的结构化三维点云图像。

为实现上述目的及其他相关目的，本发明提供一种分布式结构化三维点云图像处理方法，包括：获取三维点云图像和三维点云图像对应的扩展信息；对获取的三维点云图像及其扩展信息进行分类，建立关系映射模型，形成存储包含嵌套多个所述关系映射模型的树状数据结构；将不同的所述关系映射模型通过对应的处理线程存储为相应的数据文件以供加载和读取；在接收到三维点云图像的数据读取请求时，为存储的各所述数据文件建立对应的线程并通过所述对应的线程加载各所述数据文件生成对应的结构化数据；根据所述结构化数据获取关于所述三维点云图像对应场景的语义化的场景类别信息，解析出所述场景中包含的所有类别及标签代码，并将所述三维点云图像进行可视化。

于本发明的一实施例中，采用JSON键-值存储格式建立关系映射模型，形成包嵌套多个所述关系映射模型的树状数据结构；所述数据文件为JSON数据文件。

于本发明的一实施例中，利用URI对所述树状数据结构中各个标签的数据点集合的路径进行描述。

于本发明的一实施例中，将不同类别的包含三维点云图像及其扩展信息的所述关系映射模型分布式地存储到不同的文件和/或不同的数据库系统中。