[发明专利]一种面向树木的三维点云数据的简化方法

权利要求书

1.一种面向树木的三维点云数据的简化方法，包括以下步骤：

S1. 输入包含n个三维空间点的树木点云数据集PointDataSet，输入网格边长width，输入同质化聚束数量clusternum，输入简化百分比percent：

S101. 输入树木点云数据集PointDataSet，PointDataSet为一个三维空间点构成的数据集{p₁, p₂, …, p_n}, 该数据集包含n个三维空间点; 其中任意一个三维点pi={px,py,pz}, px为该点在x轴的坐标，py为该点在y轴的坐标，pz为该点在z轴的坐标；

S102, 统计PointDataSet中的所有点，获得PointDataSet中所有点的x坐标最大值xmax,x坐标最小值xmin,y坐标最大值ymax,y坐标最小值ymin,z坐标最大值zmax,z坐标最小值zmin；

S103, PointDataSet中的所有点的x轴跨度xdistance=xmax-xmin,y轴跨度ydistance=ymax-ymin,z轴跨度zdistance=zmax-zmin；

S104，输入网格边长width，输入同质化聚束数量clusternum；

网格边长width的默认值为xdistance/1000；

同质化聚束数量clusternum的默认值为100；

S2. 将PointDataSet所占用的三维空间按照边长为width切割为多个立方网格，构成立方网格列表CubeList：

S201,立方网格列表CubeList=空集合；

S202,x迭代器xcounter=xmin；

S203, y迭代器ycounter=ymin；

S204, z迭代器zcounter=zmin；

S205，建立一个立方网格Cube，Cube包含以下属性：

Cube对应的空间范围scope为从(xcounter，ycounter, zcounter)至(xcounter+width，ycounter+width, zcounter+width)；

Cube的中心点位置的坐标：

cp=(xcounter+width/2,ycounter+width/2,ycounter+width/2)；

Cube的点密度density=0；Cube的隶属类目category=0；Cube的同质连权值priority=0；

S206,Cube的点密度density=在PointDataSet中包含在Cube空间范围内的所有空间点的个数；

S207，将Cube加入到CubeList之中；

S208，zcounter=zcounter+width；

S209，如果zcounter=zmax则转到S210，否则转到S205；

S210，ycounter=ycounter+width；

S211，如果ycounter=ymax则转到212，否则转到S204；

S212，xcounter=xcounter-1；

S213，如果xcounter=xmax则转到S214，否则转到S203；

S214，该步骤计算过程结束；

S3. 计算CubeList中每一个Cube的类属关系category，获得距离指数distanceindex：

S301，将CubeList中每一个Cube的点密度density作为输入数据，通过k-means算法将输入数据划分为clusternum个类目，获得clusternum个聚类中心c[1],c[2],…c[clustenum]；

其中c[1]表示编号为1的聚类中心，c[2]表示编号为2的聚类中心，c[clustenum]表示编号为clusternum的聚类中心；c[i]表示第i个聚类中心；

S302，对于CubeList中的每一个Cube，计算该Cube的density与clusternum个聚类中心的距离，并找到与density距离最近的聚类中心，将聚类中心的编号存储到Cube的类属关系category之中；

S303，建立数组CloseDistance=空数组；

S304，对于PointDataSet中的每一个三维空间点，找到与该点最近的另外一个三维空间点并将距离值加入到CloseDistance之中；

S305，计算CloseDistance的均值avgdistacne；

S307，统计CubeList所有Cube的category的均值avgcatalog；

S308，获得距离指数distanceindex，其计算公式如下：

S4.计算CubeList中每一个Cube同质连权值priority：

S401，对于CubeList中的每一个Cube进行以下步骤的处理；

S402，当前要处理网格currentCube=在CubeList中取出一个Cube；

S403，当前要处理的中心点centerpoint=currentCube的中心点位置的坐标cp；

S404，邻居列表neighborlist=计算CubeList中所有Cube的cp到centerpoint的距离，取出距离小于等于distanceindex的所有Cube；

S405，allnum=neighborlist中Cube的数量；

S406，同质化计数器scounter=0，异质化计数器yzcounter=0，迭代计数器counter=1；

S407，testCube=取出neighborlist中第counter个Cube；

S408，diff=ABS( currentCube的隶属类目category-testCube的隶属类目category)；

其中ABS表示计算绝对值；

S409，如果diff大于2则yzcounter=yzcounter+1，否则scounter=scounter+1；

S410，counter=counter+1；

S411，如果counter大于allnum则转到S412，否则转到S405；

S412，计算同质连接权限pri, 对应公式如下：

S413. currentCube的同质连权值priority=pri；

S5，依据同质连权值不断将三维空间点从PointDataSet中剔除，直到达到简化百分比：

S501， std=计算CubeList中所有Cube的同质连权值priority的标准差；

S502，轮转值circle=std/clusternum；

S503，对CubeList的所有Cube按照priority值进行从小到大的排序；

S504，待处理最小网格FirstCube=取出CubeList中排在第一位的Cube；

S505， ptlist=在PointDataSet内，取出包含在FirstCube空间范围内的所有三维空间点；

S506，如果ptlist中点的个数小于8则转到S507，否则转到S508；

S507，将FirstCube从CubeList中删除，转到S510；

S508，找到ptlist中距离FirstCube中心点位置的坐标cp最近的点，并将该点从PointDataSet中删除；

S509，FirstCube的同质连权值priority=FirstCube的同质连权值priority+circle；

S510，currentN=计算PointDataSet当前包含三维空间点的数量；

S511，如果(n-currentN)/n小于percent则转到S503，否则转到S512；

S512，将PointDataSet作为简化结果输出。