[发明专利]点云数据特征点提取方法、装置、计算机设备及存储介质

说明书

本发明适用于计算机技术领域，提供了一种点云数据特征点提取方法、装置、计算机设备及存储介质，所述方法包括：获取待提取特征的点云数据；根据改进法向量计算方法对所述点云数据进行处理，确定各个数据点的法向量，其中改进法向量计算方法中引入了与邻域数据点到采样数据点之间的距离相关的权重系数；根据各个数据点的法向量确定所述点云数据中的特征数据点。本发明提供的点云数据特征点提取方法，提高了“更近”邻域点在采样点的法向量估算中的影响，削弱了“远离”邻域点对采样点的法向量估算的干扰，充分顾及了邻域点集空间分布的差异性，从而有效提高了尖锐或边缘部位点云法向量估算的稳定性和抗噪性。

技术领域

本发明属于计算机技术领域，尤其涉及一种点云数据特征点提取方法、装置、计算机设备及存储介质。

背景技术

三维激光扫描系统能快速获取地理实体高精度、高密度的三维空间信息—点云数据，具有自动化程度高、扫描速度快等优势，已在工业零部件检测、工程制图、模式识别、3D模型重建等领域得到广泛应用。但通过三维激光扫描系统获取的点云数据通常存在数据量大且冗余、特征信息不明显、点云噪声等问题，严重影响了点云数据处理的效率和精度，因此研究如何实现快速的点云特征提取方法已成为激光雷达技术研究的热点。

现有的点云特征提取方法主要包括三种，基于图像特征检测的点云特征提取、基于点云分割的点云特征提取以及基于法向量信息的点云特征提取。其中基于图像特征检测的点云特征提取方法中细微特征不能有效识别，而基于点云分割的点云特征提取方法的提取精度依赖于点云分割的结果，容易存在点云特征误提取现象。因此，目前最常用的点云特征提取方法是基于法向量信息的点云特征提取。然而，离散点云数据的法向量计算容易受邻域尺度的影响，邻域噪声点容易影响到法向量的估算精度，从而影响到后续点云数据特征点的提取精度。

可见，现有的点云数据特征点提取方法还普遍存在着点云数据特征点的提取精度不足的技术问题。

发明内容

本发明实施例的目的在于提供一种点云数据特征点提取方法，旨在解决现有的点云数据特征点提取方法还普遍存在的点云数据特征点的提取精度不足的技术问题。

本发明实施例是这样实现的，一种点云数据特征点提取方法，包括：

获取待提取特征的点云数据；

根据预设的改进法向量计算方法对所述点云数据进行处理，确定各个数据点的法向量；所述改进法向量计算方法中局部邻域范围内的邻域数据点的空间分布对数据点的法向量的影响计算公式引入与邻域数据点到采样数据点之间的距离相关的权重系数；

根据各个数据点的法向量确定所述点云数据中的特征数据点。

本发明实施例的另一目的在于提供一种点云数据特征点提取装置，包括：

点云数据获取单元，用于获取待提取特征的点云数据；

数据点法向量确定单元，用于根据预设的改进法向量计算方法对所述点云数据进行处理，确定各个数据点的法向量；所述改进法向量计算方法中局部邻域范围内的邻域数据点的空间分布对数据点的法向量的影响计算公式引入与邻域数据点到采样数据点之间的距离相关的权重系数；

特征数据点提取单元，用于根据各个数据点的法向量确定所述点云数据中的特征数据点。

本发明实施例的另一目的在于提供一种计算机设备，包括存储器和处理器，所述存储器中存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行如上述所述点云数据特征点提取方法的步骤。

本发明实施例的另一目的在于提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行如上述所述点云数据特征点提取方法的步骤。