[发明专利]点云数据采样方法、装置及电子设备

权利要求书

1.一种点云数据采样方法，其特征在于，所述方法包括：

获取目标对象的原始点云数据；所述原始点云数据为通过激光雷达对所述目标对象进行扫描得到的点云数据；所述原始点云数据中每个点对应有三维坐标值；

通过预设神经网络对所述原始点云数据进行特征提取，得到所述原始点云数据中每个点对应的特征值；

基于每个所述点分别对应的三维坐标值和特征值所确定的点与点之间的距离，对所述原始点云数据进行循环点采样，以不断更新当前点云采样集，直到所述当前点云采样集对应的采样点数量达到预设阈值，将所述当前点云采样集确定为目标点云采样集；其中，所述点与点之间的距离为基于点与点间的几何距离和特征距离加权得到的，所述几何距离根据点与点的三维坐标值计算得到，所述特征距离根据点与点的特征值计算得到。

2.根据权利要求1所述的方法，其特征在于，基于每个所述点分别对应的三维坐标值和特征值所确定的点与点之间的距离，对所述原始点云数据进行循环点采样，以不断更新当前点云采样集的步骤，包括：

从所述原始点云数据中选定初始采样点，将添加有所述初始采样点的点云采样集作为当前点云采样集，循环执行以下采样步骤：

计算所述原始点云数据中，除所述当前点云采样集中的点外的其它点分别与所述当前点云采样集间的第一距离；将多个第一距离中的最大值对应的点作为目标采样点；利用所述目标采样点更新所述当前点云采样集；其中，所述第一距离为基于三维坐标值和特征值分别计算得到的点与点之间的几何距离和特征距离确定的。

3.根据权利要求2所述的方法，其特征在于，所述特征距离可以通过以下任一距离计算公式计算得到：欧式距离计算公式、高斯距离计算公式、曼哈顿距离计算公式、余弦距离计算公式。

4.根据权利要求2所述的方法，其特征在于，计算所述原始点云数据中，除所述当前点云采样集中的点外的其它点分别与所述当前点云采样集间的第一距离的步骤，包括：

将所述原始点云数据中，除所述当前点云采样集中的点外的其它点分别作为当前点，均执行以下步骤：

计算所述当前点与所述当前点云采样集中点之间的第二距离；

基于所述第二距离确定所述当前点与所述当前点云采样集间的第一距离。

5.根据权利要求4所述的方法，其特征在于，计算所述当前点与所述当前点云采样集中点之间的第二距离的步骤，包括：

获取所述当前点和所述当前点云采样集中点分别对应的三维坐标值和特征值；

根据所述当前点和所述当前点云采样集中点分别对应的三维坐标值，计算点与点之间的几何距离；

根据所述当前点和所述当前点云采样集中点分别对应的特征值，计算点与点之间的特征距离；

计算所述几何距离和特征距离的加权和，得到所述当前点与所述当前点云采样集中点之间的第二距离。

6.根据权利要求4所述的方法，其特征在于，基于所述第二距离确定所述当前点与所述当前点云采样集间的第一距离的步骤，包括：

如果所述第二距离为一个，将所述第二距离确定为所述当前点与所述当前点云采样集间的第一距离；

如果所述第二距离包括多个，将多个第二距离中的最小值确定为所述当前点与所述当前点云采样集间的第一距离。

7.根据权利要求1所述的方法，其特征在于，通过预设神经网络对所述原始点云数据进行特征提取，得到所述原始点云数据中每个点对应的特征值的步骤，包括：

将所述原始点云数据输入所述预设神经网络进行预测，得到所述原始点云数据中每个点对应的特征值。