一种点云数据的人工交互粗拼方法、装置、设备及介质与流程

1.本发明涉及点云数据处理技术领域，尤其涉及一种点云数据的人工交互粗拼方法、装置、设备及介质。


背景技术：

2.当前点云粗拼领域主要是通过特征拼接或多点位同名点匹配的方式进行。基于点特征的粗拼接方法最常用的是点签名的拼接方法，此类方法是通过在点云数据中的每个点上定义一个特征描述因子，然后通过对两片或多片点云数据的每个点的特征描述因子进行比较，计算点云数据的转换参数来完成点云的拼接。此种方法的缺点在于：计算量大，且对噪声点敏感度较高，拼接的精度较低。


技术实现要素：

3.本发明实施例提供一种点云数据的人工交互粗拼方法、装置、设备及介质，以高的效率完成点云粗拼接情况下结合人工交互手段提高拼接精度。
4.为实现上述目的，本技术实施例的第一方面提供一种点云数据的人工交互粗拼方法，包括：
5.对两组点云数据分别进行降采样得到两组关键点云数据；
6.分别计算所述两组关键点云数据中每个点的fpfh特征向量；
7.根据每个点的fpfh特征向量，从所述两组关键点云数据中提取出多个特征点对；
8.采用ransac算法获取所述多个特征点对的粗拼矩阵；
9.根据所述粗拼矩阵对所述两组点云数据进行粗拼生成特征图片和拼接报告，将所述特征图片的筛选子集投影到xy平面得到交互图片；所述拼接报告包含所述特征图片中每个点云的拼接指标；
10.向用户展示所述拼接报告和所述交互图片，接收用户调整后的交互图片；
11.在所述特征图片所在向量空间还原所述调整后的交互图片，得到调整后的特征图片和调整后的粗拼矩阵，向用户展示调整后的特征图片和调整后的拼接报告。
12.在第一方面的一种可能的实现方式中，所述分别计算所述两组关键点云数据中每个点的fpfh特征向量，具体包括：
13.对所述两组关键点云数据中每个点分别计算，得到每个点的法向量与各个邻点的法向量之间的夹角、每个点与各个邻点的距离值比；
14.根据每个点的法向量与各个邻点的法向量之间的夹角得到角向量，根据每个点与各个邻点的距离值比得到距离向量；
15.将所述角向量和所述距离向量进行拼接，得到每个点的fpfh特征向量；所述fpfh特征向量的维度等于所述角向量和所述距离向量的维度之和。
16.在第一方面的一种可能的实现方式中，所述根据每个点的fpfh特征向量，从所述两组关键点云数据中提取出多个特征点对，具体包括：
17.分别计算一组关键点云数据中每个点的fpfh特征向量与另一组关键点云数据中各个点的fpfh特征向量之间的距离值集合；
18.使一组关键点云数据中每个点与另一组关键点云数据中一个点形成多个特征点对，并使每个特征点对之间的距离值之和最小；所述每个特征点对之间的距离值之和是根据所述距离值集合得到的。
19.在第一方面的一种可能的实现方式中，所述采用ransac算法获取所述多个特征点对的粗拼矩阵，具体包括：
20.多次从所述多个特征点对中选择部分特征点对计算变换矩阵，得到多个变换矩阵；
21.分别计算各个变换矩阵下的特征点对匹配数，保留特征点对匹配数大于预设匹配阈值的多个变换矩阵；
22.从保留的多个变换矩阵中选出特征点对匹配数最大的变换矩阵作为粗拼矩阵。
23.第一方面的一种可能的实现方式中，所述根据所述粗拼矩阵对所述两组点云数据进行粗拼生成特征图片和拼接报告，将所述特征图片的筛选子集投影到xy平面得到交互图片，具体包括：
24.所述根据所述粗拼矩阵对所述两组点云数据进行粗拼生成特征图片；
25.分析所述特征图片中的拼接指标，得到拼接报告；
26.提取所述特征图片中的法向量nz参数大于预设阈值的全部点云形成筛选子集；
27.将所述筛选子集投影到xy平面得到交互图片。
28.第一方面的一种可能的实现方式中，所述分析所述特征图片中的拼接指标，得到拼接报告，具体包括：
29.计算所述特征图片中每个点云的rmse指标、fitness指标和overlap指标；
30.分别按照rmse指标、fitness指标和overlap指标对全部点云进行排序并保存排序结果至拼接报告中。
31.第一方面的一种可能的实现方式中，所述在所述特征图片所在向量空间还原所述调整后的交互图片，得到调整后的特征图片和调整后的粗拼矩阵，具体包括：
32.在所述特征图片所在向量空间还原所述调整后的交互图片，得到调整后的特征图片；
33.根据调整后的特征图片中各个点云数据、所述两组点云数据中各个点云数据，计算调整后的粗拼矩阵。
34.本技术实施例的第二方面提供一种点云数据的人工交互粗拼装置，包括：
35.降采样模块，用于对两组点云数据分别进行降采样得到两组关键点云数据；
36.fpfh模块，用于分别计算所述两组关键点云数据中每个点的fpfh特征向量；
37.提取模块，用于根据每个点的fpfh特征向量，从所述两组关键点云数据中提取出多个特征点对；
38.ransac模块，用于采用ransac算法获取所述多个特征点对的粗拼矩阵；
39.生成模块，用于根据所述粗拼矩阵对所述两组点云数据进行粗拼生成特征图片和拼接报告，将所述特征图片的筛选子集投影到xy平面得到交互图片；所述拼接报告包含所述特征图片中每个点云的拼接指标；
40.交互模块，用于向用户展示所述拼接报告和所述交互图片，接收用户调整后的交互图片；
41.调整模块，用于在所述特征图片所在向量空间还原所述调整后的交互图片，得到调整后的特征图片和调整后的粗拼矩阵，向用户展示调整后的特征图片和调整后的拼接报告。
42.本技术实施例的第三方面提供一种终端设备，包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序，所述处理器执行所述计算机程序时实现如上所述点云数据的人工交互粗拼方法。
43.本技术实施例的第四方面提供一种计算机可读存储介质，其存储有计算机程序，所述计算机程序被处理器执行时实现如上所述点云数据的人工交互粗拼方法。
44.相比于现有技术，本发明实施例提供的一种点云数据的人工交互粗拼方法、装置、设备及介质，根据所述粗拼矩阵对所述两组点云数据进行粗拼生成特征图片和拼接报告，用户通过与特征图片关联的拼接报告中的拼接指标(rmse指标、fitness指标和overlap指标)发现问题，在交互图片上进行人工编辑，然后将人工交互获得的矩阵重新提取为调整后的粗拼矩阵，并记录和再次计算rmse、fitness和overlap，a)用户可以再次检查粗拼结果报告直至拼接精度达到预期目标。
45.本发明在两组点云数据进行粗拼的过程中形成的粗拼矩阵以交互图片和拼接报告的形式反映给用户，用户可以根据交互图片和拼接报告中的拼接指标直观地对每个出现的点云位置进行修正，进而形成新的特征图片跟粗拼矩阵，通过人工交互的方式监督和补偿粗拼过程产生的拼接误差。
附图说明
46.图1是本发明一实施例提供的一种点云数据的人工交互粗拼方法的流程示意图；
47.图2是本发明一实施例提供中交互图片和拼接报告的展示示意图；
48.图3是本发明一实施例提供中用户对交互图片进行交互的交互示意图；
49.图4是本发明一实施例提供的一种点云数据的人工交互粗拼装置的结构示意图。
具体实施方式
50.下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
51.请参见图1，本发明一实施例提供一种点云数据的人工交互粗拼方法，包括：
52.s10、对两组点云数据分别进行降采样得到两组关键点云数据。
53.s11、分别计算所述两组关键点云数据中每个点的fpfh特征向量。
54.s12、根据每个点的fpfh特征向量，从所述两组关键点云数据中提取出多个特征点对。
55.s13、采用ransac算法获取所述多个特征点对的粗拼矩阵。
56.s14、根据所述粗拼矩阵对所述两组点云数据进行粗拼生成特征图片和拼接报告，
将所述特征图片的筛选子集投影到xy平面得到交互图片；所述拼接报告包含所述特征图片中每个点云的拼接指标。
57.s15、向用户展示所述拼接报告和所述交互图片，接收用户调整后的交互图片。
58.s16、在所述特征图片所在向量空间还原所述调整后的交互图片，得到调整后的特征图片和调整后的粗拼矩阵，向用户展示调整后的特征图片和调整后的拼接报告。
59.本实施例的实质是一种带人工交互的粗拼拼接流程方法，首先对两组点云数据进行特征提取，基于特征的自动匹配符合目标的粗拼矩阵，调整粗拼矩阵过程中加入全局三维的特征可视化，并提供人工交互方式对粗拼矩阵的映射——交互图片进行交互，交互结果用于修改粗拼矩阵进而达到更精确的粗拼效果。
60.在s10的降采样处理中，将点云数据进行处理前的降采样，可以选择以下几种方式：
61.a)体素下采样：
62.按照划分一定大小的网格，例如0.05cm，则每0.05cm的xyz包围盒中最多只保留其中所有点的重心；
63.b)随机下采样：
64.按照一定采样比例，例如每5个点保留1个点；
65.c)最远离群点采样：
66.从第一个点开始循环查询，例如0.05cm范围内的其他点都去除。
67.示例性地，s11具体包括：
68.s110、对所述两组关键点云数据中每个点分别计算，得到每个点的法向量与各个邻点的法向量之间的夹角、每个点与各个邻点的距离值比。
69.s111、根据每个点的法向量与各个邻点的法向量之间的夹角得到角向量，根据每个点与各个邻点的距离值比得到距离向量。
70.s112、将所述角向量和所述距离向量进行拼接，得到每个点的fpfh特征向量；所述fpfh特征向量的维度等于所述角向量和所述距离向量的维度之和。
71.s11主要采用fpfh特征对两组关键点云数据组进行特征计算，获取对应的关键点特征值，一般而言，可选的计算方法如下：
72.a)对于每个点，计算它的法向量。
73.b)对于每个点，找到它的k近邻点集合，并计算每个邻点与该点的距离。
74.c)对于每个点，计算其与每个邻点的法向量之间的角度(两个点对应法向量之间的夹角)，并将这些角度作为一个向量存储起来。
75.d)对于每个点，计算其与每个邻点的距离之比，并将这些距离之比作为另一个向量存储起来。
76.e)对于每个点，将第3步和第4步计算得到的两个向量拼接起来形成一个新的向量，并将该向量作为该点的fpfh特征。
77.示例性地，s12具体包括：
78.s120、分别计算一组关键点云数据中每个点的fpfh特征向量与另一组关键点云数据中各个点的fpfh特征向量之间的距离值集合。
79.s121、使一组关键点云数据中每个点与另一组关键点云数据中一个点形成多个特
征点对，并使每个特征点对之间的距离值之和最小；所述每个特征点对之间的距离值之和是根据所述距离值集合得到的。
80.示例性地，s13具体包括：
81.s130、多次从所述多个特征点对中选择部分特征点对计算变换矩阵，得到多个变换矩阵。
82.s131、分别计算各个变换矩阵下的特征点对匹配数，保留特征点对匹配数大于预设匹配阈值的多个变换矩阵。
83.s132、从保留的多个变换矩阵中选出特征点对匹配数最大的变换矩阵作为粗拼矩阵。
84.本实施例采用ransac方法进行匹配，获得最佳匹配的粗拼矩阵，计算方法如下：
85.a)从两组点云中提取出fpfh特征向量最近的特征点对。
86.b)随机选择一小部分特征点对(一般可选3组)，计算它们之间的变换矩阵。
87.c)对于其它所有特征点对，计算它们之间的距离，若距离小于一个阈值，则认为它们是匹配的。
88.d)统计在变换矩阵下匹配的点对数，若该数目大于一个阈值，则认为当前的变换矩阵是好的。
89.e)重复执行多次步骤b)到步骤d)之间的步骤，选出匹配点对数最多的那个变换矩阵作为最终的匹配结果(粗拼矩阵)。
90.示例性地，s14，具体包括：
91.s140、所述根据所述粗拼矩阵对所述两组点云数据进行粗拼生成特征图片。
92.s141、分析所述特征图片中的拼接指标，得到拼接报告。
93.s142提取所述特征图片中的法向量nz参数大于预设阈值的全部点云形成筛选子集。
94.s143、将所述筛选子集投影到xy平面得到交互图片。
95.对根据粗拼矩阵拼接生成的特征图片，将特征图片中所有点云根据法向量做筛选，提取nz》0.85(参数，可调整)的子集，再降子集中的点投影到xy平面，最后生成一张交互图片。
96.示例性地，s141具体包括：
97.s1410、计算所述特征图片中每个点云的rmse指标、fitness指标和overlap指标；
98.s1411、分别按照rmse指标、fitness指标和overlap指标对全部点云进行排序并保存排序结果至拼接报告中。
99.对粗拼矩阵形成的拼接结果生成拼接报告，计算拼接结果的rmse和fitness，其中rmse计算方法如下：
100.i.对于每个拼接后的点，找到其在原始点云中的最近邻点。
101.ii.计算每个点与其最近邻点之间的距离，并将所有距离的平方求和。
102.iii.对所有点的距离平方和求平均值，然后取其平方根，即得到rmse指标。
103.fitness计算方法如下：
104.i.对于每个点，找到其在原始点云中的最近邻点。
105.ii.对于每个点，计算其与最近邻点之间的距离。
106.iii.将所有点之间的距离平均值求出，并取其倒数，即得到fitness指标。
107.overlap计算方法如下：
108.i.对于两个点云，分别计算它们的边界框(bounding box)。
109.ii.计算两个边界框之间的交集(intersection)和并集(union)。
110.iii.将交集体积值除以并集体积值，即得到overlap值。
111.请参见图2和3，在s15中，用户可以根据拼接报告对交互图片进行交互，对出现问题的拼接进行人工编辑：比如通过移动端调用站点的交互图片和拼接报告，结合手工交互，在拼接报告中选择fitness或overlap排序查看点云数据，发现容易出现问题的拼接，由于拼接报告与交互图片相关联，用户点击拼接报告相关点云数据可以直接选出交互图片中的点云数据，然后进行手工校正拼接。
112.示例性地，s16中所述在所述特征图片所在向量空间还原所述调整后的交互图片，得到调整后的特征图片和调整后的粗拼矩阵，具体包括：
113.在所述特征图片所在向量空间还原所述调整后的交互图片，得到调整后的特征图片。
114.根据调整后的特征图片中各个点云数据、所述两组点云数据中各个点云数据，计算调整后的粗拼矩阵。
115.相比于现有技术，本发明实施例提供的一种点云数据的人工交互粗拼方法，根据所述粗拼矩阵对所述两组点云数据进行粗拼生成特征图片和拼接报告，用户通过与特征图片关联的拼接报告中的拼接指标(rmse指标、fitness指标和overlap指标)发现问题，在交互图片上进行人工编辑，然后将人工交互获得的矩阵重新提取为调整后的粗拼矩阵，并记录和再次计算rmse、fitness和overlap，a)用户可以再次检查粗拼结果报告直至拼接精度达到预期目标。
116.本发明在两组点云数据进行粗拼的过程中形成的粗拼矩阵以交互图片和拼接报告的形式反映给用户，用户可以根据交互图片和拼接报告中的拼接指标直观地对每个出现的点云位置进行修正，进而形成新的特征图片跟粗拼矩阵，通过人工交互的方式监督和补偿粗拼过程产生的拼接误差。
117.请参见图4，本技术一实施例提供一种点云数据的人工交互粗拼装置，包括：降采样模块201、fpfh模块202、提取模块203、ransac模块204、生成模块205、交互模块206和调整模块207。
118.降采样模块201，用于对两组点云数据分别进行降采样得到两组关键点云数据。fpfh模块202，用于分别计算所述两组关键点云数据中每个点的fpfh特征向量；
119.提取模块203，用于根据每个点的fpfh特征向量，从所述两组关键点云数据中提取出多个特征点对。
120.ransac模块204，用于采用ransac算法获取所述多个特征点对的粗拼矩阵。
121.生成模块205，用于根据所述粗拼矩阵对所述两组点云数据进行粗拼生成特征图片和拼接报告，将所述特征图片的筛选子集投影到xy平面得到交互图片；所述拼接报告包含所述特征图片中每个点云的拼接指标。
122.交互模块206，用于向用户展示所述拼接报告和所述交互图片，接收用户调整后的交互图片。
123.调整模块207，用于在所述特征图片所在向量空间还原所述调整后的交互图片，得到调整后的特征图片和调整后的粗拼矩阵，向用户展示调整后的特征图片和调整后的拼接报告。
124.所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的定位装置的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述
。
125.相比于现有技术，本发明实施例提供的一种点云数据的人工交互粗拼装置，根据所述粗拼矩阵对所述两组点云数据进行粗拼生成特征图片和拼接报告，用户通过与特征图片关联的拼接报告中的拼接指标(rmse指标、fitness指标和overlap指标)发现问题，在交互图片上进行人工编辑，然后将人工交互获得的矩阵重新提取为调整后的粗拼矩阵，并记录和再次计算rmse、fitness和overlap，a)用户可以再次检查粗拼结果报告直至拼接精度达到预期目标。
126.本发明在两组点云数据进行粗拼的过程中形成的粗拼矩阵以交互图片和拼接报告的形式反映给用户，用户可以根据交互图片和拼接报告中的拼接指标直观地对每个出现的点云位置进行修正，进而形成新的特征图片跟粗拼矩阵，通过人工交互的方式监督和补偿粗拼过程产生的拼接误差。
127.本发明还提供一种终端设备，包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序，所述处理器执行所述计算机程序时实现如上所述的一种点云数据的人工交互粗拼方法。
128.示例性的，所述计算机程序可以被分割成一个或多个模块/单元，所述一个或者多个模块/单元被存储在所述存储器中，并由所述处理器执行，以完成本发明。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述所述计算机程序在所述终端设备中的执行过程。
129.所述终端设备可以是桌上型计算机、笔记本、掌上电脑及智能平板等计算设备。所述终端设备可包括，但不仅限于，处理器、存储器。本领域技术人员可以理解，上述部件仅仅是终端设备的示例，并不构成对终端设备的限定，可以包括比上述更多或更少的部件，或者组合某些部件，或者不同的部件，例如所述终端设备还可以包括输入输出设备、网络接入设备、总线等。
130.所称处理器可以是中央处理单元(central processing unit，cpu)，还可以是其他通用处理器、数字信号处理器(digital signal processor，dsp)、专用集成电路(application specific integrated circuit，asic)、现成可编程门阵列(field-programmable gate array，fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等，所述处理器是所述终端设备的控制中心，利用各种接口和线路连接整个终端设备的各个部分。
131.所述存储器可用于存储所述计算机程序和/或模块，所述处理器通过运行或执行存储在所述存储器内的计算机程序和/或模块，以及调用存储在存储器内的数据，实现所述终端设备的各种功能。所述存储器可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等；存储数据区可存储根据手机的使用所创建的数据(比如音频数据、电话本等)等。此外，存储
器可以包括高速随机存取存储器，还可以包括非易失性存储器，例如硬盘、内存、插接式硬盘，智能存储卡(smart media card,smc)，安全数字(secure digital,sd)卡，闪存卡(flash card)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
132.其中，所述终端设备集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、u盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(rom，read-only memory)、随机存取存储器(ram，random access memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是，所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括电载波信号和电信信号。
133.需说明的是，以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。另外，本发明提供的装置实施例附图中，模块之间的连接关系表示它们之间具有通信连接，具体可以实现为一条或多条通信总线或信号线。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。
134.以上所述是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也视为本发明的保护范围。

技术特征：
1.一种点云数据的人工交互粗拼方法，其特征在于，包括：对两组点云数据分别进行降采样得到两组关键点云数据；分别计算所述两组关键点云数据中每个点的fpfh特征向量；根据每个点的fpfh特征向量，从所述两组关键点云数据中提取出多个特征点对；采用ransac算法获取所述多个特征点对的粗拼矩阵；根据所述粗拼矩阵对所述两组点云数据进行粗拼生成特征图片和拼接报告，将所述特征图片的筛选子集投影到xy平面得到交互图片；所述拼接报告包含所述特征图片中每个点云的拼接指标；向用户展示所述拼接报告和所述交互图片，接收用户调整后的交互图片；在所述特征图片所在向量空间还原所述调整后的交互图片，得到调整后的特征图片和调整后的粗拼矩阵，向用户展示调整后的特征图片和调整后的拼接报告。2.如权利要求1所述点云数据的人工交互粗拼方法，其特征在于，所述分别计算所述两组关键点云数据中每个点的fpfh特征向量，具体包括：对所述两组关键点云数据中每个点分别计算，得到每个点的法向量与各个邻点的法向量之间的夹角、每个点与各个邻点的距离值比；根据每个点的法向量与各个邻点的法向量之间的夹角得到角向量，根据每个点与各个邻点的距离值比得到距离向量；将所述角向量和所述距离向量进行拼接，得到每个点的fpfh特征向量；所述fpfh特征向量的维度等于所述角向量和所述距离向量的维度之和。3.如权利要求1所述点云数据的人工交互粗拼方法，其特征在于，所述根据每个点的fpfh特征向量，从所述两组关键点云数据中提取出多个特征点对，具体包括：分别计算一组关键点云数据中每个点的fpfh特征向量与另一组关键点云数据中各个点的fpfh特征向量之间的距离值集合；使一组关键点云数据中每个点与另一组关键点云数据中一个点形成多个特征点对，并使每个特征点对之间的距离值之和最小；所述每个特征点对之间的距离值之和是根据所述距离值集合得到的。4.如权利要求1所述点云数据的人工交互粗拼方法，其特征在于，所述采用ransac算法获取所述多个特征点对的粗拼矩阵，具体包括：多次从所述多个特征点对中选择部分特征点对计算变换矩阵，得到多个变换矩阵；分别计算各个变换矩阵下的特征点对匹配数，保留特征点对匹配数大于预设匹配阈值的多个变换矩阵；从保留的多个变换矩阵中选出特征点对匹配数最大的变换矩阵作为粗拼矩阵。5.如权利要求1所述点云数据的人工交互粗拼方法，其特征在于，所述根据所述粗拼矩阵对所述两组点云数据进行粗拼生成特征图片和拼接报告，将所述特征图片的筛选子集投影到xy平面得到交互图片，具体包括：所述根据所述粗拼矩阵对所述两组点云数据进行粗拼生成特征图片；分析所述特征图片中的拼接指标，得到拼接报告；提取所述特征图片中的法向量nz参数大于预设阈值的全部点云形成筛选子集；将所述筛选子集投影到xy平面得到交互图片。
6.如权利要求5所述点云数据的人工交互粗拼方法，其特征在于，所述分析所述特征图片中的拼接指标，得到拼接报告，具体包括：计算所述特征图片中每个点云的rmse指标、fitness指标和overlap指标；分别按照rmse指标、fitness指标和overlap指标对全部点云进行排序并保存排序结果至拼接报告中。7.如权利要求1所述点云数据的人工交互粗拼方法，其特征在于，所述在所述特征图片所在向量空间还原所述调整后的交互图片，得到调整后的特征图片和调整后的粗拼矩阵，具体包括：在所述特征图片所在向量空间还原所述调整后的交互图片，得到调整后的特征图片；根据调整后的特征图片中各个点云数据、所述两组点云数据中各个点云数据，计算调整后的粗拼矩阵。8.一种点云数据的人工交互粗拼装置，其特征在于，包括：降采样模块，用于对两组点云数据分别进行降采样得到两组关键点云数据；fpfh模块，用于分别计算所述两组关键点云数据中每个点的fpfh特征向量；提取模块，用于根据每个点的fpfh特征向量，从所述两组关键点云数据中提取出多个特征点对；ransac模块，用于采用ransac算法获取所述多个特征点对的粗拼矩阵；生成模块，用于根据所述粗拼矩阵对所述两组点云数据进行粗拼生成特征图片和拼接报告，将所述特征图片的筛选子集投影到xy平面得到交互图片；所述拼接报告包含所述特征图片中每个点云的拼接指标；交互模块，用于向用户展示所述拼接报告和所述交互图片，接收用户调整后的交互图片；调整模块，用于在所述特征图片所在向量空间还原所述调整后的交互图片，得到调整后的特征图片和调整后的粗拼矩阵，向用户展示调整后的特征图片和调整后的拼接报告。9.一种终端设备，其特征在于，包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序，所述处理器执行所述计算机程序时实现如权利要求1至7中任意一项所述点云数据的人工交互粗拼方法。10.一种计算机可读存储介质，其特征在于，其存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述点云数据的人工交互粗拼方法。

技术总结
本发明公开一种点云数据的人工交互粗拼方法、装置、设备及介质，所述方法包括：根据粗拼矩阵对两组点云数据进行粗拼生成特征图片和拼接报告，将所述特征图片的筛选子集投影到XY平面得到交互图片；所述拼接报告包含所述特征图片中每个点云的拼接指标；向用户展示所述拼接报告和所述交互图片，接收用户调整后的交互图片；在所述特征图片所在向量空间还原所述调整后的交互图片，得到调整后的特征图片和调整后的粗拼矩阵，向用户展示调整后的特征图片和调整后的拼接报告。采用本发明，以高的效率完成点云粗拼接情况下结合人工交互手段提高拼接精度。拼接精度。拼接精度。


技术研发人员：邹朝军 周佛灵
受保护的技术使用者：广州启量信息科技有限公司
技术研发日：2023.05.12
技术公布日：2023/8/13