一种保留重要特征的点云数据下采样方法

技术特征：
1.一种保留重要特征的点云数据下采样方法，其特征在于，包括以下步骤：步骤1：输入点云数据，并设置用于训练点云数据的训练模型参数，所述训练模型参数包括采样点个数以及是否使用输入点云的法向量特征；步骤2：采用最远点采样方法对输入的点云数据进行第一次采样，得到采样点集合，记为集合a；步骤3：对所有输入的点云数据进行一次卷积计算，增大点的特征维度数；步骤4：对进行卷积计算后的点云数据的每个维度的特征进行最大池化操作，最大池化操作参照二维图像的最大池化操作进行，选取特征信息最大的点作为重要特征点，并记录该重要特征点对应的索引值；步骤5：通过重要特征点所对应的索引值得到该重要特征点的空间位置特征；步骤6：计算每个重要特征点与集合a中采样点的距离，并保存在距离矩阵中；步骤7：求出每个重要特征点到集合a中采样点的距离最小值，并求出距离最小值对应的集合a中采样点的索引值，记为mindis_idx；步骤8：通过步骤7中得到的距离最小值是否为0来判断第一次采样是否采样到对应的重要特征点；步骤9：将集合a中为非重要特征点的采样点替换为离该非重要特征点距离最近的重要特征点，作为采样点；步骤10：输出经过步骤9替换后的所有采样点的索引值；步骤11：输出下采样后的点云数据。2.根据权利要求1所述的一种保留重要特征的点云数据下采样方法，其特征在于，所述步骤2包括以下步骤：步骤2.1：计算点云数据的质心，计算公式为：式中：p
c
为点云数据的质心的空间位置坐标；x
i
、y
i
以及z
i
分别为输入的点云数据中的第i个点在三个维度上的坐标值；步骤2.2：利用欧几里得三维空间距离计算方法求出距离质心最接近的点p1，计算公式为：式中：d为两点之间的距离，x1、y1、z1和x2、y2、z2分别为两个点的空间位置坐标；步骤2.3：将p1作为第一个采样点，再利用最远点采样方法进行下采样，得到采样点集合，记为集合a。3.根据权利要求1所述的一种保留重要特征的点云数据下采样方法，其特征在于，步骤6中所述的距离矩阵中的行表示每个重要特征点，列表示第一次采样得到的点。4.根据权利要求1所述的一种保留重要特征的点云数据下采样方法，其特征在于，所述步骤8中的重要特征点是否已采样到的判断条件以及判断结果具体如下：当距离最小值为0时，说明该重要特征点已被采样；当距离最小值不等于0时，则表明第一次采样后未采样到该重要特征点，则进行步骤9所述的替换操作。5.根据权利要求1所述的一种保留重要特征的点云数据下采样方法，其特征在于，所述
步骤9包括以下步骤：步骤9.1：创建一个与距离最小矩阵大小相同的矩阵，命名为替换判断矩阵，替换判断矩阵的所有元素赋值为常数c；步骤9.2：若距离最小值不等于0，则将对应的集合a中的采样点索引值mindis_idx保存在替换判断矩阵中；步骤9.3：若替换判断矩阵中的元素值不等于常数c，则进行替换操作：将所述元素值对应的重要特征点的索引值赋值给集合a中第mindis_idx个采样点。6.根据权利要求1所述的一种保留重要特征的点云数据下采样方法，其特征在于，所述最远点采样方法包括以下步骤：设输入的点云数据有n个点，采样点个数为x；a.从点云数据中随机选取一个点f
i
作为起始点，并将点f
i
写入采样点集合a中，得到采样点集合a
i
记为a
i
＝{f
i
}，并建立一个用于保存每个点与采样点集合a的距离最小值的距离集合d；b.计算剩余n-1个点与点f
i
的距离，将n-1个距离值保存在距离集合d中，记为d
i
＝{d1,d2,d3,...,d
n-1
},从集合d
i
中选择距离最大值对应的点f
j
，并将点f
j
写入所述采样点集合a
i
中，得到采样点集合a
j
，记为a
j
＝{f
i
,f
j
}；c.计算剩余的n-2个点与点f
j
的距离，对于剩余的n-2中的每一个点，若其距离点f
j
的距离小于其距离点f
i
的距离，则将距离集合d
i
中该点的距离值更新为其距离点f
j
的距离，得到距离集合d
j
＝{d1,d2,d3,...,d
n-2
}；从距离集合d
j
中选取距离最大值所对应的点f
k
，将其写入采样点集合a
k
＝{f
i
,f
j
,f
k
},同时剩余n-3个点；d.重复上述步骤b-c直到采样点集合中有x个点为止。7.根据权利要求1所述的一种保留重要特征的点云数据下采样方法，其特征在于，所述步骤10中若还需再次采样，则输出采样点索引值作为下一层次采样过程的点云输入数据，循环步骤2-9进行下一层次的采样过程直到采样完成；若不需再次采样的，则采样完毕。

技术总结
本发明属于计算机视觉和点云下采样技术领域，尤其涉及一种保留重要特征的点云数据下采样方法；本发明采用最远点采样方法得到点云数据的采样点集合，之后，在每个特征维度上选取最大的点组成关键特征点集合，计算采样点集合和关键特征点集合两个集合中点与点之间的距离值；最后，按照距离最近原则把采样点集合与关键关键特征点集合的差集替换为关键特征点，得到最终的采样点集合。本发明通过上述下采样方法实现了关键点的提取，实现稀疏点云数据的输出，或者作为形状轮廓及细节提取的方法，为后续点云数据的高效处理带来便利。为后续点云数据的高效处理带来便利。为后续点云数据的高效处理带来便利。


技术研发人员：王靖雅 周荣好 张斌 夏金祥
受保护的技术使用者：电子科技大学
技术研发日：2022.03.15
技术公布日：2022/6/14