[发明专利]一种基于特征计算的点云轻量化方法及存储介质

权利要求书

1.一种基于特征计算的点云轻量化方法，其特征在于，包括以下步骤：

建立八叉树和叶子节点队列步骤：

根据点云源数据在X、Y、Z轴上的区间范围以及预设深度参数构建八叉树，每个节点都存储了一个X、Y、Z轴的数据区间，其中，该八叉树的根节点的数据区间为点云源数据在X、Y、Z轴上的总区间，八个子节点的数据区间叠加构成对应的父节点的数据区间；

建立叶子节点队列，将所构建的八叉树的底层的叶子节点加入到所述叶子节点队列中；

八叉树节点遍历步骤：

设置计数器C并初始化为8，访问所述叶子节点队列中的第一个叶子节点，其中，访问操作为：获取当前所访问叶子节点的数据区间所对应的点云数据并将该叶子节点从所述叶子节点队列中删除，对该叶子节点的点云数据进行特征计算，按预设比例删除非特征点并保存结果文件，并令所述计数器C＝C-1；

判断所述计数器C是否小于或等于1；

若是，则将所述计数器C重置为8并将该节点的父节点加入所述叶子节点队列的末位，然后继续访问所述叶子节点队列的下一个叶子节点；

若否，则判断所述叶子节点队列是否为空；若否，则继续访问所述叶子节点队列的下一个叶子节点；若是，则结束流程。

2.如权利要求1所述的基于特征计算的点云轻量化方法，其特征在于，所述获取当前所访问叶子节点的数据区间所对应的点云数据具体为：

判断当前所访问的叶子节点是否具有子节点；若是，则通过读取当前所访问的叶子节点的子节点的过程临时数据文件来获取当前所访问的叶子节点的点云数据；若否，则根据当前所访问的叶子节点的数据区间从点云源数据中获取对应的点云数据。

3.如权利要求1所述的基于特征计算的点云轻量化方法，其特征在于，所述对该叶子节点的点云数据进行特征计算，按预设比例删除非特征点具体为：

计算该叶子节点的点云数据中各个点的曲率，按照曲率的大小对所有点进行排序并按照特征的强弱程度将所有点划分为若干个集合；

确定筛选阈值、精简比率以及轻量化距离阈值；

判断该叶子节点的点云数据中的各个点的曲率是否大于所述筛选阈值；

若是，则保留该点；若否，则计算该点与若干个邻近点的平均距离，判断所述平均距离是否小于所述轻量化距离阈值且该点的曲率是否小于所述筛选阈值的β倍，所述β的取值根据视觉效果要求来确定且小于1；

当所述平均距离小于所述轻量化距离阈值且该点的曲率小于所述筛选阈值的β倍时，删除该点；否则保留该点。

4.如权利要求3所述的基于特征计算的点云轻量化方法，其特征在于，所述筛选阈值由下面公式计算得出：

其中，ρ为筛选阈值，α为调节因子，N为点的总数，δ(P_i)为第i个点的曲率。

5.如权利要求3所述的基于特征计算的点云轻量化方法，其特征在于，所述精简比率由下面公式计算得出：

其中，R为精简比率，Num_Q1为当前点的若干个邻近点中属于第1个集合中的个数，Num_Q2为当前点的若干个邻近点中属于第2个集合中的个数，Num_Qn为当前点的若干个邻近点中属于第n个集合中的个数，μ₁、μ₂及μ_n为权重系数。

6.如权利要求5所述的基于特征计算的点云轻量化方法，其特征在于，所述轻量化距离阈值由下面公式计算得出：

其中，dis_P为轻量化距离阈值，dis的取值根据点云密度以及视觉效果要求来确定。

7.如权利要求3所述的基于特征计算的点云轻量化方法，其特征在于，所述β取值为0.3。