基于空间结构特征的点云数据压缩存储方法与系统

摘要

本发明公开一种基于空间结构特征的点云数据压缩存储方法及系统、设备、存储介质，所述方法包括：点云数据结构分析步骤，基于点云数据的空间结构特征确定点云数据的基本形状种类；矢量基件构建步骤，根据点云数据的基本形状种类预先构建与之对应的三维矢量基件；矢量基件拟合步骤，通过预先构建的矢量基件来拟合目标点云数据；一体化压缩存储步骤，编辑矢量基件的色彩信息，将对应的矢量基件按照点要素、线要素、面要素的方式，保存为三维矢量图格式。本发明通过构建矢量基件来拟合点云数据方法实现了点云数据压缩与解压缩过程，在保证数据完整性的同时提高压缩率。

说明书

技术领域

本发明属于属于数据存储技术领域，尤其涉及一种基于数据空间结构特征的点云数据压缩存储方法与系统、设备、存储介质。

背景技术

近年来随着数据硬件采集设备的性能突破，以及以无人驾驶、三维测绘等为代表的行业业务需求拓展，激光雷达点云数据的使用领域越来越多，点云数据的处理与分析技术也逐渐成为热门的研究和发展方向。然而，由于数据量庞大，点云数据的存储与可视化往往需要消耗巨大的存储资源与计算资源，制约了点云数据的进一步应用空间。

目前，国内外多家科研院所、企事业单位以将数据的优化存储作为点云数据基础研究的重点方向之一，实现了诸如LAZ格式的压缩存储方式、基于八叉树的存储与索引技术、基于压缩感知的点云存储模型等多种多样的存储方法，其目的在于优化原始点云数据的存储结构，便于数据的高效传输与索引。

然而，现有的点云数据存储方式，通常通过对传统的点云数据属性的删减、压缩来实现，压缩率有限，无法实现海量点云数据的大幅压缩。因此，点云数据的庞大存储体量，仍然是一个制约其进一步发展与应用的瓶颈问题。

发明内容

有鉴于此，本发明提出了一种基于空间结构特征的点云数据压缩存储方法、系统设备及存储介质，用于解决点云数据存储方式压缩率有限的问题。

本发明基于矢量化数据的存储结构特性，并结合本地点云数据的空间结构特征，实现了并研发了相应的系统软件。

本发明第一方面，公开一种基于空间结构特征的点云数据压缩存储方法，所述方法包括：

点云数据结构分析步骤，基于点云数据的空间结构特征确定点云数据的基本形状种类；

矢量基件构建步骤，根据点云数据的基本形状种类预先构建与之对应的三维矢量基件；

矢量基件拟合步骤，通过预先构建的矢量基件来拟合目标点云数据；

一体化压缩存储步骤，编辑矢量基件的色彩信息，将对应的矢量基件按照点要素、线要素、面要素的方式，保存为三维矢量图格式。

优选的，所述矢量基件构建步骤具体包括：

构建直线矢量基件，包括一个自由调整参数l，用来标识直线的长度；

构建球体矢量基件，包括3个自由调整参数，分别为外层半径R

构建圆柱体矢量基件，包括3个自由调整的参数，分别为底面圆的外层半径r

构建立方体矢量基件，包括3个自由调整的参数，分别为长x，宽y，高z；

构建自定义矢量基件，支持用户通过自定义方式构建矢量基件。

优选的，所述矢量基件拟合步骤具体包括：

计算出目标点云数据的三维坐标范围；

通过三维矢量基件遍历所有点云数据的三维坐标范围；

每移动一个步长，计算目标点云数据与三维矢量基件重叠区域的重叠率；

若重叠率大于预设阈值，则主体部分匹配成功，否则主体部分匹配失败；

对所有矢量基件重复以上步骤，直至求解出所有大于预设阈值的匹配结果。

优选的，所述矢量基件拟合步骤中，所述每移动一个步长之后，计算目标点云数据与三维矢量基件重叠区域的重叠率之前还包括：

计算矢量基件和点云数据对应区域的结构相似度，若所述结构相似度超过设定的相似度阈值，计算目标点云数据与三维矢量基件重叠区域的重叠率；若所述结构相似度小于等于设定的相似度阈值，直接移动到下一位置；

若所述结构相似度超过设定的相似度阈值但主体部分匹配失败，对矢量基件进行旋转、缩放之后重新计算目标点云数据与三维矢量基件重叠区域的重叠率，并进行主体部分匹配。

优选的，所述矢量基件拟合步骤之后还包括：

矢量基件调整步骤，找到没有与矢量基件重叠的目标点云数据区域；对比目标点云数据所对应的遥感影像对矢量基件做进一步调整，使目标点云数据区域均由对应的矢量基件所覆盖；

点云数据修正步骤，进行点云缺失区域的补充和冗余点云数据去除。

优选的，所述一体化压缩存储步骤中，所述编辑矢量基件的色彩信息具体包括：

提取原始的目标点云数据中对应的RGB颜色空间；

将读取的RGB颜色空间的每一维度数值，转换为十进制格式；

对于同一矢量基件中RGB颜色差异小于等于颜色阈值的相近部分，计算相近部分RGB数值的算数平均值作为矢量基件对应部分的颜色信息；

对于同一矢量基件中RGB颜色差异大于所述颜色阈值的差异部分，记录差异部分的相对坐标，并单独增加属性项记录差异部分的RGB数值。

优选的，所述一体化压缩存储步骤还包括：

当需要对目标点云数据解压缩时，三维矢量图格式的图件进行拓扑检测与分析；

将所有的线、面，渲染成为一定间隔的单个点；每个点的属性包括但不限于位置信息、采集时间、色彩信息、强度信息；

用全部点所构建的目标对象代替原三维矢量图件，即实现点云数据的解压缩过程。

本发明第二方面，公开一种基于空间结构特征的点云数据压缩存储系统，所述系统包括：

点云数据结构分析模块，用于基于点云数据的空间结构特征确定点云数据的基本形状种类；

矢量基件构建模块，用于根据点云数据的基本形状种类预先构建与之对应的三维矢量基件；

矢量基件拟合模块，用于通过预先构建的矢量基件来拟合目标点云数据；

一体化压缩存储模块，用于编辑矢量基件的色彩信息，将对应的矢量基件按照点要素、线要素、面要素的方式，保存为三维矢量图格式。

本发明第三方面，公开一种电子设备，包括：至少一个处理器、至少一个存储器、通信接口和总线；

其中，所述处理器、存储器、通信接口通过所述总线完成相互间的通信；

所述存储器存储有可被所述处理器执行的程序指令，所述处理器调用所述程序指令，以实现如权利要求1～7任一项所述的方法。

本发明第四方面，公开一种计算机可读存储介质，所述计算机可读存储介质存储计算机指令，所述计算机指令使所述计算机实现如权利要求1～7任一项所述的方法。

本发明相对于现有技术具有以下有益效果：

1)本发明根据点云数据的基本形状种类预先构建与之对应的三维矢量基件，通过预先构建的矢量基件来拟合目标点云数据；拟合过程中，通过计算矢量基件和点云数据对应区域的结构相似度进行结构相似度匹配，通过计算目标点云数据与三维矢量基件重叠区域的重叠率进行重叠率匹配，实现矢量基件与点云数据的高效、自动匹配；

2)本发明通过构建矢量基件来拟合点云数据方法实现了点云数据压缩与解压缩过程，在保证数据完整性的同时提高压缩率，实现海量点云数据的大幅压缩，便于数据的高效传输与索引。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明基于空间结构特征的点云数据压缩存储方法流程示意图；

图2为本发明基于空间结构特征的点云数据压缩存储系统结构示意图。

具体实施方式

下面将结合本发明实施方式，对本发明实施方式中的技术方案进行清楚、完整地描述，显然，所描述的实施方式仅仅是本发明一部分实施方式，而不是全部的实施方式。基于本发明中的实施方式，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方式，都属于本发明保护的范围。

本发明实施例中，采用ArcGIS API for Javascript构建可视化的点云显示和矢量基件显示的交互界面，原始点云数据采用LAS2.0格式，压缩后的点云数据以SHP格式保存。

请参阅图1，本发明提出一种基于空间结构特征的点云数据压缩存储方法，所述方法包括：

S1、点云数据结构分析步骤，基于点云数据的空间结构特征确定点云数据的基本形状种类；

具体的，总结归纳目标点云数据的空间结构特征，确定点云数据所包含的基本形状种类，具体实现步骤包括：

通过第三方可视化工具显示点云数据；

加载对应区域的遥感影像图，并实现遥感影像与点云数据的坐标配准；

通过人工目视检测，并参照对应区域的遥感影像图，判断点云数据中的基本形状种类；

记录点云数据的基本形状种类，如由点云数据组成的：直线、球形、圆柱体、立方体等，为后续构建与之对应的矢量基件奠定基础。

S2、矢量基件构建步骤，根据点云数据的基本形状种类预先构建与之对应的三维矢量基件；

所述矢量基件构建步骤具体包括：

构建直线矢量基件，包括一个可自由调整参数l，用来标识直线的长度，表示该直线矢量基件在后续的拟合过程中根据实际点云数据情形，自由伸缩；

构建球体矢量基件，包括3个可自由调整参数，分别为外层半径R

构建圆柱体矢量基件，包括3个可以自由调整的参数，分别为底面圆的外层半径r

构建立方体矢量基件，包括3个可以自由调整的参数，分别为长x，宽y，高z；

构建自定义矢量基件，支持用户通过自定义方式构建矢量基件。本发明构建的矢量基础组件可旋转、缩放，支持自定义方式增加新的基件，用户可以根据目标点云数据的具体情况，自己新增如锥体、椭球体、螺旋体等各种矢量基件，来满足后续与点云数据的拟合过程。

S3、矢量基件拟合步骤，通过预先构建的矢量基件来拟合目标点云数据；

具体的，首先将点云数据加载至显示区域，其中点云的显示采用ArcGIS API forJavascript开发浏览器端的三维显示功能以实现；在显示区域新增图层，用于存放矢量基件；参考点云数据对应区域的遥感影像，选取点云数据中较大目标对象，通过矢量基件拟合点云数据所构成的三维图形；

矢量基件拟合步骤具体包括：

S31、计算出目标点云数据的三维坐标范围，设定矢量基件的移动步长；所述目标点云数据的三维坐标范围可以是待存储的原始的完整点云数据，也可以是从点云数据中选取的较大目标对象所对应的点云区域；

S32、通过三维矢量基件遍历所有点云数据的三维坐标范围；

S33、每移动一个步长，计算矢量基件和点云数据对应区域的结构相似度；

S34、若所述结构相似度超过设定的相似度阈值，计算目标点云数据与三维矢量基件重叠区域的重叠率，若重叠率大于预设的重叠率阈值，则主体部分匹配成功，否则主体部分匹配失败；

S35、若所述结构相似度小于等于设定的相似度阈值，直接移动到下一位置；

S36、若所述结构相似度超过设定的相似度阈值但主体部分匹配失败，对矢量基件进行旋转、缩放之后重新计算目标点云数据与三维矢量基件重叠区域的重叠率，并进行主体部分匹配；

S37、对所有矢量基件，重复以上步骤S32～S36，求解出所有重叠率大于预设阈值的匹配结果，直至点云数据的全部区域均由形状类似的矢量基件所重叠覆盖。

上述步骤中，在计算目标点云数据与三维矢量基件重叠区域的重叠率之前先计算矢量基件和点云数据对应区域的结构相似度是非必须的，具体实施时可根据需要选择，即每移动一个步长，可选择直接计算目标点云数据与三维矢量基件重叠区域的重叠率并进行主体区域匹配。

S4、矢量基件调整步骤，找到没有与矢量基件重叠的目标点云数据区域；对比目标点云数据所对应的遥感影像对矢量基件做进一步调整，使目标点云数据区域均由对应的矢量基件所覆盖；

由于受采集设备及采集环境的影响，点云数据采集的形状往往形态各异，且和真实图形也会存在一定误差。因此，通过以上矢量基件拟合步骤将矢量基件拟合至点云数据时难免出现遗漏，需要对矢量基件做进一步调整，以确保拟合度进一步提高。具体实现方法为：

在显示区域找到没有与矢量基件重叠的点云数据；

对比该点云数据所对应的遥感影像，分析其形状特征；

根据遥感影像对应区域的形状，选择合适的矢量基件，摆放至显示区域的矢量基建图层，并将该区域点云数据覆盖；

通过对比观测遥感影像数据，补足点云数据密度不足的区域，实现缺失区域填充。

重复上述步骤，直至所有大块点云数据区域，均由矢量基件所覆盖。

S5、点云数据修正步骤，进行冗余点云数据去除。具体实现方法包括：

去除矢量基件周边位于封闭区域外围的点云数据；

通过旋转、拉伸视角，去掉矢量基件内部与基件实体不贴合的点云数据；

与遥感影像目视对比，去掉明显偏离目标、误采集的点云数据；

对点云数据的全区域、小粒度的重复上述检查和操作，以实现全部点云数据的修正。

S6、一体化压缩存储步骤，编辑矢量基件的色彩信息，将对应的矢量基件按照点要素、线要素、面要素的方式，保存为三维矢量图格式文件。具体步骤包括：

S61、根据点云数据的色彩属性，编辑与其拟合的矢量基件的色彩信息，编辑矢量基件的色彩信息的具体步骤为：

提取原始的目标点云数据中对应的RGB颜色空间；

将读取的RGB颜色空间的每一维度数值，转换为十进制格式；

对于同一矢量基件中RGB颜色差异小于等于颜色阈值的相近部分，计算相近部分RGB数值的算数平均值作为矢量基件对应部分的颜色信息；

对于同一矢量基件中RGB颜色差异大于所述颜色阈值的差异部分，记录差异部分的相对坐标，并单独增加属性项记录差异部分的RGB数值。

S62、将存放矢量基件的图层另存为新的文件；

S63、将该文件中所有的矢量基件，按照点要素、线要素、面要素的方式，保存为三维矢量图格式文件；比如保存为SHP格式文件，则该SHP格式文件，即为根据点云数据拟合的三维矢量图件，依据此方法实现了点云数据的压缩存储；

S64、当需要对该点云数据解压缩时，则对三维矢量图格式的三维矢量图件进行操作，还原程点云数据。具体方法为：

对三维矢量图件进行拓扑检测与分析；

对于通过拓扑见得的三维图件，将所有的线、面，渲染成为一定间隔的单个点；每个点可包含多种属性，每个点的属性包括但不限于位置信息、采集时间、色彩信息、强度信息；其中每两个点之间的距离，可由用户自定义，最终反映点云数据的密度；

每个点的属性包括位置信息以及其他附加的属性信息，如采集时间、色彩信息、强度信息等等；

用全部点所构建的目标对象代替原三维矢量图件，即实现了点云数据的解压缩过程。

本发明通过构建矢量基件来拟合点云数据方法实现了点云数据压缩与解压缩过程，在保证数据完整性的同时提高压缩率，实现海量点云数据的大幅压缩，便于数据的高效传输与索引。在实现点云数据的高质量压缩的同时，也进行了全面的数据质量校准与优化，使最终的点云数据能够更好的运用于各类生产实践。

请参阅图2，与所述方法实施例相对应，本发明还提出一种基于空间结构特征的点云数据压缩存储系统，所述系统包括：

点云数据结构分析模块10，用于基于点云数据的空间结构特征确定点云数据的基本形状种类；

矢量基件构建模块20，用于根据点云数据的基本形状种类预先构建与之对应的三维矢量基件；

矢量基件拟合模块30，用于通过预先构建的矢量基件来拟合目标点云数据；

矢量基件调整模块40，用于查找没有与矢量基件重叠的目标点云数据区域，对比目标点云数据所对应的遥感影像对矢量基件做进一步调整，使目标点云数据区域均由对应的矢量基件所覆盖；

点云数据修正模块50，用于进行点云缺失区域的补充和冗余点云数据去除。

一体化压缩存储模块60，用于编辑矢量基件的色彩信息，将对应的矢量基件按照点要素、线要素、面要素的方式，保存为三维矢量图格式。

本发明还公开一种电子设备，包括：至少一个处理器、至少一个存储器、通信接口和总线；其中，所述处理器、存储器、通信接口通过所述总线完成相互间的通信；所述存储器存储有可被所述处理器执行的程序指令，所述处理器调用所述程序指令，以实现本发明前述的一种基于数据空间结构特征的点云数据压缩存储方法的步骤，比如包括点云数据结构分析步骤、矢量基件构建步骤、矢量基件拟合步骤、一体化压缩存储步骤。

本发明还公开一种计算机可读存储介质，所述计算机可读存储介质存储计算机指令，所述计算机指令使所述计算机实现以实现本发明前述的一种基于空间结构特征的点云数据压缩存储方法的步骤，比如包括云数据结构分析步骤、矢量基件构建步骤、矢量基件拟合步骤、一体化压缩存储步骤。所述存储介质包括：U盘、移动硬盘、只议存储器ROM、随机存取存储器RAM、磁碟或者光盘等各种可以存储程序代码的介质。

专业人员可以进一步意识到，结合本文中所公开的实施例描述的示例的模块及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能性一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应超过本发明的范围。

此外，需要说明的是，以上所描述的系统实施例仅仅是示意性的，并不对本发明的保护范围构成限定，在实际应用中，本领域的技术人员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，此处不做限制。另外，未在本实施例中详尽描述的技术细节，可参见本发明其它实施例，此处不再赘述。

以上所述仅为本发明的较佳实施方式而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。