点云数据可以用来干什么

点云数据可以用来测绘、电力、建筑、工业、汽车、游戏、刑侦等相当多的领域。且术业有专攻，不同激光产品所采集的点云应用方向也是天差地别的。经过小海云多年在测绘、建筑、电力和工业等领域的三维激光应用经验。

地形图测绘三维激光扫描技术在大比例尺地形测绘中的应用，在测区面积较大时能够快速而精确地采集大量点云数据，有效节约人力物力，缩短工期，提高工作效率和经济效益；在复杂地形和危险测区，能够不直接接触危险目标，详细、快速地进行外业数据采集，既保证了人员和设备的安全，又保证了成图精度要求，并同时提高工作效率。

点云数据除了具有几何位置以外，有的还有颜色信息。颜色信息通常是通过相机获取彩色影像，然后将对应位置的像素的颜色信息（RGB）赋予点云中对应的点。强度信息的获取是激光扫描仪接收装置采集到的回波强度，此强度信息与目标的表面材质、粗糙度、入射角方向，以及仪器的发射能量，激光波长有关。

1点云滤波方法(数据预处理): 双边滤波、高斯滤波、条件滤波、直通滤波、随机采样一致性滤波。 VoxelGrid

2关键点 ISS3D、Harris3D、NARF SIFT3D、

3特征和特征描述 法线和曲率计算NormalEstimation、特征值分析Eigen-Analysis、EGI PFH、FPFH、3D Shape Context、Spin Image

4点云匹配 ICP、稳健ICP、point to plane ICP、Point to line ICP、MBICP、GICP NDT 3D、Multil-Layer NDT FPCS、KFPCS

# fill pcl msg

fields = [PointField('x', 0, PointFieldFLOAT32, 1),

             PointField('y', 4, PointFieldFLOAT32, 1),

             PointField('z', 8, PointFieldFLOAT32, 1),

              PointField('intensity', 12, PointFieldFLOAT32, 1)]

包括激光点的三维坐标、多次回波信息、强度信息、扫描角度、分类信息、飞行航带信息、飞行姿态信息、项目信息、GPS信息、数据点颜色信息等

C–class（所属类）

F一flight（航线号）

T一time（GPS时间）

I一intensity（回波强度）

R一return（第几次回波）

N一number of return（回波次数）

A一scan angle（扫描角）

RGB一red green blue（RGB颜色值）

点云数据UDP数据包解析算法举例

以某一个UDP数据包中Block 3中的Channel 5为例,具体的线束分布请参考附录I:

1)由附录I可知,Channel 5对应的水平角度偏移量为-1042°,垂直角度为304°。

2)水平角度为转子此时的角度加上水平角度偏移量=(Azimuth Angle 3+(-1042))度

(注意 我们定义从上往下看时,顺时针为水平角度正方向)。

3)解析UDP包Channel 5 Unit 3的值,其高位2个bytes构成的距离值乘以4mm即可得到以毫米为单位的真实世界的测距值。

至此,这一个测距点表示的测距方向和测距距离都得到了解析,可以在极坐标系或者直角坐标系中画出此次测距对应的障碍物点位置。对每个UDP包中所有的测距数据都做这样的解析,即可画出实时的激光雷达测距点云。

32 GPS数据UDP包

每一个GPS数据包都含有42 bytes以太网包头及512 bytes UDP数据。所有的多字节值均为小端字节序Little Endian。GPS数据包每秒被触发一次,端

口10110。

在接收到GPS数据前,激光雷达内部的1Hz的信号上升沿会触发一个GPS数据包。GPS数据包中的初始时间为000101000000(yymmddhhmmss,年,

月,日,时,分,秒)。如果GPRMC信息在开始时没有被提供,此非真实的GPS时间会随着内部1Hz信号更新。如果雷达接收到PPS信号和GPRMC数

据,本地的1Hz信号会被锁定到PPS信号。GPS数据包还是通过内部1Hz信号上升沿触发。同时,GPS数据包中的时间会被更新为GPRMC信息中的真实

时间。

GPS模块首先会发送PPS信号,再发送GPRMC信息。雷达可以从中提取出UTC信息,并把6 bytes的UTC时间(年:月:日:时:分:秒)输入到点云

数据包中。用户可以通过相加点云数据包中4 bytes的时间戳和6 bytes的UTC时间来获得此数据包的绝对时间。

一旦雷达获取到GPS信号,数据包中的GPS时间就会根据接收到的GPRMC信息进行更新。如果GPS模块停止发送数据,雷达依然会根据内部1Hz信号上

升沿触发GPS数据包,并且数据包中GPS时间会根据之前得到的真实GPS时间计时。

姓名：黄姣蕊

学号：21011110244

嵌牛导读三维深度点云数据采集之不同传感器参数对比

嵌牛鼻子三维点云数据采集，传感器，Microsoft推出，计算机视觉

嵌牛提问Microsoft推出的Kinect系列传感器参数性能

嵌牛正文

一、Kinect XBOX 360

利用深度相机对运动人体进行扫描，以获得运动人体的点云数据。我们采用Microsoft公司推出的Kinect XBOX 360,其内部配置同Kinect v2相同。

参考文献：Péter Fankhauser, Bloesch M , Rodriguez D , et al Kinect v2 for Mobile Robot Navigation: Evaluation and Modeling[C]// International Conference on Advanced Robotics (ICAR) IEEE, 2015

二、Azure Kinect DK

采用Microsoft在2019年2月最新推出的Azure Kinect DK来进行数据的获取。

获取数据的场景如下：

Azure Kinect DK相机的内部构造：

深度相机的相关参数：

彩色相机的相关参数：

点云数据的获取：

外部同步

       该设备利用35mm音频线实现同步，可用于将多个单元连接在一起，实现相机的协调触发。在设备上有特定的同步输入和同步输出插孔，支持简单的链接。兼容电缆不包括在盒子里，必须单独购买，电缆要求:

•  35mm头公对公电缆(“35mm音频电缆”)；

•  最大电缆长度< 10m；

• 支持立体声和单声道电缆。

同步场景：

下一步工作计划：

连接方式：

        菊花链配置（最多能连接9台）：

星型链配置（最多能连接3台）：

三、Azure Kinect DK与Kinect V2相关参数的对比

大多采用三维激光扫描仪进行物体测量。

点云数据是指在一个三维坐标系统中的一组向量的集合，每一个点都包含有三维坐标，有些可能含有颜色信息或反射强度信息。颜色信息通常是通过相机获取彩色影像，然后将对应位置的像素的颜色信息赋予点云中对应的点。

强度信息的获取是激光扫描仪接收装置采集到的回波强度，此强度信息与目标的表面材质、粗糙度、入射角方向，以及仪器的发射能量，激光波长有关。点云数据一般由3D扫描设备产生，例如三维激光扫描仪、扫描全站仪、激光雷达，立体摄像头，越渡时间相机等。这些设备用自动化的方式测量在物体表面大量的点的信息，然后输出点云数据。

　用OPENNI 获得深度图 然后 有一个函数转换成世界坐标系下的真实坐标 也就是点云数据 然后可以存成PCD格式的文件 或者直接用例子进行处理。 不知道有没有别的方法 这只是我的想法。 仅供参考

三维计算视觉研究内容包括：

（1）三维匹配：两帧或者多帧点云数据之间的匹配，因为激光扫描光束受物体遮挡的原因，不可能通过一次扫描完成对整个物体的三维点云的获取。因此需要从不同的位置和角度对物体进行扫描。三维匹配的目的就是把相邻扫描的点云数据拼接在一起。三维匹配重点关注匹配算法，常用的算法有 最近点迭代算法 ICP 和各种全局匹配算法。

（2）多视图三维重建：计算机视觉中多视图一般利用图像信息，考虑多视几何的一些约束，相关研究目前很火，射影几何和多视图几何是视觉方法的基础。在摄影测量中类似的存在共线方程，光束平差法等研究。这里也将点云的多视匹配放在这里，比如人体的三维重建，点云的多视重建不仅强调逐帧的匹配，还需要考虑不同角度观测产生误差累积，因此也存在一个优化或者平差的过程在里面。通常是通过观测形成闭环进行整体平差实现，多视图重建强调整体优化。可以只使用图像，或者点云，也可以两者结合（深度图像）实现。重建的结果通常是Mesh网格。

（3）3D SLAM：点云匹配（最近点迭代算法 ICP、正态分布变换方法 NDT）+位姿图优化（ g2o 、LUM、ELCH、Toro、SPA）；实时3D SLAM算法 （LOAM）；Kalman滤波方法。3D SLAM通常产生3D点云，或者Octree Map。基于视觉（单目、双目、鱼眼相机、深度相机）方法的SLAM，比如orbSLAM，lsdSLAM

（4）目标识别：无人驾驶汽车中基于激光数据检测场景中的行人、汽车、自行车、以及道路和道路附属设施（行道树、路灯、斑马线等）。

（5）形状检测与分类：点云技术在逆向工程中有很普遍的应用。构建大量的几何模型之后，如何有效的管理，检索是一个很困难的问题。需要对点云（Mesh）模型进行特征描述，分类。根据模型的特征信息进行模型的检索。同时包括如何从场景中检索某类特定的物体，这类方法关注的重点是模型。

（6）语义分类：获取场景点云之后，如何有效的利用点云信息，如何理解点云场景的内容，进行点云的分类很有必要，需要为每个点云进行Labeling。可以分为基于点的方法，基于分割的分类方法。从方法上可以分为基于监督分类的技术或者非监督分类技术，深度学习也是一个很有希望应用的技术。

（7）立体视觉与立体匹配 ZNCC

（8）SFM（运动恢复结构）

1、点云滤波方法（数据预处理）：

双边滤波、高斯滤波、条件滤波、直通滤波、随机采样一致性滤波。

VoxelGrid

2、关键点

ISS3D、Harris3D、NARF

SIFT3D、

3、特征和特征描述

法线和曲率计算 NormalEstimation 、特征值分析Eigen-Analysis、 EGI

PFH、FPFH、3D Shape Context、Spin Image

4、 点云匹配

ICP 、稳健ICP、point to plane ICP、Point to line ICP、MBICP、GICP

NDT 3D 、Multil-Layer NDT

FPCS、KFPCS、SAC-IA

Line Segment Matching 、ICL

5、点云分割与分类

分割：区域生长、Ransac线面提取、NDT-RANSAC、

K-Means、Normalize Cut（Context based）

3D Hough Transform(线、面提取)、连通分析、

分类：基于点的分类，基于分割的分类；监督分类与非监督分类

6、SLAM图优化

g2o 、LUM、ELCH、Toro、SPA

SLAM方法：ICP、MBICP、IDC、likehood Field、 Cross Correlation 、NDT

7、目标识别、检索

Hausdorff 距离计算（人脸识别）

8、变化检测

基于八叉树的变化检测

9 三维重建

泊松重建、Delaunay triangulations

表面重建，人体重建，建筑物重建，树木重建。

实时重建：重建植被或者农作物的4D（3D+时间）生长态势；人体姿势识别；表情识别；

10点云数据管理

点云压缩，点云索引（KD、Octree），点云LOD（金字塔），海量点云的渲染

点云驱动的计算机图形学主要研究应用

>

以上就是关于点云数据可以用来干什么全部的内容，包括:点云数据可以用来干什么、点云数据处理的5个步骤、点云数据UDP数据包解析算法举例等相关内容解答，如果想了解更多相关内容，可以关注我们，你们的支持是我们更新的动力！