一种点云数据处理方法及系统

技术领域

本申请涉及数据处理技术领域，尤其是涉及一种点云数据处理方法及系统。

背景技术

三维激光扫描技术是近些年来发展起来的一种新型激光测量技术，具有扫描速度快，非接触式工作和数据信息丰富等特点，目前在建筑施工地面变形、滑坡、隧道开挖、海岸防护堤、水电站闸门变形监测等方面已经得到了一定的应用。但是在实测过程中发现，在部分情况下，对变形前后的点云数据的处理精度无法满足使用要求。

发明内容

本申请提供一种点云数据处理方法及系统，可以提高对点云数据的处理精度。

第一方面，本申请提供了一种点云数据处理方法，包括：

响应于获取到的第一组点云数据和第二组点云数据，将这两组点云数据配准至同一坐标系；

响应于获取到的划分指令，对第一组点云数据和第二组点云数据进行网格划分，形成多个单元方格，划分指令中包括划分网格时的参考面积值；

计算每一个单元方格的重心；以及

计算第一组点云数据中单元方格的重心和第二组点云数据中与之对应的单元方格的重心的距离，记为变形距离；

其中，第一组点云数据和第二组点云数据是基于三维激光扫描生成的，第二组点云数据的生成时间滞后于第一组点云数据的生成时间。

通过采用上述技术方案，使用两组点云数据进行分析，分析过程中，采用配准和划分的方式来提高数据的处理精度，最终得到需要的变形量。

在第一方面的一种可能的实现方式中，第一组点云数据和第二组点云数据使用ICP算法或者关键点选择法配准至同一坐标系。

通过采用上述技术方案，提供了两种点云数据配准至同一坐标系的处理方式，能够满足不同场景下的使用需求。

在第一方面的一种可能的实现方式中，在将第一组点云数据和第二组点云数据配准至同一坐标系之前或者之后，还包括：

响应于获取到的删除指令，去除删除指令指向的部分点云数据，删除指令指向第一组点云数据和/或第二组点云数据。

通过采用上述技术方案，可以将部分无效数据删除，起到降低数据处理量和对数据处理精度影响的作用。

第二方面，本申请提供了一种点云数据处理方法，包括：

响应于获取到的第一组点云数据和第二组点云数据，将这两组点云数据配准至同一坐标系；

响应于获取到的选取指令，在第一组点云数据上选取一块区域，记为第一区域，在第二组点云数据上选取一块区域，记为第二区域，第一区域和第二区域是相对应的；

对第一区域中的点云数据进行拟合计算，得到一个平面，记为基准平面；

计算第二组点云数据相对于基准平面的距离，该距离记为变形量；

以水平方向为x轴，竖直方向为y轴，基准平面的法向量方向为z轴，建立分解坐标系；以及

将变形量转换到分解坐标系中并进行分解，得到三个分解变形量，这三个分解变形量分别平行于分解坐标系中的x轴方向、y轴方向和z轴方向；

其中，第一组点云数据和第二组点云数据是基于三维激光扫描生成的，第二组点云数据的生成时间滞后于第一组点云数据的生成时间。

通过采用上述技术方案，使用两组点云数据进行分析，分析过程中，采用配准和划分的方式来提高数据的处理精度，最终得到需要的变形量。

在第二方面的一种可能的实现方式中，第一组点云数据和第二组点云数据使用ICP算法或者关键点选择法配准至同一坐标系。

通过采用上述技术方案，提供了两种点云数据配准至同一坐标系的处理方式，能够满足不同场景下的使用需求。

在第二方面的一种可能的实现方式中，第二组点云数据相对于基准平面的距离小于设定阈值的，将该点云数据与基准平面之间的距离记为零。

通过采用上述技术方案，可以在一定程度上降低数据处理量，提高数据的处理精度。

第三方面，本申请提供了一种点云数据处理装置，包括：

第一配准单元，用于响应于获取到的第一组点云数据和第二组点云数据，将这两组点云数据配准至同一坐标系，第一组点云数据和第二组点云数据是基于三维激光扫描生成的，第二组点云数据的生成时间滞后于第一组点云数据的生成时间；

第一划分单元，用于响应于获取到的划分指令，对第一组点云数据和第二组点云数据进行网格划分，形成多个单元方格，划分指令中包括划分网格时的参考面积值；

第一计算单元，用于计算每一个单元方格的重心；以及

第二计算单元，用于计算第一组点云数据中单元方格的重心和第二组点云数据中与之对应的单元方格的重心的距离，记为变形距离。

第四方面，本申请提供了一种点云数据处理装置，包括：

第二配准单元，用于响应于获取到的第一组点云数据和第二组点云数据，将这两组点云数据配准至同一坐标系，第一组点云数据和第二组点云数据是基于三维激光扫描生成的，第二组点云数据的生成时间滞后于第一组点云数据的生成时间；

第二划分单元，用于响应于获取到的选取指令，在第一组点云数据上选取一块区域，记为第一区域，在第二组点云数据上选取一块区域，记为第二区域，第一区域和第二区域是相对应的；

拟合单元，用于对第一区域中的点云数据进行拟合计算，得到一个平面，记为基准平面；

第三计算单元，用于计算第二组点云数据相对于基准平面的距离，该距离记为变形量；

第一处理单元，用于以水平方向为x轴，竖直方向为y轴，基准平面的法向量方向为z轴，建立分解坐标系；以及

第二处理单元，用于将变形量转换到分解坐标系中并进行分解，得到三个分解变形量，这三个分解变形量分别平行于分解坐标系中的x轴方向、y轴方向和z轴方向。

第五方面，本申请提供了一种点云数据处理系统，所述系统包括：

一个或多个存储器，用于存储指令；以及

一个或多个处理器，用于从所述存储器中调用并运行所述指令，执行如第一方面及第一方面任意可能的实现方式中所述的点云数据处理方法。

第六方面，本申请提供了一种点云数据处理系统，所述系统包括：

一个或多个存储器，用于存储指令；以及

一个或多个处理器，用于从所述存储器中调用并运行所述指令，执行如第二方面及第二方面任意可能的实现方式中所述的点云数据处理方法。

第七方面，本申请提供了一种计算机可读存储介质，所述计算机可读存储介质包括：

程序，当所述程序被处理器运行时，如第一方面及第一方面任意可能的实现方式中所述的点云数据处理方法被执行。

第八方面，本申请提供了一种计算机可读存储介质，所述计算机可读存储介质包括：

程序，当所述程序被处理器运行时，如第二方面及第二方面任意可能的实现方式中所述的点云数据处理方法被执行。

第九方面，本申请提供了一种计算机程序产品，包括程序指令，当所述程序指令被计算设备运行时，如第一方面及第一方面任意可能的实现方式中所述的点云数据处理方法被执行。

第十方面，本申请提供了一种计算机程序产品，包括程序指令，当所述程序指令被计算设备运行时，如第二方面及第二方面任意可能的实现方式中所述的点云数据处理方法被执行。

第十一方面，本申请提供了一种芯片系统，该芯片系统包括处理器，用于实现上述各方面中所涉及的功能，例如，生成，接收，发送，或处理上述方法中所涉及的数据和/或信息。

该芯片系统，可以由芯片构成，也可以包括芯片和其他分立器件。

在一种可能的设计中，该芯片系统还包括存储器，该存储器，用于保存必要的程序指令和数据。该处理器和该存储器可以解耦，分别设置在不同的设备上，通过有线或者无线的方式连接，或者处理器和该存储器也可以耦合在同一个设备上。

附图说明

图1是本申请实施例提供的一种网格划分的过程示意图。

图2是本申请实施例提供的一种变形距离的计算过程示意图。

图3是本申请实施例提供的一种变形距离的显示示意图。

图4是本申请实施例提供的一种变形量的分解示意图。

具体实施方式

以下结合附图，对本申请中的技术方案作进一步详细说明。

三维激光扫描的误差主要集中在数据采集和数据处理两个方面，数据采集过程中，扫描密度、目标反射面倾斜、反射面粗糙度和扫描距离等都会对数据采集的精确程度产生影响，这些影响会造成一定量的无效数据和干扰数据。

数据处理过程中，涉及多数据的建模、筛选和运算等多个过程，这些过程中都会产生一定的误差，例如在建模过程中，建模方式的不同会产生不同的结果，筛选条件的差异也会导致筛除数据的不一致。

数据采集的误差主要集中在扫描设备上，数据处理误差主要集中在数据处理的方式上，本申请实施例展示的点云数据处理方法，主要是降低在数据处理过程中的误差，使最终的计算结果与实际结果趋于一致。

本申请实施例公开的一种点云数据处理方法，包括以下步骤：

S101，响应于获取到的第一组点云数据和第二组点云数据，将这两组点云数据配准至同一坐标系；

S102，响应于获取到的划分指令，对第一组点云数据和第二组点云数据进行网格划分，形成多个单元方格，划分指令中包括划分网格时的参考面积值；

S103，计算每一个单元方格的重心；以及

S104，计算第一组点云数据中单元方格的重心和第二组点云数据中与之对应的单元方格的重心的距离，记为变形距离；

其中，第一组点云数据和第二组点云数据是基于三维激光扫描生成的，第二组点云数据的生成时间滞后于第一组点云数据的生成时间。

应理解，本申请实施例展示的点云数据处理方法，应用于一套点云数据处理系统，该系统主要用于处理三维激光扫描设备采集到的点云数据，其分析的结果是查看被扫描的对象是否出现了变形。

具体的说，在步骤S101中，该点云数据处理系统会得到两组点云数据，为了描述方便，将这两组点云数据分别称为第一组点云数据和第二组点云数据，这两组点云数据生成于不同的时间点，以一个具体的场景为例，需要对某个基坑的变形进行监控，三维激光扫描设备的扫描频率使一天一次，那么第一组点云数据生成于第一天，第二组点云数据生成于第二天，这两组点云数据生成的时间间隔是24小时，当然，也可以是48小时或者72小时等。

考虑到三维激光扫描设备的安装位置可能出现移动，需要对这两组点云数据进行配准，也就是需要将其放置到同一个坐标系中，因为对于变形而言，需要的是对一个位置处的不同时间段的数据进行分析，如果两组数据参考的坐标系是不同的，那么分析的结果就会出现较大的偏离。

配准的方式有以下两种，

第一种，使用ICP算法进行配准：

ICP算法的基本原理是：分别在带匹配的目标点云P和源点云Q中，按照一定的约束条件，找到最邻近点(pi，qi)，然后计算出最优匹配参数R和t，使得误差函数最小。误差函数为E(R，t)为：

其中n为最邻近点对的个数，pi为目标点云P中的一点，qi为源点云Q中与pi对应的最近点，R为旋转矩阵，t为平移向量。

ICP算法配准：

(1)在目标点云P中取点集pi∈P；

(2)找出源点云Q中的对应点集qi∈Q，使得||qi-pi||＝min；

(3)计算旋转矩阵R和平移矩阵t，使得误差函数最小；

(4)对pi使用上一步求得的旋转矩阵R和平移矩阵t进行旋转和平移变换，的到新的对应点集P’＝{pi’＝Rpi+t,pi∈P}；

(5)计算pi’与对应点集qi的平均距离；

(6)如果d小于某一给定的阈值或者大于预设的最大迭代次数，则停止迭代计算。否则返回第2步，直到满足收敛条件为止。

第二种，使用特征点进行配准：

该种配准方式中，需要使用手工选择关键点进行匹配，如在坑壁中建立标准靶球和特征点，通过选取多个特征点，进行特征点匹配，匹配过程中，需要计算旋转矩阵R和平移矩阵T，然后通过旋转矩阵R和平移矩阵T将两组点云数据转换到同一个坐标系中。假设特征点在其中一个点云坐标为X，在另一个点云坐标为X1，则有公式：

X1＝R*X+T；

那么，选择多组以上特征点，即可解出R和T。

从另一个角度理解，这两组点云数据是归属于同一个基坑的，如果是用于采集点云数据的三维激光扫描设备的位置发生了变化，那么这个变化就可以使用一条线段显示出来，公式(X1＝R*X+T)表示的就是这样一种线性关系，其中R表示了位置变化的方向，T表示了位置变化的距离。

在实际的计算过程中，可以通过选取尽可能多的特征点的方式，计算出多个R和T，然后通过求取平均值的方式来降低计算误差。

两组点云数据配准完成后，执行步骤S102，该步骤中，请参阅图1，主要是对第一组点云数据和第二组点云数据进行网格划分，网格划分的指令由工作人员下发，那么响应于获取到的划分指令，点云数据处理系统对第一组点云数据和第二组点云数据进行网格划分，划分完成后，会形成多个单元方格，每个单元方格中包含有多个点云数据。

经过配准后，对于同一个单元方格，其在第一组点云数据和第二组点云数据中对应的实际当中的位置是相同的。

同时，划分指令中包括划分网格时的参考面积值，参考面积值表示的是单元方格的大小，划分完成后，就可以针对单个的单元方格进行计算，这种计算方式能够有效的降低数据遍历。

所谓数据遍历，是指沿着某条搜索路线，依次对树中每个结点均做一次且仅做一次访问，考虑到点云数据的数据结构，计算会消耗大量的算力，并且参与计算的数据越多，最终的误差也就越大，使用网格划分后，可以将计算的范围限制在一个有限的范围内，需要的算力更少，数据遍历的次数和范围也能够有效降低，数据处理的精度也能够得到一定的提高。

划分完成后，执行步骤S103，该步骤中，会计算每一个单元方格的重心，通过重心位置的不同来表示移动的距离。

应理解，归属于同一个单元方格中的点云数据是存在于三维空间中的，也就是这些点云数据并不会同时位于同一个平面上，而是分散在不同的平面上。因为不同单元方格中的点云数据的分布式不同的，因此不同单元方格的重心也是不同的。

还应理解，可以将每一个点云数据视为一个质量点，这些质量点的质量是相同的，一个单元方格中包含多个质量点，此时，就可以通过质量点的位置来计算其所属单元方格的中心。

计算完成后，请参阅图2，执行步骤S104，该步骤中，会计算第一组点云数据中单元方格的重心和第二组点云数据中与之对应的单元方格的重心的距离，该距离记为变形距离，也就是第一组点云数据中单元方格的重心移动到第二组点云数据中与之对应的单元方格的重心的距离。

应理解，对于同一个位置而言，三维激光扫描设备的扫描位置是不变的，如果该处没有发生形变，那么在两次不同的扫描过程中，单元方格的重心应该是没有变化的，如果发生了变化，说明此处发生的变形。

即使三维激光扫描设备的扫描位置发生了变化，也能够通过配准的方式将其放置到同一个三维坐标系中，消除扫描位置变化带来的影响。

执行完步骤S104后，就会得到多个变形距离，并且这些变形距离是归属于不同的单元方格的，因此可以通过单元方格在配准后的三维坐标系中的位置来将这些变形距离进行显示。

具体的显示方式有以下几种，

第一种，请参阅图3，通过颜色进行显示，具体的，使用不同的颜色来表示不同的变形距离，例如颜色变化由冷色系到暖色系，表示变形距离的数值越来越大；

第二种，使用筛选的方式进行，例如输入一个数值，点云数据处理系统就会将小于该数值的单元方格进行隐藏；

当然，使用其他的显示方式也是可以的。

作为申请提供的点云数据处理方法的一种具体实施方式，在将第一组点云数据和第二组点云数据配准至同一坐标系之前或者之后，还增加了删除部分点云数据的处理步骤，该处理步骤的目的是删除无效数据，降低后续的运算量并提高数据处理的精度。

应理解，在进行激光扫描的过程中，扫描区域内的诸如栏杆、人影、天上的飞鸟等都会被扫描，并在最终形成的点云数据中体现出来，但是很明显，这部分点云数据是无效的，因此需要进行删除，避免其影响后续的数据处理过程。

具体的删除由工作人员进行，工作人员向点云数据处理系统下发删除指令，那么响应于获取到的删除指令，点云数据处理系统会去除删除指令指向的部分点云数据。

应理解，删除指令指向的是上文中提到的无效数据，因此删除指令即可以指向第一组点云数据，也可以指向第二组点云数据。

删除完成后，再进行后续的单元方格划分、重心计算和变形距离，很明显，数据的处理量是更少的，并且没有了这部分无效数据的影响，数据的计算速度和计算精度也能够得到一定的提升。

本申请实施例还公开了另一种点云数据处理方法，该方法包括如下步骤：

S201，响应于获取到的第一组点云数据和第二组点云数据，将这两组点云数据配准至同一坐标系；

S202，响应于获取到的选取指令，在第一组点云数据上选取一块区域，记为第一区域，在第二组点云数据上选取一块区域，记为第二区域，第一区域和第二区域是相对应的；

S203，对第一区域中的点云数据进行拟合计算，得到一个平面，记为基准平面；

S204，计算第二组点云数据相对于基准平面的距离，该距离记为变形量；

S205，以水平方向为x轴，竖直方向为y轴，基准平面的法向量方向为z轴，建立分解坐标系；以及

S206，将变形量转换到分解坐标系中并进行分解，得到三个分解变形量，这三个分解变形量分别平行于分解坐标系中的x轴方向、y轴方向和z轴方向；

其中，第一组点云数据和第二组点云数据是基于三维激光扫描生成的，第二组点云数据的生成时间滞后于第一组点云数据的生成时间。

应理解，本申请实施例展示的点云数据处理方法，应用于一套点云数据处理系统，该系统主要用于处理三维激光扫描设备采集到的点云数据，其分析的结果是查看被扫描的对象是否出现了变形。

具体的说，在步骤S201中，该点云数据处理系统会得到两组点云数据，为了描述方便，将这两组点云数据分别称为第一组点云数据和第二组点云数据，这两组点云数据生成于不同的时间点，以一个具体的场景为例，需要对某个基坑的变形进行监控，三维激光扫描设备的扫描频率使一天一次，那么第一组点云数据生成于第一天，第二组点云数据生成于第二天，这两组点云数据生成的时间间隔是24小时，当然，也可以是48小时或者72小时等。

考虑到三维激光扫描设备的安装位置可能出现移动，需要对这两组点云数据进行配准，也就是需要将其放置到同一个坐标系中，因为对于变形而言，需要的是对一个位置处的不同时间段的数据进行分析，如果两组数据参考的坐标系是不同的，那么分析的结果就会出现较大的偏离。

具体的配准方法使用ICP算法或者特征点配准，这两种配准的方式在上文中已经进行了陈述，此处不再赘述。

接着执行步骤S202，该步骤中，工作人员会向点云数据处理系统下发一个选取指令，那么响应于获取到的选取指令，点云数据处理系统会在第一组点云数据上选取一块区域，记为第一区域，在第二组点云数据上选取一块区域，记为第二区域。

第一区域和第二区域是相对应的，也就是归属于同一个区域，是三维激光扫描设备在不同的时间点对该区域扫描形成的点云数据。

接着执行步骤S203，该步骤中，会对第一区域中的点云数据进行拟合计算，得到一个平面，记为基准平面，基准平面的作用是给出一个参考，方便进行后续的计算过程。

在步骤S204中，会计算第二组点云数据相对于基准平面的距离，该距离记为变形量，以基坑为例，这个变形量表示的就是基坑在第一组点云数据盒第二组点云数据生成的这段时间间隔中发生的形变。

应理解，基准平面生成后，存在一个垂直于该基准平面的法向量，这个法向量可能与配准后的坐标系中的X轴、Y轴和Z轴都不平行，那么就需要将这个变形量以基准平面的法向量为参考进行分解，具体的分解在步骤S205中进行。

在步骤S205中，请参阅图4，以水平方向为x轴，竖直方向为y轴，基准平面的法向量方向为z轴，建立分解坐标系。建立分解坐标系后，以这个分解坐标系为基准，将变形量转换到分解坐标系中并进行分解，得到三个分解变形量，也就是步骤S206中的内容，分解出来的这三个分解变形量分别平行于分解坐标系中的x轴方向、y轴方向和z轴方向。

经过分解后，就可以将一个变形量分解为多个方向上的变形，那么，通过这些不同方向上的变形，就可以对变形有更进一步的了解。

以基坑的变形监测为例，主要关注的是基坑侧壁向前的移动量和下滑量，移动量和下滑量出现了明显的变化，说明基坑在该处的变形是比较严重的；如果监测的是屋顶的形变，那么应当重点关注在竖直方向上的变化趋势。

应理解，在实际的环境中，形变发生的朝向是不可控的，其朝向可能朝向任意一个方向，通过分解，就可以了解关注方向上的形变。

至于分解变形量的表现形式，可以有以下几种，

第一种，第二区域视为一个整体，第二区域中每个云点数据的分解变形量计算一个均值，然后进行显示；

第二种，将第二区域划分为多个区域，每个区域中的云点数据的分解变形量计算一个均值，然后进行显示；

第三种，第二区域中每个云点数据的分解变形量均进行显示；

作为申请提供的点云数据处理方法的一种具体实施方式，第二组点云数据相对于基准平面的距离小于设定阈值的，将该点云数据与基准平面之间的距离记为零。

进过这样的处理后，就可以将部分微小的分解变形量滤除，这部分被滤除的分解变形量是在允许范围内的误差，例如考虑到扫描精度和计算误差等的影响，将这部分滤除也有利于最终结果的呈现，因为过多的无影响数据反而会使最终呈现的结果是复杂的。

在一些可能的实现方式中，基准平面可以使用最小二乘法进行拟合，具体步骤如下：

对空间中的一系列散点，寻求一个近似平面，与线性最小二乘一样，只是变换了拟合方程，使用平面的一般方程：

Ax+By+CZ+D＝0

可以令平面方程为：

z＝a

由最小二乘法知：

S＝min∑[(a

同样分别取a0、a1和a2的偏导数：

即是：

转换为矩阵形式有：

通过克拉默法则求出a0、a1和a2的行列式表达式：

就可以计算出平面公式，也就是上文z的结果。

本申请实施例还提供了一种点云数据处理装置，包括：

第一配准单元，用于响应于获取到的第一组点云数据和第二组点云数据，将这两组点云数据配准至同一坐标系，第一组点云数据和第二组点云数据是基于三维激光扫描生成的，第二组点云数据的生成时间滞后于第一组点云数据的生成时间；

第一划分单元，用于响应于获取到的划分指令，对第一组点云数据和第二组点云数据进行网格划分，形成多个单元方格，划分指令中包括划分网格时的参考面积值；

第一计算单元，用于计算每一个单元方格的重心；以及

第二计算单元，用于计算第一组点云数据中单元方格的重心和第二组点云数据中与之对应的单元方格的重心的距离，记为变形距离。

本申请实施例还提供了一种点云数据处理装置，包括：

第二配准单元，用于响应于获取到的第一组点云数据和第二组点云数据，将这两组点云数据配准至同一坐标系，第一组点云数据和第二组点云数据是基于三维激光扫描生成的，第二组点云数据的生成时间滞后于第一组点云数据的生成时间；

第二划分单元，用于响应于获取到的选取指令，在第一组点云数据上选取一块区域，记为第一区域，在第二组点云数据上选取一块区域，记为第二区域，第一区域和第二区域是相对应的；

拟合单元，用于对第一区域中的点云数据进行拟合计算，得到一个平面，记为基准平面；

第三计算单元，用于计算第二组点云数据相对于基准平面的距离，该距离记为变形量；

第一处理单元，用于以水平方向为x轴，竖直方向为y轴，基准平面的法向量方向为z轴，建立分解坐标系；以及

第二处理单元，用于将变形量转换到分解坐标系中并进行分解，得到三个分解变形量，这三个分解变形量分别平行于分解坐标系中的x轴方向、y轴方向和z轴方向。

在一个例子中，以上任一装置中的单元可以是被配置成实施以上方法的一个或多个集成电路，例如：一个或多个专用集成电路(application specificintegratedcircuit，ASIC)，或，一个或多个数字信号处理器(digital signal processor，DSP)，或，一个或者多个现场可编程门阵列(field programmable gate array，FPGA)，或这些集成电路形式中至少两种的组合。

再如，当装置中的单元可以通过处理元件调度程序的形式实现时，该处理元件可以是通用处理器，例如中央处理器(central processing unit，CPU)或其它可以调用程序的处理器。再如，这些单元可以集成在一起，以片上系统(system-on-a-chip，SOC)的形式实现。

在本申请中可能出现的对各种消息/信息/设备/网元/系统/装置/动作/操作/流程/概念等各类客体进行了赋名，可以理解的是，这些具体的名称并不构成对相关客体的限定，所赋名称可随着场景，语境或者使用习惯等因素而变更，对本申请中技术术语的技术含义的理解，应主要从其在技术方案中所体现/执行的功能和技术效果来确定。

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，上述描述的系统、装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

在本申请所提供的几个实施例中，应该理解到，所揭露的系统、装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。

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单元来实现本实施例方案的目的。

本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。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，但是这种实现不应认为超出本申请的范围。

还应理解，在本申请的各个实施例中，第一、第二等只是为了表示多个对象是不同的。例如第一时间窗和第二时间窗只是为了表示出不同的时间窗。而不应该对时间窗的本身产生任何影响，上述的第一、第二等不应该对本申请的实施例造成任何限制。

还应理解，在本申请的各个实施例中，如果没有特殊说明以及逻辑冲突，不同的实施例之间的术语和/或描述具有一致性、且可以相互引用，不同的实施例中的技术特征根据其内在的逻辑关系可以组合形成新的实施例。

所述功能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存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个计算机可读存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的计算机可读存储介质包括：U盘、移动硬盘、只读存储器(Read-OnlyMemory，ROM)、随机存取存储器(Random Access Memory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。

本申请实施例还提供了一种点云数据处理系统，所述系统包括：

一个或多个存储器，用于存储指令；以及

一个或多个处理器，用于从所述存储器中调用并运行所述指令，执行如上述内容中所述的点云数据处理方法。

本申请实施例还提供了一种计算机程序产品，该计算机程序产品包括指令，当该指令被执行时，以使得该点云数据处理系统执行对应于上述方法的点云数据处理系统的操作。

本申请实施例还提供了一种芯片系统，该芯片系统包括处理器，用于实现上述内容中所涉及的功能，例如，生成，接收，发送，或处理上述方法中所涉及的数据和/或信息。

该芯片系统，可以由芯片构成，也可以包括芯片和其他分立器件。

上述任一处提到的处理器，可以是一个CPU，微处理器，ASIC，或一个或多个用于控制上述的反馈信息传输的方法的程序执行的集成电路。

在一种可能的设计中，该芯片系统还包括存储器，该存储器，用于保存必要的程序指令和数据。该处理器和该存储器可以解耦，分别设置在不同的设备上，通过有线或者无线的方式连接，以支持该芯片系统实现上述实施例中的各种功能。或者，该处理器和该存储器也可以耦合在同一个设备上。

可选地，该计算机指令被存储在存储器中。

可选地，该存储器为该芯片内的存储单元，如寄存器、缓存等，该存储器还可以是该终端内的位于该芯片外部的存储单元，如ROM或可存储静态信息和指令的其他类型的静态存储设备，RAM等。

可以理解，本申请实施例中的存储器可以是易失性存储器或非易失性存储器，或可包括易失性和非易失性存储器两者。

非易失性存储器可以是ROM、可编程只读存储器(programmable ROM，PROM)、可擦除可编程只读存储器(erasable PROM，EPROM)、电可擦除可编程只读存储器(electricallyEPROM，EEPROM)或闪存。

易失性存储器可以是RAM，其用作外部高速缓存。RAM有多种不同的类型，例如静态随机存取存储器(static RAM，SRAM)、动态随机存取存储器(dynamic RAM，DRAM)、同步动态随机存取存储器(synchronous DRAM，SDRAM)、双倍数据速率同步动态随机存取存储器(double data rate SDRAM，DDR SDRAM)、增强型同步动态随机存取存储器(enhancedSDRAM，ESDRAM)、同步连接动态随机存取存储器(synch link DRAM，SLDRAM)和直接内存总线随机存取存储器。

本具体实施方式的实施例均为本申请的较佳实施例，并非依此限制本申请的保护范围，故：凡依本申请的结构、形状、原理所做的等效变化，均应涵盖于本申请的保护范围之内。