(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210091189.4 (22)申请日 2022.01.26 (71)申请人 山东科技大 学 地址 266000 山东省青岛市黄岛区前湾港 路579号 (72)发明人 卢晓　张苗苗　刘海青　毛序宁　 滕坤敏　张瑞　 (74)专利代理 机构 北京汇捷知识产权代理事务 所(普通合伙) 11531 专利代理师 张利 (51)Int.Cl. G06V 10/44(2022.01) G06V 10/764(2022.01) G06K 9/62(2022.01) G06T 7/00(2017.01) (54)发明名称 点云数据质量评估方法、 装置、 计算机设备 及存储介质 (57)摘要 本申请实施例属于数据分析技术领域， 涉及 一种点云数据质量评估方法、 装置、 计算机设备 及存储介质。 本申请通过对交通传感器采集的二 维点云数据进行分析， 提取几何特征和高斯投影 特征对目标进行描述。 几何特征主要为目标点云 分布的外接矩形长宽比， 高斯投影特征则包括点 云分布的水平及垂直投影特征。 基于求得的几何 特征和投影特征， 计算各个特征的权重， 建立了 基于信息熵的点云数据损失程度评价模 型， 能够 全面对二维点云数据质量进行有效评估， 弥补了 点云质量评估方式存在的不足。 权利要求书3页 说明书16页 附图10页 CN 114596446 A 2022.06.07 CN 114596446 A 1.一种点云数据质量评估方法， 其特 征在于， 包括下述 步骤： 获取待评估的原 始点云数据； 对所述原 始点云数据进行 特征提取操作， 得到点云数据特 征集合； 根据所述 点云数据特 征集合获取各个特征的权重分值； 根据所述权 重分值计算信息损失评价指标； 根据所述信 息损失评价指标对所述原始点云数据进行质量评估操作， 得到质量评估结 果。 2.根据权利要求1所述的点云数据质量评估方法， 其特征在于， 所述对所述原始点云数 据进行特征提取操作， 得到点云数据特 征集合的步骤， 具体包括下述 步骤： 根据目标边缘识别方法获取所述原始点云数据的最小外接矩形， 其中， 所述最小外接 矩形携带有长度数据以及宽度数据； 将所述长度数据以及所述宽度数据的比值作为几何特 征值； 根据高斯核函数计算所述原始点云数据在水平方向的水平概率密度最小值、 水平概率 密度最大值、 水平概 率密度平均值以及水平概 率密度标准差； 根据所述高斯核函数计算所述原始点云数据在竖直方向的竖直概率密度最小值、 竖直 概率密度最大值、 竖直 概率密度平均值以及竖直 概率密度标准差； 整合所述几何特征值、 所述水平概率密度最小值、 所述水平概率密度最大值、 所述水平 概率密度 平均值、 所述水平概率密度标准差、 所述竖直概率密度最小值、 所述竖直概率密度 最大值、 所述竖直概率密度平均值以及所述竖直概率密度标准差， 得到所述点云数据特征 集合。 3.根据权利要求1所述的点云数据质量评估方法， 其特征在于， 所述根据 所述点云数据 特征集合获取各个特征的权重分值的步骤， 具体包括下述 步骤： 在所述点云数据特征集合中获取c组点云数据特征集合， 分别计算每组点云数据的第 一评价指标， 并根据所述第一评价指标构建权 重特征矩阵， 其中， 所述c∈N*； 对所述权重特征矩阵进行降维处理， 得到新变量特征矩阵， 其中， 所述新变量特征矩阵 包括所述第一评价指标、 线性组合系数以及新变量； 获取与所述 新变量特 征矩阵对应的协方差矩阵； 对所述协方差矩阵进行QR分解操作， 得到协方差特 征值； 根据所述协方差特 征值计算贡献率； 在所述新变量中选取符合权 重选取条件的目标新变量； 计算所述第一评价指标在所述目标新变量中的线性组合系数； 根据所述贡献率、 所述第 一评价指标在所述目标新变量中的线性组合系数计算每个所 述第一评价指标在综合模型中的系数， 并对所述系数进行归一 化， 得到所述权 重分值。 4.根据权利要求1所述的点云数据质量评估方法， 其特征在于， 所述根据 所述权重分值 计算信息损失评价指标的步骤， 具体包括下述 步骤： 根据同一数据处理方法对每组所述原始点云数据进行a次数据处理操作， 得到第二评 价指标， 并根据所述第二评价指标构建信息熵特 征矩阵， 其中， 所述a∈N*； 根据所述信息熵特 征矩阵计算单一指标信息熵； 根据所述权 重分值以及所述单一指标信息熵计算所述信息损失评价指标。权　利　要　求　书 1/3 页 2 CN 114596446 A 25.根据权利要求1所述的点云数据质量评估方法， 其特征在于， 在所述根据所述信 息损 失评价指标对所述原始点云数据进行质量评估操作， 得到质量评估结果的步骤之后， 还包 括下述步骤： 根据所述质量评估结果确认最佳 数据处理方式； 根据所述最佳数据处理方式对所述原始点云数据进行数据处理操作， 得到样本量少且 有效信息损失少的目标 数据样本 。 6.一种点云数据质量评估 装置， 其特 征在于， 包括： 原始数据获取模块， 用于获取待评估的原 始点云数据； 特征提取模块， 用于对所述原 始点云数据进行 特征提取操作， 得到点云数据特 征集合； 权重分值获取模块， 用于根据所述 点云数据特 征集合获取各个特征的权重分值； 评价指标计算模块， 用于根据所述权 重分值计算信息损失评价指标； 质量评估模块， 用于根据所述信 息损失评价指标对所述原始点云数据进行质量评估操 作， 得到质量评估结果。 7.根据权利要求6所述的点云数据质量评估装置， 其特征在于， 所述特征提取模块， 包 括： 外接矩形获取子模块， 用于根据目标边缘识别方法获取所述原始点云数据的最小外接 矩形， 其中， 所述 最小外接矩形携带有长度数据以及宽度数据； 几何特征值确 认子模块， 用于将所述长度 数据以及所述宽度数据的比值作为几何特征 值； 水平概率密度子模块， 用于根据高斯核函数计算所述原始点云数据在水平方向的水平 概率密度最小值、 水平概 率密度最大值、 水平概 率密度平均值以及水平概 率密度标准差； 竖直概率密度子模块， 用于根据所述高斯核函数计算所述原始点云数据在竖直方向的 竖直概率密度最小值、 竖直概率密度最大值、 竖直概率密度平均值以及竖直概率密度标准 差； 特征整合子模块， 用于整合所述几何特征值、 所述水平概率密度最小值、 所述水平概率 密度最大值、 所述水平概率密度 平均值、 所述水平概率密度标准差、 所述竖直概率密度最小 值、 所述竖直概率密度最大值、 所述竖直概率密度 平均值以及所述竖直概率密度标准差， 得 到所述点云数据特 征集合。 8.根据权利要求6所述的点云数据质量评估装置， 其特征在于， 所述权重分值获取模 块， 包括： 权重特征矩阵构建子模块， 用于在所述点云数据特征集合中获取c组点云数据特征集 合， 分别计算每组点云数据的第一评价指标， 并根据所述第一评价指标构建权重特征矩阵， 其中， 所述c∈N*； 降维处理模块， 用于对所述权重特征矩阵进行降维处理， 得到新变量特征矩阵， 其中， 所述新变量特 征矩阵包括所述第一评价指标、 线性组合系数以及新变量； 协方差矩阵获取子模块， 用于获取与所述 新变量特 征矩阵对应的协方差矩阵； QR分解子模块， 用于对所述协方差矩阵进行QR分解操作， 得到协方差特 征值； 贡献率计算子模块， 用于根据所述协方差特 征值计算贡献率； 目标新变量确认子模块， 用于在所述 新变量中选取符合权 重选取条件的目标新变量；权　利　要　求　书 2/3 页 3 CN 114596446 A 3