数据处理方法、装置、计算机设备及存储介质与流程

1.本公开涉及计算机视觉技术领域，具体而言，涉及一种数据处理方法、装置、计算机设备及存储介质。


背景技术：

2.机房场景的数字化建模是智能工业中的重要组成部分，通过对机房中的设备等物体进行建模，可以减少人工制图和后期维护的成本。在机房中，各设备之间的连接线路往往通过走线架进行排布，因此掌握走线架的排布与尺寸情况，对机房中机柜等设备进行排布至关重要。
3.相关技术中，在对走线架进行数字化建模时，往往是根据走线架对应的点云数据和矢量算法，在三维空间坐标系中生成与走线架对应的三维矢量模型，但由于走线架之间有交叉，在场景中呈现交错状态，通过通用的矢量算法得到的三维矢量模型误差较大。


技术实现要素：

4.本公开实施例至少提供一种数据处理方法、装置、计算机设备及存储介质。
5.第一方面，本公开实施例提供了一种数据处理方法，包括：
6.获取目标对象对应的目标点云数据；
7.将所述目标点云数据从三维空间坐标系投影至二维坐标系中，得到所述目标对象对应的初始二维投影图；
8.基于所述初始二维投影图，确定所述目标对象对应的二维矢量图像；
9.将所述二维矢量图像从所述二维坐标系反投影至所述三维空间坐标系中，得到所述目标对象对应的三维矢量模型。
10.这样，通过将三维的点云数据投影至二维坐标系中，并在二维坐标系中步骤确定二维矢量图像，从而将复杂的三维建模问题转换为简单的二维建模问题，并通过将确定的二维矢量图像反投影至三维空间坐标系中，使得最终确定的目标对象对应的三维矢量模型相较于直接在三维空间坐标系下进行矢量化建模的误差更小，有效的解决了如何构建复杂场景下的三维矢量模型的问题。
11.一种可能的实施方式中，所述获取目标对象对应的目标点云数据，包括：
12.获取包含所述目标对象的目标场景的场景点云数据，并基于预先训练好的语义分割模型，确定所述场景点云数据中各点云点的语义信息；
13.基于所述场景点云数据中各点云点的语义信息，确定所述目标对象对应的目标点云数据。
14.这样，通过语义分割模型确定所述目标对象对应的目标点云数据，可以有效的实现目标对象与所述目标场景中其他对象的分离，避免其他对象对于建立目标对象的三维矢量模型的影响。
15.一种可能的实施方式中，所述基于所述初始二维投影图，确定所述目标对象对应
的二维矢量图像，包括：
16.对所述初始二维投影图进行边缘检测，确定所述目标对象对应的边缘检测结果；
17.基于所述边缘检测结果，确定所述目标对象对应的二维矢量图像。
18.这样，通过对二维图像进行边缘检测，可以准确的确定出目标对象的二维矢量图像。
19.一种可能的实施方式中，所述基于所述边缘检测结果，确定所述目标对象对应的二维矢量图像，包括：
20.对所述边缘检测结果进行滤波处理，并对滤波处理后的边缘检测结果中的边缘线段进行延长处理，得到所述目标对象对应的目标二维投影图；其中，所述目标二维投影图中包含至少一组平行直线组，且各组平行直线组中包含多条互相平行的第一直线；
21.针对任一所述平行直线组中的任一第一直线，从该组平行直线组中的其余第一直线中确定与该第一直线之间符合第一预设条件的第二直线，并将该第一直线和确定的所述第二直线作为目标直线对；
22.针对任一所述目标直线对，对该目标直线对中的第一直线和第二直线分别进行采样处理，并将采样处理后得到的多个采样点依次进行连接，得到多条垂直于所述第一直线的待检测线段；
23.基于各所述待检测线段和所述初始二维投影图，确定所述目标对象对应的二维矢量图像。
24.一种可能的实施方式中，所述针对任一所述目标直线对，对该目标直线对中的第一直线和第二直线分别进行采样处理，并将采样处理后得到的多个采样点依次进行连接，得到多条垂直于所述第一直线的待检测线段，包括：
25.基于预设采样个数对目标直线对中的第一直线上的像素点进行第一采样处理，得到多个第一像素点；以及，基于所述预设采样个数对目标直线对中的第二直线上的像素点进行第二采样处理，得到多个第二像素点；其中，所述第一采样处理和第二采样处理的采样间隔相同，对应位置处的第一像素点和第二像素点之间的连线垂直于所述第一直线；
26.将对应位置处的第一像素点和第二像素点依次进行连接，得到多条垂直于所述第一直线的待检测线段。
27.这样，通过对第一直线和第二直线分别进行采样，可以逐段与初始二维投影图像进行拟合，提高了二维矢量图像的精度。
28.一种可能的实施方式中，所述基于各所述待检测线段和所述初始二维投影图，确定所述目标对象对应的二维矢量图像，包括：
29.针对任一所述目标直线对，将该目标直线对对应的待检测线段与所述初始二维投影图进行匹配，确定满足第二预设条件的目标线段；
30.基于所述目标直线对和所述目标直线对对应的目标线段，确定各目标直线对分别对应的待筛选矢量结果；
31.基于各目标直线对分别对应的待筛选矢量结果，确定所述目标对象对应的二维矢量图像。
32.这样，在将待检测线段与初始二维投影图像进行匹配之后，由于仍可能存在部分重合的待检测线段，因此需要基于待筛选矢量结果进一步进行筛选，确定目标对象对应的
二维矢量图像。
33.一种可能的实施方式中，所述待筛选矢量结果包括所述目标对象对应的待筛选四边形；
34.所述基于所述目标直线对和所述目标直线对对应的目标线段，确定各目标直线对分别对应的待筛选矢量结果，包括：
35.针对任一所述目标直线对，在检测到该目标直线段对应的待检测线段中存在连续n个目标线段的情况下，将连续的n个目标线段中的第一个目标线段作为所述待筛选四边形的第一边缘；以及，将连续的n个目标线段中的最后一个目标线段作为所述待筛选四边形的第二边缘；其中，n为大于预设正整数m的自然数；
36.基于该目标直线对，以及该目标直线对对应的第一边缘和第二边缘，确定该目标直线对对应的待筛选四边形。
37.这样，通过基于目标直线对、该目标直线对对应的第一边缘以及该目标直线对对应的第二边缘，确定出待筛选四边形，可以在二维坐标系中拟合出目标对象，从而确保了最终确定的目标对象对应的三维矢量模型的准确性。
38.一种可能的实施方式中，所述基于各目标直线对分别对应的待筛选矢量结果，确定所述目标对象对应的二维矢量图像，包括：
39.基于所述初始二维投影图，确定各待筛选四边形分别对应的目标面积；
40.基于各待筛选四边形分别对应的目标面积，确定所述目标对象对应的二维矢量图像。
41.这样，通过各待筛选四边形分别在初始二维投影图中对应的目标面积，确定所述目标对象对应的二维矢量图像，可以确保生成的二维矢量图像的准确性。
42.一种可能的实施方式中，所述将所述二维矢量图像从二维坐标系反投影至三维空间坐标系中，得到所述目标对象对应的三维矢量模型，包括：
43.基于所述目标点云数据中各点云点分别对应的高度信息，将所述二维矢量图像从二维坐标系反投影至三维空间坐标系中，得到所述目标对象对应的三维矢量模型。
44.这样，基于所述目标点云数据中各点云点分别对应的高度信息，将二维矢量图像反投影至三维空间坐标系中，可以得到最终生成的所述目标对象对应的三维矢量模型。
45.第二方面，本公开实施例还提供一种数据处理装置，包括：
46.获取模块，用于获取目标对象对应的目标点云数据；
47.投影模块，用于将所述目标点云数据从三维空间坐标系投影至二维坐标系中，得到所述目标对象对应的初始二维投影图；
48.确定模块，用于基于所述初始二维投影图，确定所述目标对象对应的二维矢量图像；
49.反投影模块，用于将所述二维矢量图像从所述二维坐标系反投影至所述三维空间坐标系中，得到所述目标对象对应的三维矢量模型。
50.一种可能的实施方式中，所述获取模块，在获取目标对象对应的目标点云数据时，用于：
51.获取包含所述目标对象的目标场景的场景点云数据，并基于预先训练好的语义分割模型，确定所述场景点云数据中各点云点的语义信息；
52.基于所述场景点云数据中各点云点的语义信息，确定所述目标对象对应的目标点云数据。
53.一种可能的实施方式中，所述确定模块，在基于所述初始二维投影图，确定所述目标对象对应的二维矢量图像时，用于：
54.对所述初始二维投影图进行边缘检测，确定所述目标对象对应的边缘检测结果；
55.基于所述边缘检测结果，确定所述目标对象对应的二维矢量图像。
56.一种可能的实施方式中，所述确定模块，在基于所述边缘检测结果，确定所述目标对象对应的二维矢量图像时，用于：
57.对所述边缘检测结果进行滤波处理，并对滤波处理后的边缘检测结果中的边缘线段进行延长处理，得到所述目标对象对应的目标二维投影图；其中，所述目标二维投影图中包含至少一组平行直线组，且各组平行直线组中包含多条互相平行的第一直线；
58.针对任一所述平行直线组中的任一第一直线，从该组平行直线组中的其余第一直线中确定与该第一直线之间符合第一预设条件的第二直线，并将该第一直线和确定的所述第二直线作为目标直线对；
59.针对任一所述目标直线对，对该目标直线对中的第一直线和第二直线分别进行采样处理，并将采样处理后得到的多个采样点依次进行连接，得到多条垂直于所述第一直线的待检测线段；
60.基于各所述待检测线段和所述初始二维投影图，确定所述目标对象对应的二维矢量图像。
61.一种可能的实施方式中，所述确定模块，在针对任一所述目标直线对，对该目标直线对中的第一直线和第二直线分别进行采样处理，并将采样处理后得到的多个采样点依次进行连接，得到多条垂直于所述第一直线的待检测线段时，用于：
62.基于预设采样个数对目标直线对中的第一直线上的像素点进行第一采样处理，得到多个第一像素点；以及，基于所述预设采样个数对目标直线对中的第二直线上的像素点进行第二采样处理，得到多个第二像素点；其中，所述第一采样处理和第二采样处理的采样间隔相同，对应位置处的第一像素点和第二像素点之间的连线垂直于所述第一直线；
63.将对应位置处的第一像素点和第二像素点依次进行连接，得到多条垂直于所述第一直线的待检测线段。
64.一种可能的实施方式中，所述确定模块，在基于各所述待检测线段和所述初始二维投影图，确定所述目标对象对应的二维矢量图像时，用于：
65.针对任一所述目标直线对，将该目标直线对对应的待检测线段与所述初始二维投影图进行匹配，确定满足第二预设条件的目标线段；
66.基于所述目标直线对和所述目标直线对对应的目标线段，确定各目标直线对分别对应的待筛选矢量结果；
67.基于各目标直线对分别对应的待筛选矢量结果，确定所述目标对象对应的二维矢量图像。
68.一种可能的实施方式中，所述待筛选矢量结果包括所述目标对象对应的待筛选四边形；
69.所述确定模块，在基于所述目标直线对和所述目标直线对对应的目标线段，确定
各目标直线对分别对应的待筛选矢量结果时，用于：
70.针对任一所述目标直线对，在检测到该目标直线段对应的待检测线段中存在连续n个目标线段的情况下，将连续的n个目标线段中的第一个目标线段作为所述待筛选四边形的第一边缘；以及，将连续的n个目标线段中的最后一个目标线段作为所述待筛选四边形的第二边缘；其中，n为大于预设正整数m的自然数；
71.基于该目标直线对，以及该目标直线对对应的第一边缘和第二边缘，确定该目标直线对对应的待筛选四边形。
72.一种可能的实施方式中，所述确定模块，在基于各目标直线对分别对应的待筛选矢量结果，确定所述目标对象对应的二维矢量图像时，用于：
73.基于所述初始二维投影图，确定各待筛选四边形分别对应的目标面积；
74.基于各待筛选四边形分别对应的目标面积，确定所述目标对象对应的二维矢量图像。
75.一种可能的实施方式中，所述反投影模块，在将所述二维矢量图像从二维坐标系反投影至三维空间坐标系中，得到所述目标对象对应的三维矢量模型时，用于：
76.基于所述目标点云数据中各点云点分别对应的高度信息，将所述二维矢量图像从二维坐标系反投影至三维空间坐标系中，得到所述目标对象对应的三维矢量模型。
77.第三方面，本公开实施例还提供一种计算机设备，包括：处理器、存储器和总线，所述存储器存储有所述处理器可执行的机器可读指令，当计算机设备运行时，所述处理器与所述存储器之间通过总线通信，所述机器可读指令被所述处理器执行时执行上述第一方面，或第一方面中任一种可能的实施方式中的步骤。
78.第四方面，本公开实施例还提供一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器运行时执行上述第一方面，或第一方面中任一种可能的实施方式中的步骤。
79.关于上述数据处理装置、计算机设备、及计算机可读存储介质的效果描述参见上述数据处理方法的说明，这里不再赘述。
80.为使本公开的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。
附图说明
81.为了更清楚地说明本公开实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，此处的附图被并入说明书中并构成本说明书中的一部分，这些附图示出了符合本公开的实施例，并与说明书一起用于说明本公开的技术方案。应当理解，以下附图仅示出了本公开的某些实施例，因此不应被看作是对范围的限定，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相关的附图。
82.图1示出了本公开实施例所提供的一种数据处理方法的流程图；
83.图2示出了本公开实施例所提供的数据处理方法中，场景点云数据中各点云点的语义信息的示意图；
84.图3a示出了本公开实施例所提供的数据处理方法中，初始二维投影图的示意图；
85.图3b示出了本公开实施例所提供的数据处理方法中，闭运算处理后的初始二维投
影图的示意图；
86.图3c示出了本公开实施例所提供的数据处理方法中，目标对象对应的轮廓检测结果；
87.图3d示出了本公开实施例所提供的数据处理方法中，目标对象对应的边缘检测结果；
88.图3e示出了本公开实施例所提供的数据处理方法中，目标二维投影图的示意图；
89.图4a示出了本公开实施例所提供的数据处理方法中，待检测线段的示意图；
90.图4b示出了本公开实施例所提供的数据处理方法中，确定第一边缘和第二边缘的示意图；
91.图5a示出了本公开实施例所提供的数据处理方法中，目标对象对应的二维矢量图像的示意图；
92.图5b示出了本公开实施例所提供的数据处理方法中，目标对象对应的三维矢量模型；
93.图6示出了本公开实施例所提供的一种数据处理装置的架构示意图；
94.图7示出了本公开实施例所提供的一种计算机设备的结构示意图。
具体实施方式
95.为使本公开实施例的目的、技术方案和优点更加清楚，下面将结合本公开实施例中附图，对本公开实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本公开一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本公开实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本公开的实施例的详细描述并非旨在限制要求保护的本公开的范围，而是仅仅表示本公开的选定实施例。基于本公开的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本公开保护的范围。
96.应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。
97.本文中术语“和/或”，仅仅是描述一种关联关系，表示可以存在三种关系，例如，a和/或b，可以表示：单独存在a，同时存在a和b，单独存在b这三种情况。另外，本文中术语“至少一种”表示多种中的任意一种或多种中的至少两种的任意组合，例如，包括a、b、c中的至少一种，可以表示包括从a、b和c构成的集合中选择的任意一个或多个元素。
98.经研究发现，在对走线架进行数字化建模时，往往是根据走线架对应的点云数据和矢量算法，在三维空间坐标系中生成与走线架对应的三维矢量模型，但由于走线架之间有交叉，在场景中呈现交错状态，通过通用的矢量算法得到的三维矢量模型误差较大。
99.具体的，走线架在三维空间坐标系的分布较为分散，因此在复杂场景下可能会因为较为分散的点云数据，造成最终生成的三维矢量模型与实际物体之间的误差较大的问题。
100.基于上述研究，本公开提供了一种数据处理方法、装置、计算机设备及存储介质，通过将三维的点云数据投影至二维坐标系中，并在二维坐标系中进行边缘检测等相应处理步骤确定二维矢量图像，而通过在二维坐标系下进行了边缘检测，可以准确的确定出目标
对象的二维矢量图像，从而将复杂的三维建模问题转换为简单的二维建模问题，并通过将确定的二维矢量图像反投影至三维空间坐标系中，使得最终确定的目标对象对应的三维矢量模型相较于直接在三维空间坐标系下进行矢量化建模的误差更小，有效的解决了如何构建复杂场景下的三维矢量模型的问题。
101.为便于对本实施例进行理解，首先对本公开实施例所公开的一种数据处理方法进行详细介绍，本公开实施例所提供的数据处理方法的执行主体一般为具有一定计算能力的计算机设备，该计算机设备例如包括：终端设备或服务器或其它处理设备，终端设备可以为用户设备(user equipment，ue)、移动设备、用户终端、终端、个人数字助理(personal digital assistant，pda)、手持设备、计算设备、车载设备、可穿戴设备等。在一些可能的实现方式中，该数据处理方法可以通过处理器调用存储器中存储的计算机可读指令的方式来实现。
102.参见图1所示，为本公开实施例提供的数据处理方法的流程图，所述方法包括s101～s104，其中：
103.s101：获取目标对象对应的目标点云数据。
104.s102：将所述目标点云数据从三维空间坐标系投影至二维坐标系中，得到所述目标对象对应的初始二维投影图。
105.s103：基于所述初始二维投影图，确定所述目标对象对应的二维矢量图像。
106.s104：将所述二维矢量图像从所述二维坐标系反投影至所述三维空间坐标系中，得到所述目标对象对应的三维矢量模型。
107.以下是对上述步骤的详细介绍。
108.针对s101，所述目标对象的形状包括可以长方体，例如走线架等。
109.一种可能的实施方式中，在获取目标对象对应的目标点云数据时，可以获取包含所述目标对象的目标场景的场景点云数据，并基于预先训练好的语义分割模型，确定所述场景点云数据中各点云点的语义信息；基于所述场景点云数据中各点云点的语义信息，确定所述目标对象对应的目标点云数据。
110.这里，所述语义分割模型可以是卷积神经网络模型，比如具有u-net结构的三维稀疏卷积神经网络模型。
111.具体的，在获取场景点云数据时，可以基于图像采集设备采集目标场景对应的全景视频，并基于所述全景视频和所述图像采集设备在所述目标场景中的位姿，对所述目标场景进行三维点云重建，以获取所述目标场景的场景点云数据。
112.示例性的，以目标场景为机房，目标对象为走线架为例，所述场景点云数据中各点云点的语义信息的示意图可以如图2所示，图2中，不同物体对应的点云点的颜色不同，走线架对应的目标点云数据位于图像的上方。
113.这样，通过语义分割模型确定所述目标对象对应的目标点云数据，可以有效的实现目标对象与所述目标场景中其他对象的分离，避免其他对象对于建立目标对象的三维矢量模型的影响。
114.s102：将所述目标点云数据从三维空间坐标系投影至二维坐标系中，得到所述目标对象对应的初始二维投影图。
115.这里，在进行投影时，可以根据所述目标点云数据中各点云点分别对应的高度信
息，以及预设的三维空间坐标系和二维坐标系的转换关系，得到所述目标对象对应的初始二维投影图。
116.具体的，可以将所述目标点云数据中各点云点分别对应的高度信息置零，将所述目标点云数据中各点云点投影到所述三维空间坐标系中的目标平面上，然后根据预设的三维空间坐标系和二维坐标系的转换关系，将位于所述目标平面的各点云点转换至二维坐标系中，得到所述初始二维投影图。
117.示例性的，以所述三维空间坐标系中与高度信息对应的坐标轴为y轴，三维空间坐标系与二维坐标系的转换关系为1厘米对应1像素为例，可以将所述目标点云数据中各点云点在y轴上的坐标置零，将各点云点投影至由x轴和z轴组成的目标平面上，然后根据1厘米对应1像素的转换关系，将各点云点在三维空间坐标系中的距离转换为在二维像素坐标系下的像素距离，并根据所述像素距离在所述二维坐标系中生成与各点云点分别对应的像素点，各像素点即可构成所述初始二维投影图。
118.示例性的，所述初始二维投影图的示意图可以如图3a所示，图3a中，完成了对走线架的空间维度转换，将图2中的目标云点数据转换至二维图像坐标系中。
119.s103：基于所述初始二维投影图，确定所述目标对象对应的二维矢量图像。
120.这里，在确定所述目标对象对应的二维矢量图像时，可以对所述初始二维投影图进行边缘检测，确定所述目标对象对应的边缘检测结果；基于所述边缘检测结果，确定所述目标对象对应的二维矢量图像。
121.实际应用中，由于目标点云数据中的点云点的数量较少、边缘检测算法需要较多像素点等原因，导致直接对初始二维投影图进行边缘检测时的边缘检测结果较差。
122.一种可能的实施方式中，在对所述初始二维投影图进行边缘检测之前，可以对所述初始二维投影图进行闭运算处理，得到闭运算处理后的初始二维投影图。
123.这里，可以基于闭运算算法对所述初始二维投影图中，目标对象对应的目标像素点进行闭运算处理，以增加所述目标像素点在所述初始二维投影图中的数量。
124.示例性的，经过闭运算处理后的初始二维投影图的示意图可以如图3b所示，图3b中，通过对目标像素点进行闭运算处理，使得初始二维投影图中的目标像素点的数量，相较于图3a中的目标像素点的数量有明显增加。
125.进一步的，在进行边缘检测时，可以对闭运算处理后的初始二维投影图进行边缘检测。
126.这样，通过对所述初始二维投影图像进行闭运算处理，可以将目标对象对应的目标像素点较为稀疏的初始二维投影图，转化为目标像素点较为稠密的初始二维投影图，从而可以提高边缘检测结果的准确性。
127.一种可能的实施方式中，在确定目标对象对应的边缘检测结果时，可以采用下述步骤a1～a2：
128.a1：基于轮廓检测算法对所述初始二维投影图进行轮廓检测，确定所述目标对象对应的轮廓检测结果。
129.示例性的，所述目标对象对应的轮廓检测结果可以如图3c所示，图3c中，确定出了机房中走线架的轮廓。
130.a2：基于线段检测算法对所述轮廓检测结果进行线段检测，确定所述目标对象对
应的边缘检测结果。
131.这里，所述线段检测算法例如可以是霍夫线段检测算法等。
132.示例性的，所述目标对象对应的边缘检测结果可以如图3d所示，图3d中，确定出了机房中走线架的边缘。
133.这样，通过使用轮廓检测算法和线段检测算法对初始二维投影图进行处理，可以准确的确定出所述目标对象对应的边缘检测结果。
134.s104：将所述二维矢量图像从所述二维坐标系反投影至所述三维空间坐标系中，得到所述目标对象对应的三维矢量模型。
135.一种可能的实施方式中，在确定目标对象对应的二维矢量图像时，可以采用下述步骤b1～b4：
136.b1：对所述边缘检测结果进行滤波处理，并对滤波处理后的边缘检测结果中的边缘线段进行延长处理，得到所述目标对象对应的目标二维投影图；其中，所述目标二维投影图中包含至少一组平行直线组，且各组平行直线组中包含多条互相平行的第一直线。
137.这里，由于边缘检测结果中可能存在误差，因此可以先对边缘检测结果进行滤波处理，然后再对滤波处理后的边缘检测结果中的边缘线段进行延长处理，得到所述目标二维投影图。
138.具体的，在对所述边缘检测结果进行滤波处理时，可以采用以下方式中任一种：
139.方式1、删除重复的边缘线段
140.这里，针对所述边缘检测结果中的任一所述边缘线段，可以在检测到该边缘线段与其他边缘线段重叠的像素点个数超过第一预设个数的情况下，删除该边缘线段(或者删除与该边缘线段重叠的像素点个数超过预设个数的边缘线段)。
141.方式2、删除杂乱的边缘线段
142.这里，针对任一所述边缘线段，可以确定该边缘线段与所述初始二维投影图中目标像素点的像素点重叠个数，并在检测到所述像素点重叠个数小于第二预设个数的情况下，删除该边缘线段；
143.方式3、连接相同的边缘线段
144.这里，针对任一所述边缘线段，在检测到该边缘线段与其他边缘线段中的目标边缘线段重叠的像素点个数，与构成该边缘线段的像素点个数的比例符合预设比例要求的情况下，可以确定该边缘线段与所述目标边缘线段实际上为同一线段，此时可以基于该边缘线段与所述目标边缘线段的端点，生成连接后的边缘线段。
145.示例性的，以存在重叠的边缘线段为ab和cd为例，由于端点b和端点c均为重叠部分内部的端点，且重叠部分bc占ab的比例超过预设比例1/3，此时可以连接端点a和端点d，得到连接后的边缘线段ad，并将边缘线段ab和cd删除。
146.示例性的，所述目标二维投影图的示意图可以如图3e所示，图3e中，将经过滤波处理后的边缘线段，延长至所述目标二维投影图的图像边缘。
147.b2：针对任一所述平行直线组中的任一第一直线，从该组平行直线组中的其余第一直线中确定与该第一直线之间符合第一预设条件的第二直线，并将该第一直线和确定的所述第二直线作为目标直线对。
148.这里，所述第一预设条件例如可以是直线之间的距离大于第一预设距离，且小于
第二预设距离；其中，所述第一预设距离小于所述第二预设距离。
149.b3：针对任一所述目标直线对，对该目标直线对中的第一直线和第二直线分别进行采样处理，并将采样处理后得到的多个采样点依次进行连接，得到多条垂直于所述第一直线的待检测线段。
150.一种可能的实施方式中，在确定待检测线段时，可以采用下述步骤b31～b32：
151.b31：基于预设采样个数对目标直线对中的第一直线上的像素点进行第一采样处理，得到多个第一像素点；以及，基于所述预设采样个数对目标直线对中的第二直线上的像素点进行第二采样处理，得到多个第二像素点；其中，所述第一采样处理和第二采样处理的采样间隔相同，对应位置处的第一像素点和第二像素点之间的连线垂直于所述第一直线。
152.b32：将对应位置处的第一像素点和第二像素点依次进行连接，得到多条垂直于所述第一直线的待检测线段。
153.示例性的，确定待检测线段的示意图可以如图4a所示，图4a中，对第一直线采样了9个第一像素点，对第二直线采样了9个第二像素点，第一像素点和第二像素点依次连接，得到了9个待检测线段。
154.这样，通过对第一直线和第二直线分别进行采样，并基于采样后得到像素点依次进行连接，得到多个待检测线段，从而可以便于后续基于待检测线段，对长方形的目标对象的短边进行拟合，从而确保最终得到的三维矢量模型的准确性。
155.b4：基于各所述待检测线段和所述初始二维投影图，确定所述目标对象对应的二维矢量图像。
156.这样，通过对边缘检测结果进行滤波处理，可以减少噪声影响，提高边缘检测结果；而由于目标对象的边缘一般是平行的，因此，通过筛选目标直线对，可以进一步确定目标对象的边缘位置。
157.一种可能的实施方式中，在基于各待检测线段和初始二维投影图，确定目标对象对应的二维矢量图像时，可以采用下述步骤c1～c3：
158.c1：针对任一所述目标直线对，将该目标直线对对应的待检测线段与所述初始二维投影图进行匹配，确定满足第二预设条件的目标线段。
159.这里，所述第二预设条件例如可以是，待检测线段与所述初始二维投影图中的目标像素点的重叠个数大于第三预设个数。
160.c2：基于所述目标直线对和所述目标直线对对应的目标线段，确定各目标直线对分别对应的待筛选矢量结果。
161.这里，所述待筛选矢量结果包括所述目标对象对应的待筛选四边形。
162.一种可能的实施方式中，在确定各目标直线对分别对应的待筛选矢量结果时，可以采用下述步骤c21～c22：
163.c21：针对任一所述目标直线对，在检测到该目标直线段对应的待检测线段中存在连续n个目标线段的情况下，将连续的n个目标线段中的第一个目标线段作为所述待筛选四边形的第一边缘；以及，将连续的n个目标线段中的最后一个目标线段作为所述待筛选四边形的第二边缘；其中，n为大于预设正整数m的自然数。
164.示例性的，确定第一边缘和第二边缘的示意图可以如图4b所示，图4b中，虚线表示目标线段，图中共有连续的7个目标线段，大于预设的3(即m＝3)，因此可以将第1个目标线
段作为第一边缘，并将第7个目标线段作为第二边缘。
165.c22：基于该目标直线对，以及该目标直线对对应的第一边缘和第二边缘，确定该目标直线对对应的待筛选四边形。
166.这里，由该目标直线对、该目标直线对对应的第一边缘以及该目标直线对对应的第二边缘构成的四边形，即为该目标直线对对应的待筛选四边形。
167.这样，通过基于目标直线对、该目标直线对对应的第一边缘以及该目标直线对对应的第二边缘，确定出待筛选四边形，可以在二维坐标系中拟合出目标对象，从而确保了最终确定的目标对象对应的三维矢量模型的准确性。
168.c3：基于各目标直线对分别对应的待筛选矢量结果，确定所述目标对象对应的二维矢量图像。
169.这样，在将待检测线段与初始二维投影图像进行匹配之后，仍可能存在部分重合的待检测线段，因此需要基于待筛选矢量结果进一步进行筛选，确定目标对象对应的二维矢量图像。
170.一种可能的实施方式中，在确定各目标直线对分别对应的待筛选矢量结果时，可以采用下述步骤c31～c32：
171.c31：基于所述初始二维投影图，确定各待筛选四边形分别对应的目标面积。
172.这里，针对任一所述待筛选四边形，该待筛选四边形对应的目标面积可以是该待筛选四边形中，在所述初始二维投影图对应有所述目标像素点的区域的面积。
173.示例性的，待筛选四边形abcd中的区域1，在所述初始二维投影图中对应有目标像素点，则区域1的面积即为所述待筛选四边形abcd对应的目标面积。
174.c32：基于各待筛选四边形分别对应的目标面积，确定所述目标对象对应的二维矢量图像。
175.这里，在确定所述目标对象对应的二维矢量图像时，可以基于各待筛选四边形分别对应的面积由高到低进行排序，并根据排序结果依次确定当前的第k个待筛选四边形是否与前k-1个待筛选四边形存在重叠区域，若否，则将当前确定的待筛选四边形作为目标四边形；其中，k为预设正整数，第一个待筛选四边形为所述目标四边形，各目标直线对分别对应目标四边形构成所述目标对象对应的二维矢量图像。
176.具体的，为了更好的拟合出水平方向和竖直方向这两个方向上的目标对象，排序的队列可以包括水平方向的第一队列和竖直方向的第二队列，在基于各待筛选四边形分别对应的面积由高到低进行排序时，可以确定各待筛选四边形中的长边分别与水平方向的夹角，若夹角小于目标夹角，则将该待筛选四边形加入所述第一队列进行排序；若夹角大于等于所述目标夹角，则将该待筛选四边形加入所述第二队列进行排序。
177.相应的，在判断是否存在重叠区域时，也可以基于当前所在的排序队列进行判断，判断当前排序队列中的第k个待筛选四边形是否与前k-1个待筛选四边形存在重叠区域，从而确定出所述目标对象对应的二维矢量图像。
178.示例性的，所述目标对象对应的二维矢量图像的示意图可以如图5a所示，图5a中，各四边形区域表示对应位置处存在走线架。
179.这样，通过各待筛选四边形分别在初始二维投影图中对应的目标面积，确定所述目标对象对应的二维矢量图像，可以确保生成的二维矢量图像的准确性。
180.一种可能的实施方式中，在将所述二维矢量图像从二维坐标系反投影至三维空间坐标系中时，可以基于所述目标点云数据中各点云点分别对应的高度信息，将所述二维矢量图像从二维坐标系反投影至三维空间坐标系中，以得到所述目标对象对应的三维矢量模型。
181.这里，所述点云点对应的高度信息也即是在投影方向(z轴方向)上的长度，在进行反投影时，可以根据投影时采用的所述三维空间坐标系和二维坐标系的转换关系，将所述二维矢量图像转换至所述三维空间坐标系中的目标平面上，然后根据所述目标点云点数据中各点云点分别对应的高度信息，确定所述目标对象对应的三维矢量模型。
182.具体的，在根据所述目标点云点数据中各点云点分别对应的高度信息，确定所述目标对象对应的三维矢量模型时，针对所述目标平面上任一处二维矢量图像对应的目标位置点，可以确定该位置点对应的目标点云数据中的目标点云点，并将所述目标点云点对应的高度信息中的最大值和最小值作为该位置点对应的最大高度和最小高度；从而可以基于各所述目标位置点分别对应的最大高度和最小高度，构建所述目标对象对应的三维矢量模型。
183.此外，在确定所述目标对象对应的三维矢量模型时，还可以根据投影时采用的所述三维空间坐标系和二维坐标系的转换关系，将所述二维矢量图像转换至所述三维空间坐标系中的目标平面上，然后根据所述目标点云点数据中各点云点分别对应的预设高度信息，确定所述目标对象对应的三维矢量模型。
184.示例性的，所述目标对象对应的三维矢量模型可以如图5b所示，图5b中，各长方体区域表示对应位置处存在走线架。
185.这样，基于所述目标点云数据中各点云点分别对应的高度信息，将二维矢量图像反投影至三维空间坐标系中，可以得到最终生成的所述目标对象对应的三维矢量模型。
186.本公开实施例提供的数据处理方法，通过将三维的点云数据投影至二维坐标系中，并在二维坐标系中步骤确定二维矢量图像，从而将复杂的三维建模问题转换为简单的二维建模问题，并通过将确定的二维矢量图像反投影至三维空间坐标系中，使得最终确定的目标对象对应的三维矢量模型相较于直接在三维空间坐标系下进行矢量化建模的误差更小，有效的解决了如何构建复杂场景下的三维矢量模型的问题。
187.本领域技术人员可以理解，在具体实施方式的上述方法中，各步骤的撰写顺序并不意味着严格的执行顺序而对实施过程构成任何限定，各步骤的具体执行顺序应当以其功能和可能的内在逻辑确定。
188.基于同一发明构思，本公开实施例中还提供了与数据处理方法对应的数据处理装置，由于本公开实施例中的装置解决问题的原理与本公开实施例上述数据处理方法相似，因此装置的实施可以参见方法的实施，重复之处不再赘述。
189.参照图6所示，为本公开实施例提供的一种数据处理装置的架构示意图，所述装置包括：获取模块601、投影模块602、确定模块603、反投影模块604；其中，
190.获取模块601，用于获取目标对象对应的目标点云数据；
191.投影模块602，用于将所述目标点云数据从三维空间坐标系投影至二维坐标系中，得到所述目标对象对应的初始二维投影图；
192.确实模块603，用于基于所述初始二维投影图，确定所述目标对象对应的二维矢量
图像；
193.反投影模块604602，用于将所述二维矢量图像从所述二维坐标系反投影至所述三维空间坐标系中，得到所述目标对象对应的三维矢量模型。
194.一种可能的实施方式中，所述获取模块601，在获取目标对象对应的目标点云数据时，用于：
195.获取包含所述目标对象的目标场景的场景点云数据，并基于预先训练好的语义分割模型，确定所述场景点云数据中各点云点的语义信息；
196.基于所述场景点云数据中各点云点的语义信息，确定所述目标对象对应的目标点云数据。
197.一种可能的实施方式中，所述确实模块603，在基于所述初始二维投影图，确定所述目标对象对应的二维矢量图像时，用于：
198.对所述初始二维投影图进行边缘检测，确定所述目标对象对应的边缘检测结果；
199.基于所述边缘检测结果，确定所述目标对象对应的二维矢量图像。
200.一种可能的实施方式中，所述确实模块603，在基于所述边缘检测结果，确定所述目标对象对应的二维矢量图像时，用于：
201.对所述边缘检测结果进行滤波处理，并对滤波处理后的边缘检测结果中的边缘线段进行延长处理，得到所述目标对象对应的目标二维投影图；其中，所述目标二维投影图中包含至少一组平行直线组，且各组平行直线组中包含多条互相平行的第一直线；
202.针对任一所述平行直线组中的任一第一直线，从该组平行直线组中的其余第一直线中确定与该第一直线之间符合第一预设条件的第二直线，并将该第一直线和确定的所述第二直线作为目标直线对；
203.针对任一所述目标直线对，对该目标直线对中的第一直线和第二直线分别进行采样处理，并将采样处理后得到的多个采样点依次进行连接，得到多条垂直于所述第一直线的待检测线段；
204.基于各所述待检测线段和所述初始二维投影图，确定所述目标对象对应的二维矢量图像。
205.一种可能的实施方式中，所述确实模块603，在针对任一所述目标直线对，对该目标直线对中的第一直线和第二直线分别进行采样处理，并将采样处理后得到的多个采样点依次进行连接，得到多条垂直于所述第一直线的待检测线段时，用于：
206.基于预设采样个数对目标直线对中的第一直线上的像素点进行第一采样处理，得到多个第一像素点；以及，基于所述预设采样个数对目标直线对中的第二直线上的像素点进行第二采样处理，得到多个第二像素点；其中，所述第一采样处理和第二采样处理的采样间隔相同，对应位置处的第一像素点和第二像素点之间的连线垂直于所述第一直线；
207.将对应位置处的第一像素点和第二像素点依次进行连接，得到多条垂直于所述第一直线的待检测线段。
208.一种可能的实施方式中，所述确实模块603，在基于各所述待检测线段和所述初始二维投影图，确定所述目标对象对应的二维矢量图像时，用于：
209.针对任一所述目标直线对，将该目标直线对对应的待检测线段与所述初始二维投影图进行匹配，确定满足第二预设条件的目标线段；
210.基于所述目标直线对和所述目标直线对对应的目标线段，确定各目标直线对分别对应的待筛选矢量结果；
211.基于各目标直线对分别对应的待筛选矢量结果，确定所述目标对象对应的二维矢量图像。
212.一种可能的实施方式中，所述待筛选矢量结果包括所述目标对象对应的待筛选四边形；
213.所述确实模块603，在基于所述目标直线对和所述目标直线对对应的目标线段，确定各目标直线对分别对应的待筛选矢量结果时，用于：
214.针对任一所述目标直线对，在检测到该目标直线段对应的待检测线段中存在连续n个目标线段的情况下，将连续的n个目标线段中的第一个目标线段作为所述待筛选四边形的第一边缘；以及，将连续的n个目标线段中的最后一个目标线段作为所述待筛选四边形的第二边缘；其中，n为大于预设正整数m的自然数；
215.基于该目标直线对，以及该目标直线对对应的第一边缘和第二边缘，确定该目标直线对对应的待筛选四边形。
216.一种可能的实施方式中，所述确实模块603，在基于各目标直线对分别对应的待筛选矢量结果，确定所述目标对象对应的二维矢量图像时，用于：
217.基于所述初始二维投影图，确定各待筛选四边形分别对应的目标面积；
218.基于各待筛选四边形分别对应的目标面积，确定所述目标对象对应的二维矢量图像。
219.一种可能的实施方式中，所述反投影模块604602，在将所述二维矢量图像从二维坐标系反投影至三维空间坐标系中，得到所述目标对象对应的三维矢量模型时，用于：
220.基于所述目标点云数据中各点云点分别对应的高度信息，将所述二维矢量图像从二维坐标系反投影至三维空间坐标系中，得到所述目标对象对应的三维矢量模型。
221.本公开实施例提供的数据处理装置，通过将三维的点云数据投影至二维坐标系中，并在二维坐标系中步骤确定二维矢量图像，从而将复杂的三维建模问题转换为简单的二维建模问题，并通过将确定的二维矢量图像反投影至三维空间坐标系中，使得最终确定的目标对象对应的三维矢量模型相较于直接在三维空间坐标系下进行矢量化建模的误差更小，有效的解决了如何构建复杂场景下的三维矢量模型的问题。
222.关于装置中的各模块的处理流程、以及各模块之间的交互流程的描述可以参照上述方法实施例中的相关说明，这里不再详述。
223.基于同一技术构思，本公开实施例还提供了一种计算机设备。参照图7所示，为本公开实施例提供的计算机设备700的结构示意图，包括处理器701、存储器702、和总线703。其中，存储器702用于存储执行指令，包括内存7021和外部存储器7022；这里的内存7021也称内存储器，用于暂时存放处理器701中的运算数据，以及与硬盘等外部存储器7022交换的数据，处理器701通过内存7021与外部存储器7022进行数据交换，当计算机设备700运行时，处理器701与存储器702之间通过总线703通信，使得处理器701在执行以下指令：
224.获取目标对象对应的目标点云数据；
225.将所述目标点云数据从三维空间坐标系投影至二维坐标系中，得到所述目标对象对应的初始二维投影图；
226.基于所述初始二维投影图，确定所述目标对象对应的二维矢量图像；
227.将所述二维矢量图像从所述二维坐标系反投影至所述三维空间坐标系中，得到所述目标对象对应的三维矢量模型。
228.本公开实施例还提供一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器运行时执行上述方法实施例中所述的数据处理方法的步骤。其中，该存储介质可以是易失性或非易失的计算机可读取存储介质。
229.本公开实施例还提供一种计算机程序产品，该计算机程序产品承载有程序代码，所述程序代码包括的指令可用于执行上述方法实施例中所述的数据处理方法的步骤，具体可参见上述方法实施例，在此不再赘述。
230.其中，上述计算机程序产品可以具体通过硬件、软件或其结合的方式实现。在一个可选实施例中，所述计算机程序产品具体体现为计算机存储介质，在另一个可选实施例中，计算机程序产品具体体现为软件产品，例如软件开发包(software development kit，sdk)等等。
231.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，上述描述的系统和装置的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。在本公开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。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，又例如，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通信接口，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。
232.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。
233.另外，在本公开各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。
234.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，可以存储在一个处理器可执行的非易失的计算机可读取存储介质中。基于这样的理解，本公开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)执行本公开各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(read-only memory，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。
235.最后应说明的是：以上所述实施例，仅为本公开的具体实施方式，用以说明本公开的技术方案，而非对其限制，本公开的保护范围并不局限于此，尽管参照前述实施例对本公开进行了详细的说明，本领域的普通技术人员应当理解：任何熟悉本技术领域的技术人员在本公开揭露的技术范围内，其依然可以对前述实施例所记载的技术方案进行修改或可轻
易想到变化，或者对其中部分技术特征进行等同替换；而这些修改、变化或者替换，并不使相应技术方案的本质脱离本公开实施例技术方案的精神和范围，都应涵盖在本公开的保护范围之内。因此，本公开的保护范围应所述以权利要求的保护范围为准。