[發明專利]一種三維場景中不同物體的分割方法

有效

• 申請號: 200910243730.3
• 申請日: 2009-12-23
• 公開（公告）號: CN101877128A
• 公開（公告）日: 2010-11-03
• 發明（設計）人: 張曉鵬;寧小娟;王映輝;張義寬;李紅軍
• 申請（專利權）人: 中國科學院自動化研究所;西安理工大學
• 主分類號: G06T7/00
• 分類號: G06T7/00
• 代理公司: 中科專利商標代理有限責任公司 11021
• 代理人: 梁愛榮

技術領域

本發明屬于模式識別與科學計算可視化相結合的交叉學科技術領域，涉及三維場景中不同物體的分割方法。

背景技術

隨著三維激光掃描儀成本的降低和激光掃描測量技術在空間信息獲取方面的迅速發展，使得快速獲取室外復雜場景的三維點云數據成為可能。在利用復雜場景的激光掃描點云數據進行建模時，有效、快速地選擇能夠完整的表示一個場景目標的點云子集是一個重要而基本的操作。但是激光掃描技術獲取的三維點云數據具有海量的特點，需要對點云數據進行形狀特征選取與分割。由于點云數據固有的不完整性和噪聲，由激光掃描所得到的三維稀疏點云的、面向場景目標的分割卻仍然是一個具有挑戰性的問題。

通常我們所獲得的三維室外場景都包含不同類型的物體，諸如大型建筑物、樹、地面、自行車等，此外還會存在大量由于復雜物體的不規則反射所帶來的噪聲，因此如何從三維場景中分割或提取出有意義的部分則成為重建過程中最為關鍵的一步。分割就是將具有相同形狀屬性或者形狀特征的點聚合在一起，或者是將點云數據分解成各個連通的小區域，這些區域必須是有意義的，且每個區域都對應著完整的物體。對于室外場景而言，最具有代表性的物體就是樹木和建筑物，因此從三維場景中分割或提取出有意義的部分，基本的問題是需要從復雜場景中分割出這兩種具有不同形狀特征的物體。

貝斯爾·保羅(Paul?J.Besl，1988)提出一種變階曲面擬合分區方法，利用低階雙變量多項式逼近數據點，估算高斯曲率和平均曲率，首先找到核心區域，然后利用區域生長方法找到所有邊；江(Jiang，1996)等提出利用掃描線將數據分成曲線然后再聚類以表示不同的面。前者對噪聲敏感，且需要很多參數，即使是在深度圖像(range?image)上實現都非常的費時。后者雖然在分割質量上和分割速度上都有一定的提高，但是并不適用于點云數據的分割。

沃爾夫岡·馮·漢森(Wolfgang?von?Hansen，2006)等將點云數據劃分為體素數據，在此基礎上基于隨機抽樣一致算法-RandomSample?Consensus(RANSAC)將不規則點云數據變換成局部限定的曲面片以降低數據量。進而通過估計平面特征，按照其不同屬性對平面信息進行提取。沙哈·巴尼亞(Barnea?Shahar，2007)等結合深度信息和圖像內容對場景進行分割。將點云數據轉換為深度圖像，并利用圖像處理中均值移動(mean-shift)方法對場景進行分割。雷姆·茲巴克(Zeibak?Reem，2009)等利用點云數據的極坐標表示，通過法向量的不連續性分析可以快速提取場景中的物體。這三種方法都需要將點云數據轉換為深度圖像或者用極坐標表示，即需要將輸入的數據轉換為2.5維，由于數據量大，噪聲多所以該轉換的過程非常費時。

道尼戈·彼得(Peter?Dorninger，2008)等涉及了建筑物的分割，主要在4維特征空間中利用層次聚類的方法對原始數據進行分割。該方法可以得到簡單建筑物的粗糙輪廓，但是細節部分的信息卻不能獲得。陳杰(Jie?Chen，2008)等關于建筑物重建的方法中涉及到建筑物的分割部分，它主要基于置信度(confidence?rate)進行平面部分的聚類分割，該方法在刪除噪聲點的同時也會誤刪一些關鍵點，而且此方法不能用于其它類型物體的分割，也不能得到各個物體的細節部分。

發明內容

現有方法不能直接從散亂的、無結構的、復雜場景的點云數據中分割出不同類型的物體，不能完整實現基于三維點云數據的不同類型物體的分割以及平面建筑物的細節信息提取，本發明的目的是分類提取三維場景中不同的物體，主要是以場景中的建筑物和樹木為主。對于場景中的建筑物主要基于微分特性及平面一致性約束對平面建筑物區域進行自動檢測，將場景分為具有平面性的建筑物整體部分和其它物體，并對平面建筑物整體部分通過不同種子點隊列的確定和區域生長過程分割出平面建筑物區域的細節特征。對于單個樹木的分割是從獲得的其它物體中分割出單個樹木，主要利用初始聚類與加權控制策略來實現。為此，本發明提出一種三維場景中不同物體的分割方法。

為了實現本發明的目的，本發明提供的一種三維場景中不同物體的分割方法，該方法包括如下步驟：

步驟S1：采用三維激光掃描儀獲取的室外場景的原始三維點坐標稱為三維空間的點云數據，將點云數據作為輸入模型，分別建立點云數據的鄰接關系和空間搜索機制，估計點云數據中每一點的法向量，并計算點云數據中每一點的殘差量；