[發明專利]一種基于點云的室內場景物體提取方法

有效

• 申請號: 201810840778.1
• 申請日: 2018-07-27
• 公開（公告）號: CN109034065B
• 公開（公告）日: 2022-08-16
• 發明（設計）人: 寧小娟;馬杰;王鋒濤;王映輝
• 申請（專利權）人: 西安理工大學
• 主分類號: G06V20/20
• 分類號: G06V20/20;G06V10/26;G06T7/187
• 代理公司: 西安弘理專利事務所 61214
• 代理人: 許志蛟

本發明公開的一種基于點云的室內場景物體提取方法，首先讀入場景中原始三維點云數據，判斷并去除場景數據離群點；其次，在通過三維坐標旋轉變換將傾斜的場景數據旋轉至豎直方向；再次，去除場景中地面和墻面，并將場景分割形成多個子場景；最后通過子場景中最大水平平面及其上方是否存在點來判斷其上方是否有物體存在，從而完成整個場景中所有物體的提取。本發明的室內場景物體提取方法主要針對室內場景單視點下的的實測單側點云數據，進行場景中的物體提取，解決了現有室內場景的物體提取方法需要訓練樣本多、對物體分割粗糙、魯棒性和穩定性差的問題，有很好的實用價值。

技術領域

本發明屬于室內場景物體提取方法技術領域，具體涉及一種基于點云的室內場景物體提取方法。

背景技術

隨著虛擬現實技術的發展速度越來越快，三維激光點云的應用越來越廣泛。視覺是人類獲取外界信息的主要方式，也是智能機器人獲取外界深度信息的主要手段，機器人可以通過視覺傳感器對掃描到的場景進行分析和處理，進一步完成定位，抓取或避障等行為。但受到阻擋、傳感器獲取數據不準確、各種光線對傳感器的影響等因素影響，要做到對室內物體的識別，關鍵一點是先對室內的顯著物體進行提取。

室內場景的物體提取有很廣闊的應用前景，既可為現在最流行的VR/AR/MR技術的研究和應用做鋪墊，又可為室內場景物體識別做前提。在日常生活的應用中，不僅可以加強機器人對室內物體的識別能力，提高機器人的智能程度，而且可以進一步發展智能家居等領域的應用。

針對室內場景物體提取，目前的研究成果集中在二維圖像的基礎上完成，在三維激光掃描點云數據的研究方面也在逐漸深入。從國內外研究人員的研究成果來看，點云室內場景的物體提取方法主要分為三類：基于機器學習的分類方法、基于聚類的方法、基于區域生長的方法。

(1)基于機器學習的分類方法

機器學習在目標提取的一般過程為：①先創建要訓練的分類器樣本；②特征提取；③用訓練樣本來訓練分類器；④利用訓練好的分類器進行目標檢測；⑤學習和改進分類器。

常用的分類算法有：決策樹算法、樸素貝葉斯算法、人工神經網絡算法、支持向量機、K近鄰和K均值算法、Adaboost算法、馬爾科夫模型法等。

(2)基于聚類的方法

2012年馬志峰等人提出一種多目標場景下的顯著物體提取方法，對基于空間的計算模型得到的顯著圖像進行聚類，將多目標場景劃分為多個單目標的子場景，在子場景集合中，引入注意轉移機制，并使用基于物體的計算模型依次提取顯著物體。

聚類算法一般是非監督性的，不用訓練樣本，操作簡單，對異常數據較不敏感；該類方法相對來說具有較好的魯棒性，但是無法對物體有接觸的情況下完成精確提取，往往造成欠分割，在分割后可能需要進一步進行細化處理。

(3)基于區域生長的方法

區域生長的基本思想是將具有相似性質的像素集合起來構成區域，算法的過程一般為：先給定點云中要分割的目標物體內的一個小塊或者說種子點，再在種子的基礎上不斷將其周圍的點以一定的規則加入其中，達到最終將代表該物體的所有點結合成一個區域的目的。

該類方法只需要若干種子點即可完成，并且在生長過程中的生長準則可以自由指定，該方法通常能將具有相同特征的聯通區域分割出來，并且可以提供很好的邊界信息和分割結果；但是算法的魯棒性不好，需要選取合適的門限，同時算法穩定性不好，往往會造成過分割。

發明內容

本發明的目的是提供一種基于點云的室內場景物體提取方法，解決了現有室內場景的物體提取方法需要訓練樣本多、對物體分割粗糙、魯棒性和穩定性差的問題。

本發明所采用的技術方案是，一種基于點云的室內場景物體提取方法，包括以下步驟：