[發明專利]結合K-means聚類的點云區域生長優化分割方法

有效

• 申請號: 202010634692.0
• 申請日: 2020-07-02
• 公開（公告）號: CN111950589B
• 公開（公告）日: 2022-09-30
• 發明（設計）人: 惠振陽;李娜;李大軍;王樂洋;魯鐵定;夏元平;劉波
• 申請（專利權）人: 東華理工大學
• 主分類號: G06V10/762
• 分類號: G06V10/762;G06V10/26;G06V10/44;G06V10/764
• 代理公司: 武漢匯知云專利代理事務所(普通合伙) 42283
• 代理人: 張熔舟

1.一種結合K-means聚類的點云區域生長優化分割方法，其特征在于，包括以下步驟：

S1，對點云數據進行K-means聚類，獲取聚類后各對象基元的質心，將質心按高程進行排序，獲取最低質心點；

S2，遍歷所有對象基元，計算各個對象基元的質心與高程最低的質心之間的角度和高差，將符合高差閾值和角度閾值的質心所在的對象基元被劃分為地面點，其余質心所在的對象基元劃分為未生長的地物點；

S3，遍歷未生長的地物對象基元，對未生長的地物對象基元進行區域生長，直到所有的對象基元都遍歷完，結束生長。

2.根據權利要求1所述的結合K-means聚類的點云區域生長優化分割方法，其特征在于，步驟S1中，獲取聚類后各對象基元的質心的步驟具體包括：

S11，從點云中隨機選取k個點，即K-means聚類獲取初始聚類中心，將點云數據劃分為k個聚類區域；

S12，計算其余點到k個聚類中心的距離，將未劃分的點聚類到距離最近的聚類中心所在的聚類區域；

S13，對聚類后的各區域內的點云數據進行平均值計算，將平均值作為新的聚類中心，即更新聚類中心位置；

S14，迭代計算直到所有區域聚類中心的位置不再改變，輸出劃分結果，聚類結束。

3.根據權利要求1所述的結合K-means聚類的點云區域生長優化分割方法，其特征在于，步驟S1中，采用下式計算各對象基元聚類后的質心點的坐標：

式中為點的三維坐標，為第個對象基元，為該對象基元的質心點，k為對象基元的個數。

4.根據權利要求1所述的結合K-means聚類的點云區域生長優化分割方法，其特征在于，步驟S2具體包括：

遍歷所有質心，通過計算各個對象基元的質心與高程最小的質心之間的高差和立體角度，設置高差閾值和角度閾值，若滿足條件，則符合條件的質心所在的區域都劃為地面點，否則劃分為未生長的地物區域，其中質心點與最低點質心間的立體角度，計算公式如下式：

若大于所設角度閾值，則濾除點，否則保留該點。

5.根據權利要求1所述的結合K-means聚類的點云區域生長優化分割方法，其特征在于，步驟S3具體包括：

S31，獲取聚類分割后的地物對象基元，遍歷各個地物對象基元；

S32，針對對象基元各點采用K鄰近點搜索法獲取周圍預設個鄰近點；

S33，判斷該點的鄰近點所屬對象基元是否與該點對象基元相同，若相同，返回步驟S32，若不相同，進行步驟S34；

S34，判斷鄰近點與該點的法向量夾角是否滿足閾值夾角且鄰近點距離是否滿足距離閾值，若同時滿足，將鄰近點所屬對象基元與該點所屬于對象基元進行生長，當前對象基元內的各點都遍歷完，進行步驟S35，否則，返回步驟S33；

S35，判斷所有對象基元是否遍歷完，若遍歷完，輸出分割結果，否則返回步驟S31。