[發(fā)明專利]一種基于圖的亂序場景下3D點云物體實例分割方法

在審

• 申請?zhí)枺?/td>: 202110380679.1
• 申請日: 2021-04-09
• 公開（公告）號: CN113379755A
• 公開（公告）日: 2021-09-10
• 發(fā)明（設(shè)計）人: 呂常魁;郭建華
• 申請（專利權(quán)）人: 南京航空航天大學
• 主分類號: G06T7/11
• 分類號: G06T7/11;G06T7/187;G06T5/00;G06K9/62
• 代理公司: 南京匯盛專利商標事務所(普通合伙) 32238
• 代理人: 吳靜安;吳揚帆

本發(fā)明涉及基于圖的亂序場景下3D點云物體實例分割方法，包括如下步驟：步驟1）對原始場景點云數(shù)據(jù)進行降采樣和去噪；步驟2）提取場景點云的關(guān)鍵點，根據(jù)關(guān)鍵點之間的近鄰關(guān)系構(gòu)成關(guān)鍵點圖；步驟3）基于所述關(guān)鍵點圖完成點云的粗分割；步驟4）擬基于粗分割后的區(qū)域，構(gòu)建方向包圍盒，由方向包圍盒的大小判斷該區(qū)域是否需要細分割，并根據(jù)方向包圍盒從場景中提取完整的目標點云；并在細分割階段通過圖節(jié)點的合并、圖的割點的剔除，將相互粘連的零件點云分割后再根據(jù)方向包圍盒從場景中提取完整的目標點云。有益效果：實現(xiàn)更有效地將粘連在一起的零件分離。

技術(shù)領(lǐng)域

本發(fā)明涉及圖像處理技術(shù)領(lǐng)域，尤其涉及一種基于圖的亂序場景下3D點云物體實例分割方法。

背景技術(shù)

隨著三維數(shù)據(jù)獲取技術(shù)、機器視覺等技術(shù)的不斷發(fā)展，3D點云數(shù)據(jù)在工業(yè)檢測、醫(yī)學圖像處理、三維重建、機器人智能視覺作業(yè)、文物保護等領(lǐng)域已經(jīng)被廣泛應用。點云物體實例分割是點云數(shù)據(jù)處理的重要一環(huán)，即將點云數(shù)據(jù)集分為多個區(qū)域，使每個區(qū)域的點只屬于同一個物體，分割后提取的目標可以用于目標識別、語義理解、目標定位等。由于點云數(shù)據(jù)采樣密度不均勻、缺乏明確結(jié)構(gòu)，點云物體實例分割面臨著許多挑戰(zhàn)，在亂序場景中，物體相互堆疊、粘連，更增加了分割的難度。如何通過分割算法將單個物體從場景中分離出來，以實現(xiàn)后續(xù)物體定位、識別、特征提取等，是處理亂序場景點云數(shù)據(jù)的關(guān)鍵問題。

傳統(tǒng)的點云分割算法主要有：基于邊緣的分割方法、基于模型擬合的分割方法、區(qū)域生長算法、歐氏聚類算法。基于邊緣的分割方法速度快，但是容易受噪聲和點云密度影響，導致分割精度較低；基于模型擬合的點云分割算法只適合處理形狀規(guī)則的物體，在亂序場景中的適用性較差；區(qū)域增長算法對于種子點的選擇比較敏感，分割效果受區(qū)域生長準則的閾值影響較大；歐氏聚類算法是工程中最常用的點云分割方法，根據(jù)點與點之間的歐氏距離進行歸類，但需要預先設(shè)置距離閾值，閾值過大過小會導致不同程度的欠分割和過分割，影響最終的分割效果。

發(fā)明內(nèi)容

本發(fā)明目的在于上述現(xiàn)有技術(shù)的不足，提供了一種基于圖的亂序場景下3D 點云物體實例分割方法，具體由以下技術(shù)方案實現(xiàn)：

所述基于圖的亂序場景下3D點云物體實例分割方法，包括如下步驟：

步驟1)對原始場景點云數(shù)據(jù)進行降采樣和去噪；

步驟2)提取場景點云的關(guān)鍵點，根據(jù)關(guān)鍵點之間的近鄰關(guān)系構(gòu)成關(guān)鍵點圖；

步驟3)基于所述關(guān)鍵點圖完成點云的粗分割；

步驟4)擬基于粗分割后的區(qū)域，構(gòu)建方向包圍盒，由方向包圍盒的大小判斷該區(qū)域是否需要細分割；并在細分割階段通過圖節(jié)點的合并、圖的割點的剔除，再通過并查集算法對剩余節(jié)點分類完成細分割；

步驟5)根據(jù)方向包圍盒從場景中提取完整的目標點云。

所述基于圖的亂序場景下3D點云物體實例分割方法的進一步設(shè)計在于，所述步驟2)中的關(guān)鍵點圖，具體方式為：當兩個點互為k近鄰點時，將兩點相連接構(gòu)成邊，設(shè)生成的圖即為關(guān)鍵點圖，表示為G(V,E)，V表示圖的頂點集合，E 表示邊的集合。

所述基于圖的亂序場景下3D點云物體實例分割方法的進一步設(shè)計在于，所述步驟2)關(guān)鍵點的提取采用ISS算法。

所述基于圖的亂序場景下3D點云物體實例分割方法的進一步設(shè)計在于，所述步驟3)中粗分割為：基于所述關(guān)鍵點圖，對于關(guān)鍵點圖每一條邊，根據(jù)兩端節(jié)點、邊的中點這三個點在原始點云中周圍點云分布密度的差異，構(gòu)建動態(tài)判斷條件，將誤連接的、在點云物體之外的邊判定為虛邊并進行剔除操作，再應用并查集算法查找子圖完成粗分割。

所述基于圖的亂序場景下3D點云物體實例分割方法的進一步設(shè)計在于，粗分割的具體步驟及動態(tài)判斷條件具體為：