[發明專利]一種基于邊緣判定與區域生長的點云分割方法

有效

• 申請號: 202110454659.4
• 申請日: 2021-04-26
• 公開（公告）號: CN113269791B
• 公開（公告）日: 2023-04-07
• 發明（設計）人: 黃軍輝;王昭;盧磊磊;史榮鈞;李子君;高建民
• 申請（專利權）人: 西安交通大學
• 主分類號: G06T7/11
• 分類號: G06T7/11;G06T7/187;G06V10/44;G06V10/26;G06V10/77
• 代理公司: 西安通大專利代理有限責任公司 61200
• 代理人: 李紅霖

本發明公開了一種基于邊緣判定與區域生長的點云分割方法，本發明結合了區域生長和邊緣判定兩種方法的優勢，結合相似度判據和邊緣判據，在選取種子點時盡可能從區域內部開始生長，然后對該種子點的鄰域逐點判斷是否滿足法矢判據，若滿足則將該鄰域點加入當前區域點集，同時更新當前區域內點的平均曲率，判斷其是否滿足平均曲率判據，最后再判斷該點是否為邊緣點；若該點同時滿足平均曲率判據和邊緣判據，則將其加入當前種子點集。最終實現點云高精度分割。本發明原理簡單，且魯棒性較高，為點云分割、特征提取提供了一種行之有效的方法。

技術領域

本發明屬于三維點云數據處理領域，具體涉及一種基于邊緣判定與區域生長的點云分割方法。

背景技術

隨著三維光學測量技術的發展，點云數據處理算法成為研究的熱點，點云分割技術是將點云數據分割成數個不相交的子集，主要作用是提取需要進一步處理的點云區域，其精確程度直接影響了后續特征識別、重建等效果。

目前點云分割算法除了基于人工智能的分割方法外主要還包括基于邊緣信息的點云分割方法和基于區域生長的點云分割方法。基于邊緣的分割方法首先需要根據閾值篩選出邊緣點，再將邊緣點連成邊界進行分割，這種方法易受噪聲和點云均勻程度的影響，導致分割結果不理想。而基于區域生長的方法則是先選取種子點，再在種子點鄰域中尋找相似點加入點集，這種方法比基于邊緣的方法更穩定，但種子點的選取對最終的分割結果影響很大，且確定區域邊緣存在問題。綜上所述，需要構建一個魯棒性更強的分割方法以克服這些因素對分割結果的影響。

發明內容

本發明的目的在于克服上述不足，提供一種基于邊緣判定與區域生長的點云分割方法，結合了邊緣判定和區域生長兩種方法的優點，能夠高效準確的對點云數據進行區域分割、特征提取。

為了達到上述目的，本發明包括以下步驟：

S1，對測量獲取到的散亂點云建立拓撲關系，構建高效靈活的點云索引；

S2，對點云索引進行降噪處理，作為分割的數據；

S3，通過降噪后的點云索引搜索計算K鄰域，并以此為基礎，擬合近鄰平面、二次曲面，分別求取點云法向量和曲率的高維特征，作為分割的依據；

S4，采用基于邊緣判定與區域生長的方法，結合S2得到的數據和S3得到的依據，對點云模型進行分割，并用平均交并比MIOU評價分割結果的準確性。

S1中，采用結合三維柵格與八叉樹方法對測量獲取到的散亂點云建立拓撲關系。

S2中，采用基于八叉樹的多尺度濾波方法對點云進行降噪處理。

S2的具體方法如下：

選取大小在點云密度N倍的值作為初始濾波半徑，在該尺度下對點云索引進行濾波去噪；

不斷縮小濾波半徑，并重復上述過程；

觀察離群點和主體點云濾波后的情況，直到去噪效果滿足設定要求，則停止迭代。

S3中，利用點云索引方法建立局部鄰域，然后在鄰域范圍內通過PCA方法獲得局部一階平面，計算得到點云法向量n_k和平面擬合誤差Re_k，進行坐標變換后通過最小二乘方法擬合局部二次曲面，求取點云的曲率值，包括高斯曲率K和平均曲率H，計算方法如下：

K＝k₁·k₂

H＝(k₁+k₂)/2

其中：K——高斯曲率；

H——平均曲率；

k₁——主曲率極大值；