点云分割（4）——基于平面模型分割和最小割分割

平面模型拟合在PCL库中可以设置模型类别，这个算法并不是真正意义上的分割，他只能分割出平面上的点云，但是在“点云分割（3）”中涉及到该方法，目的是将地面，墙壁等这些平面过滤了，就可以更好地进行分割。这个方法很简单，只有一个参数需要调整。
如图所示为例程得到的结果：

具体过程为：随机产生15个点云数据，都在z=1的平面上，其中人为设置了3个错误点，通过该模型，可以得到平面的四个参数和正确点的个数（12个），并且将正确点的坐标输出。

接下来是基于最小割的算法，先上整理的PPT~

最小割是图论中的知识，目的是将点以最小的损失分割开，重点有两个：
一是获得点云间的图；二是获得点云连接边的权重。
对于权值，第一种是点云各点的边，是由点之间的欧式距离来构造的，距离越远，平滑成本越低。第三种权值要提前设定中心点的坐标，并且该点在前景目标中，还有设置目标范围的半径。

得到的结果图：

可以看出，白色为前景点，红色为背景点。 该算法适用于多个物体水平排列的点云图像，它只能在水平方向将目标物体分割出来。
最小割论文：Min-Cut Based Segmentation of Point Clouds

将近期学习的点云分割知识做了一个简单的整理，欢迎和大家共同讨论！