点云学习之点云分割之导语

点云分割

点云分割目的:将点云分为多个同质区域,分割在同一区域中的点云具有相似的性质。

点云分割难点

  • 数据的冗余;
  • 点密度的不均匀性;
  • 在数据结构表示上,缺乏明确统一的点云数据结构;

点云分割应用:智能驾驶(intelligent vehicles)、自动制图(autonomous mapping)、导航(navigation)等。

        参考文献:Nguyen A, Le B. 3D point cloud segmentation: A survey[M]. 2013.

点云分割算法:
点云分割的第一步:分离显著点(foreground)与背景点(background),eg:常见的有地面点与非地面点分离;
基础性的分割算法:通过点云的基本属性:法向、粗糙度、边界凹凸度等。这类算法常用于:凸包分解、分水岭算法、分层聚类、区域生长和光谱聚类,这些算法广泛的应用于基于区域的分割算法。
在计算机视觉领域,对于2D图像的分割算法中,比较突出的算法是图割算法(graph-cut algorithm):包括正则化图割(normalized cuts)与最小割(min cuts)。
点云分割算法应该具备三个属性:
  • 分割算法应考虑到不同地物块的具体属性;
  • 分割算法应推断出相邻分割块的属性关系;
  • 分割算法应适用于不同扫描仪获得的点云数据。

基于点云的分割算法分类:
(一)基于边界的分割算法(Edge based methods)
(二)基于区域的分割算法(Region based methods)
(三)基于属性的分割算法(Attributes based methods)
(四)基于模型的分割算法(Model based methods)
(五)基于图割的分割算法(Graph based methods)


你可能感兴趣的:(点云分割)