CloudCompare&PCL 基于超体素的点云分割

CloudCompare&PCL 基于超体素的点云分割_第1张图片

文章目录

  • 一、原理概述
  • 二、实现过程
  • 三、实现效果
  • 参考资料

一、原理概述

一般而言,孤立的点并没有什么意义,只有许多点组合在一起形成一种形状,这样才能对我们有所意义。二维图像处理领域中,很早就出现了“超像素”的概念,即由许多像素点构成的小区域,这些像素点在位置上相邻,且很多特征也极为相似,因此这些超像素往往都没有破坏原有图像的边界信息,保留了进一步分割的有效信息。借鉴二维超像素的思路,三维点云自然而然也就出现了超体素一说,这种方法之所以可以被广泛使用,很重要的一个原因就是使用超体素可以有效减少点云数据的冗余信息,使得点云数据处理的计算量大大降低。

PCL中的超体素是基于体素连通性分割(Voxel Cloud Connectivity Segmentation, VCCS)这种最新的超像素方法生成的,这种方法使用了k-means聚类的区域增长变体,可以直接在体素八叉树结构中生成点的标记。除此之外,就是超体素有两个重要属性:(1)它们均匀地分布在三维空间中;(2)它们不能跨越边界,除非底层的体素是连接的。前者是通过VCCS超体素分割来实现的,而不

你可能感兴趣的:(点云分割,pcl,CloudCompare)