A review of point clouds segmentation and classification algorithms

背景

本文对点云分割和分类算法进行整理。参考文献为：
Grilli E, Menna F, Remondino F. A review of point clouds segmentation and classification algorithms[J]. The International Archives of Photogrammetry, Remote Sensing and Spatial Information Sciences, 2017, 42: 339.

segmentation

基于边缘的分割算法(edge-based)

基于边缘的分割算法主要包括两步：

• 通过边缘检测找出不同区域的边界
• 对边界内的点进行聚类
  ###　区域生长分割算法(region growing)
  该类算法从种子点云开始，利用领域点云信息(曲率、法矢)进行生长，被分为bottom-up法和top-down法。

通过模型拟合进行分割(model fitting)

由于许多人造物体可被分解为简单几何体，如圆柱、平面等，因此可利用简单几何体对点云进行拟合来达到分割的效果。两种被广泛应用的算法分别为Hough Transfom(HT)和RANSAC。

混合分割算法(Hybrid segmentation)

结合多种方法进行混合

机器学习分割算法(maching leaning)

该类分割算法基于机器学习方法，例如层次聚类、K均值和均值漂移法(mean shift)

classification

监督方法

该方法通过带有标签的数据进行学习，训练分类模型。

非监督方法

通过用户提供的特征进行自动分割，分割效果与期望可能不同。

交互式方法

用户参与到分类循环中，给算法提供反馈信号，可以提高算法效果。