聚类算法学习笔记(一)

聚类算法学习笔记(一)

  • 方法
    • Euclidean Cluster [ 1 ] ^{[1]} [1]
    • SuperVoxel [ 1 ] ^{[1]} [1]
    • Depth Cluster [ 1 ] ^{[1]} [1]
    • SLR: Scan-line Run [ 1 ] ^{[1]} [1]
    • Range Image-based [ 2 ] ^{[2]} [2]
  • 实验对比
  • 其他概念
    • PQ
    • Cluster Tolerance
    • KD-Tree
  • Refercence

方法

Euclidean Cluster [ 1 ] ^{[1]} [1]

聚类算法学习笔记(一)_第1张图片

SuperVoxel [ 1 ] ^{[1]} [1]

聚类算法学习笔记(一)_第2张图片

Depth Cluster [ 1 ] ^{[1]} [1]

聚类算法学习笔记(一)_第3张图片

SLR: Scan-line Run [ 1 ] ^{[1]} [1]

聚类算法学习笔记(一)_第4张图片

Range Image-based [ 2 ] ^{[2]} [2]

其实就是DepthCluster
聚类算法学习笔记(一)_第5张图片

实验对比

聚类算法学习笔记(一)_第6张图片

其他概念

PQ

Panoptic Quality

Cluster Tolerance

拓扑容限(又叫做拓扑容差、聚会容限),决定多大范围内要素能够被捕捉在一起。当两个相邻近点的xyz距离小于给定的阈值时,两个点会聚合成为一个点,共享同一坐标。其单位为m。其作用对象为xyz坐标,当xyz任一坐标,比如说两点的x坐标之间的差值小于阈值时,两点就会融合成为一点。

KD-Tree

Refercence

[1] A Technical Survey and Evaluation of Traditional Point Cloud Clustering Methods for LiDAR Panoptic Segmentation

[2] Fast Range Image-Based Segmentation of Sparse 3D Laser Scans for Online Operation

[3] 拓扑分析的专有名词

[4] 关于ArcGIS中拓扑的理解

你可能感兴趣的:(目标检测,点云聚类,计算机视觉,人工智能)