[发明专利]一种彩色3D点云超体素凹凸分割算法

说明书

本发明公开了一种彩色3D点云超体素凹凸分割算法，首先，分别利用统计离群消除滤波器和体素网格滤波器对3D点云数据进行去噪和简化处理，再划分成若干个大小形同的体素，计算各个体素的平均曲率，并将平均曲率最小的体素作为种子体素，进行区域增长，形成超体素，之后构建超体素邻接关系图，并判断相邻超体素间凹凸性、连续性、色差值是都满足要求，进行增长，最后将所有的超体素都归并标记处理完，结束增长，即可得到分割结果。本发明方法在凹凸分割过程中加入了连续性检测和颜色检测准则，减少了处理的时间，提高了分割效果。

技术领域

本发明属于3D点云数据处理技术领域，具体涉及一种彩色3D点云超体素凹凸分割算法。

背景技术

随着人工智能的发展，机器视觉逐渐从二维图像过度到三维图像，而3D点云作为三维图像的典型代表之一，已逐渐被广泛应用。3D点云分割是将点云划分为多个区域的过程，其是点云配准、分类、识别的重要环节，同一区域内的点具有相同的特性，其分割效果的好坏对后续工作起着决定性作用。这种分割由于冗余度高、密度不均匀和点云数据结构不明确等原因具有很大的挑战性。

近些年，利用超体素完成点云分割逐渐引起了一些学者的关注。这种分割方法均是利用超体素间关系、几何特征相似性进行3D点云图像及点云视频的分割和分类。SteinSC等人提出了点云数据的超体素凹凸分割算法。首先，利用八叉树将点云数据划分为指定尺寸体素单元，均匀选取一定距离的体素为种子体素，计算种子体素和相邻体素的特征距离，按此特征距离进行体素增长以形成超体素；其次，对超体素构建点云块邻接关系图，计算相邻超体素块间凹凸关系；最后，任意选取超体素种子，沿着具有凸关系的边进行超体素区域增长，以完成分割的目的。此方法优点在于不需要利用训练模型来分割点云，可直接分割且效果理想。但其还存在一些缺陷：(1)计算复杂度较高，运行速度较慢；(2)若选取的体素种子是凹棱中的体素时会导致分割结果的不稳定；(3)凹凸分割时，相邻距离很近但并不相接的物体无法分割；(4)颜色不同的物体有时无法分割。

发明内容

本发明的目的是提供一种彩色3D点云超体素凹凸分割算法，解决了现有超体素凹凸分割算法中计算复杂度较高且分割结果不稳定的问题。

本发明所采用的技术方案是，一种彩色3D点云超体素凹凸分割算法，具体按照以下步骤实施：

步骤1，分别利用统计离群消除滤波器和体素网格滤波器对3D点云数据进行去噪和简化处理，得到简化后的3D点云数据；

步骤2，利用八叉树将经步骤1后得到的3D点云数据划分成若干个大小形同的体素，计算各个体素的平均曲率，并将平均曲率最小的体素作为种子体素，进行区域增长，形成超体素；

步骤3，经步骤2后，构建超体素邻接关系图，将相邻超体素间凹凸性、连续性检测判定和颜色判定值作为超体素邻接关系图边上的权值；

步骤4，选取任意超体素作为种子超体素，判断相邻超体素间凹凸性、连续性、色差值是否满足要求，当凹凸性权值、连续性权值、色差权值均为真时，进行区域增长；反之，停止增长；

步骤5，经步骤4后，判断邻接关系图中是否存在未标记归并的超体素，若存在，则重复步骤4，直至所有的超体素都归并标记处理完，结束增长，即可得到分割结果。

本发明的特点还在于，

步骤1，具体按照以下步骤实施：

步骤1.1，利用统计离群消除滤波对3D点云数据进行去噪处理，具体步骤为：

步骤1.11，计算3D点云数据中每个点到其最近k邻域点的平均距离d；

步骤1.12，经步骤1.11后，计算每个点的平均距离d的期望值d_m和标准差s；