[发明专利]一种单侧点云模型的标注方法

说明书

本发明一种单侧点云模型的标注方法，具体按照将点云模型进行场景划分，并构建基于八叉树的分格模型，然后将每个分格模型进行粗标注，再将每个分格模型进行细标注的方法进行。本发明一种单侧点云模型的标注方法，使用改进区域增长算法对点云模型进行标注，能够清晰的划分网格边界，同时解决现有的像素级标注方法中二义性的标注问题。

技术领域

本发明属于计算机图形学和虚拟现实相结合的交叉学科技术领域，涉及一种单侧点云模型的标注方法，具体的涉及一种单视点下测量的单侧点云模型标注方法。

背景技术

因为实测得到的点云数据具有数据量庞大、噪声点多、分布不规则的缺点，这些缺点会使得计算机视觉方面的研究和应用存在巨大的困难，因此需要对原始的实测点云模型进行如去噪、配准、分割、标注、识别等预处理来提高后续研究的精确度和降低处理的难度。

在计算机视觉领域，点云模型的标注问题一直是备受关注的研究课题。根据视觉层次的不同，场景标注可以划分为低层、中层和高层视觉标注。根据标注任务的性质和目标的不同，可将场景标注划分为全局场景标注、特定区域标注以及像素级标注。在实际应用中，需要将低层、中层和高层视觉标注技术结合使用来完成不同的标注任务。

全局场景标注是对整个场景全部的环境进行标注，目标是全局的标注，也称作场景归类，目标结果是描述全局的含义。早期，全局场景标注只是将场景数据区分为室内、室外两种场景，并进行标记。随着研究的深入，提取全局特征描述因子成为最常用的场景全局标注技术手段。

基于全局场景标注方法能够很好的获得整个场景的全部环境，可以迅速展现出一个全局的场景。但是，对于判断某几类物体是否在环境中，其检测结果存在不稳定性。

特定区域标注的主要目的是为了查找、跟踪和定位。主要的工作任务是在场景数据中，判断某几类物体是否在环境中出现和目标物体是否存在场景之中，并标注相应的特定区域。基于特定区域标注能够在场景中准确地查找到目标物体，并对它进行跟踪，已经广泛应用于道路上行人、车辆的检测，室外场景中危险源的检测。但是，在设计模型算法中，仍然对识别率和效率上需要进行改进。

像素级标注是一种更加精细的标注形式和技术，它的任务主要是针对在场景中查找特定物体，一般采用包围盒模型等方法。但是对于面积广阔、形变强的室外场景、区域或者物体，其标注效果往往不尽理想。主要由于在场景数据中，标注的目标过于分散、目标的边界比较模糊、噪声点多，使用特定区域的标注方法难以清晰的划分出各个部分的边界，会对部分标注区域重复定义，产生二义性的标注问题。

发明内容

本发明的目的是提供一种单侧点云模型的标注方法，能够清晰地划分网格的边界。

本发明所采用的技术方案是，一种单侧点云模型的标注方法，具体按照下述方法进行：

将点云模型进行场景划分，并构建基于八叉树的分格模型，然后将每个分格模型进行粗标注，再将每个分格模型进行细标注。

本发明的特点还在于：

具体按照下述方法进行：

步骤1，点云模型场景划分

将点云模型进行场景划分，并构建基于八叉树的分格模型；

步骤2，粗标注

使用霍夫变换检测每个分格模型中的所有平面，选取重心值最小的平面作为地面并标记，然后将每个分格模型进行初步分类标注；

步骤3，细标注

计算每个分格模型中的点云的投影密度，并根据每个分格模型中的点云的投影密度进行优化和修正标注。

步骤1中使用下述步骤点云模型进行场景划分，并构建基于八叉树的分格模型：