[发明专利]一种基于结构光的点云分割方法

说明书

本发明提供了一种基于结构光的点云分割方法，属于点云分割技术领域。本发明利用由结构光相机生成的点云数据，具有像素与空间点云一一对应的特性，建立起物体的空间坐标与像素坐标之间的对应，将三维点云数据映射到二维图像上，从而快速获取空间无序点云间的拓扑关系，通过对像素坐标的处理，来实现对相应空间坐标的处理，再借助图像处理中的形态学技术，例如图像腐蚀和图像膨胀，将有小部分连接的物体与背景点云完全分割开来。本发明达到了完整分割目标物体与背景点云的目的。

技术领域

本发明涉及三维点云分割技术领域，尤其涉及一种基于结构光的点云分割方法。

背景技术

点云分割是点云处理中重要的一步，是点云处理的精髓，也是三维图像相对二维图像最大优势的体现。点云是某个坐标系下的点的数据集，而点则包含了丰富的信息，包括三维坐标、颜色、分类值、强度值和时间等。从某种意义上说，点云可以将现实世界原子化，通过高精度的点云数据可以还原现实世界。

点云主要通过三维激光扫描仪进行数据采集获取，还可以通过二维影像进行三维重建，在重建过程中获取点云数据。点云分割的目的是提取点云中的不同物体，进行分别处理。而在现实点云数据中，往往对场景中的物体的形状有一定先验知识。比如：桌面多半是大平面，桌上的罐子大多是圆柱体、而桌面上长方体的盒子可能是纸巾盒......对于复杂场景中的物体，其几何外形可以归结于简单的几何形状，而简单几何形状是可以用方程来描述的，方程则代表的物体的拓扑抽象。点云分割算法可以很好的将此类物体分割出来。

点云分割的传统方法包括基于边缘的分割、基于区域增长的分割和基于模型的分割等。这些方法都是先利用KdTree或OcTree建立起点云间的拓扑关系，并计算点云特征，然后再根据相应的特征区分准则进行分割。

边缘分割是根据点云法向量的剧烈变化来判断边缘，并作为分割的准则。基于区域增长的分割则是在点云中选出种子点，并在附近迭代搜索曲率变化较小的点组成点云。基于模型的分割则需要利用已知模型与场景点云进行匹配，将匹配后位于模型附近的点云最为输出结果。这些方法都是基于无序点云来建立点云间的拓扑关系，计算耗时大。

基于边缘的分割方法和基于区域增长的分割方法无法解决点云与背景有小块连接时的分割问题，也可能出现过度分割，将一个物体分成几块；而基于模型的分割方法则需要已知待分割物体的三维模型，应用场景受限。

在结构光相机的使用过程中，需要快速对点云与背景进行分割。传统方法建立点云拓扑关系的方式耗时较大，且由于点云噪声和物体外形等因素，计算出的边界既可能出现在物体内部，也可能出现在物体与背景之间，且边界并不完全连续。