[发明专利]一种基于统计和凹凸性的点云数据集构建方法及装置

权利要求书

1.一种基于统计和凹凸性的点云数据集构建方法，其特征在于，包括以下步骤：

步骤1：获取目标原始点云数据，进行基于特征的滤波去噪；

步骤2：第一次聚类，对点云进行超体聚类过分割，得到体素块集合；

步骤3：第二次聚类，对步骤2获得的各体素块进行LCCP聚类，得到LCCP聚类集合；

步骤4：第三次聚类，基于点特征直方图对LCCP聚类集合进行条件欧几里得聚类，得到最终聚类集合；

步骤5：根据最终聚类集合的结果将点云进行标记，组织文件得到点云数据集；

步骤4包括以下步骤：

步骤4.1、步骤3得到的LCCP聚类集合中的类别数为K₀，求解每一个类别集合的质心（i）；

步骤4.2、将质心构建为八叉树结构T；

步骤4.3、建立待处理集合P，集群列表C，以及类别质心队列Q，将所有质心添加到待处理集合P中；

步骤4.4、对每一个质心，判断以质心为球心的球体内的候选点的类别；

步骤4.4.1、判断待处理集合P是否为空，若P是则算法终止；否则从P中随机取出一个质心放到类别质心队列Q中，并从P中去除该质心；

步骤4.4.2、对类别质心队列Q中的质心逐个执行以下操作：

在半径为R的球体中搜索的邻居点集合；使用巴氏距离比较法计算点与中的每一个邻居点的PFH特征的巴氏距离：

若，则断定点与代表的两个类别集合不属于同一类；

若，则将点添加到类别质心队列Q中，并从P中去除；

其中，R、由用户自定义，将处理完的点标记为已处理，当类别质心队列Q中所有质心均标记为已处理时，转到步骤4.4.3；

步骤4.4.3、将类别质心队列Q中的点集添加到集群列表C中的第k项，重置类别质心队列Q为空，转到步骤4.4.1；其中，，为最终聚类集合的类别数目，点云中的点被聚类成K个点群。

2.根据权利要求1所述的一种基于统计和凹凸性的点云数据集构建方法，其特征在于，步骤1包括以下步骤：

步骤1.1、获取目标原始点云数据，扫描点云数据，构建八叉树，其中点云中点的个数为n，任意一点的邻域点集为，其中，表示的最近邻点的个数，其初始值由用户给定；

步骤1.2、求解每一个点与其他点的局部邻域距离；

步骤1.3、求解当前所有点局部邻域距离的平均值（j）；设初始平均距离；

步骤1.4、如果，转到步骤1.5；否则转到步骤1.6，由用户设定；

步骤1.5、逐点判断点的局部邻域距离，如果，则：如果此时，则将点去除，如果，则更新，重新计算；同时，转到步骤1.3，其中为标准差，为给定值；

步骤1.6、逐点判断点的局部邻域距离，如果，就将点去除，否则就保留点，处理完所有的点。

3.根据权利要求1所述的一种基于统计和凹凸性的点云数据集构建方法，其特征在于，步骤3包括以下步骤：

步骤3.1、获取体素块集合中邻接体素块之间的局部凹凸性，具体方法为：当体素块集合中邻接体素块连接时，采用CC准则获取所述邻接体素块的局部凹凸性；当体素块集合中邻接体素块不连接时，采用SC准则获取所述邻接体素块的局部凹凸性；

步骤3.2、在标记完各个区域之间的凹凸关系后，采用区域生长算法将小区域聚类成较大的区域，得到LCCP聚类集合。

4.根据权利要求1所述的一种基于统计和凹凸性的点云数据集构建方法，其特征在于，步骤5包括以下步骤：

对分好类的点群进行编号并与目标标签一一对应，然后将每一个点以（x坐标，y坐标，z坐标，标签编号）的四元组形式存储在H5文件中，将标签编号与类别名称一一对应，以（标签编号，类别名称）二元组形式存储在txt文件中，H5文件、txt文件共同组成点云数据集。