[发明专利]一种基于区域增长法的焊缝点云分割方法

权利要求书

1.一种基于区域增长法的焊缝点云分割方法，其特征在于，包括：

对焊缝点云进行降采样；

去除点云离群点；

进行点云法向量重定向；

基于区域增长法对点云进行分割；

对分割结果进行欧式聚类，并将点数少的聚类结果舍弃。

2.根据权利要求1所述的焊缝点云分割方法，其特征在于，所述对焊缝点云进行降采样，具体为：

遍历点云，找到焊缝点云的最大坐标值，并在该坐标值范围内将点云数据划分为多个相同大小的立方体即体素；

通过体素边长和点的坐标关系将点的索引值记录在特定的体素中，对于每一个体素，计算其内的点集中心C，对于每个体素，用C代替该体素内的所有点，实现点云降采样的目的。

3.根据权利要求1所述的焊缝点云分割方法，其特征在于，采用统计滤波的方法进行离群点去除。

4.根据权利要求3所述的焊缝点云分割方法，其特征在于，所述统计滤波的方法包括两次迭代，具体为：

在第一次迭代中，计算每个点到距离其最近的F个邻居点的平均距离d，并认为该距离结果近似满足高斯分布，计算这些距离的平均值μ和标准差σ，以此确定距离阈值，距离阈值等于:

d_threshold＝μ±k·σ

其中k为标准偏差的乘数；

在第二次迭代中，如果点云内所有点的平均邻域距离不在这些范围内，则它们将被认为是离群点，将被滤除。

5.根据权利要求1所述的焊缝点云分割方法，其特征在于，所述进行点云法向量重定向，具体为：

采用PCA法计算点云法向量和曲率，并以原点O(x，y，z)为中心，调整法向量方向使得：

采用公式如下，对法向量方向进行调整

其中，p_i是点云中的点，p_i'是p_i的邻域点，是点的法向量，是p_i'的法向量；

其中θ(r)和是空间的权重函数和法向量的权重，R是两点间的距离，σ_p是P_i的邻域半径，是法向量的角度阈值。

6.根据权利要求1所述的焊缝点云分割方法，其特征在于，所述基于区域增长法对点云进行分割，具体为：

对整幅点云构建kd树，计算点云法向量与曲率，初始化label值为-1，选取label值为-1的最小曲率的点作为种子点seed，加入种子点队列queue，将其label_cur置为0，对队列中的点进行最近邻搜索，比对该点和近邻点的法向量夹角，若小于夹角阈值theta_th，则将该近邻点归为当前的类别；比较近邻点的曲率大小，若小于曲率阈值c_th，则将该点作为种子点，继续搜索，直到所有的点被遍历完成。

7.根据权利要求6所述的焊缝点云分割方法，其特征在于，对分割结果进行欧式聚类，并将点数少的聚类结果舍弃，具体为：

在点云中选取一个点，作为种子点，归为C₁类，通过kd树搜索与之紧邻的点，若搜索到的点与种子点的欧几里得距离小于预设的距离阈值，则将该点也归为C₁类，并将该点更新为当前种子点；

继续遍历，直到没有点满足距离阈值条件；

寻找未被归类的点，作为新的种子点，重复前两个步骤，直到所有点被分类过；

将点云数目小于某一阈值的类别去除，可得到分割后的焊缝点云。

8.根据权利要求2所述的焊缝点云分割方法，其特征在于，设体素的边长为d，一幅点云可以划分成m*n*l个体素，则有如下关系：

9.根据权利要求1-8任一项所述的焊缝点云分割方法，其特征在于，去除点云离群点后还包括采用移动最小二乘法对点云进行平滑处理步骤。