[发明专利]一种基于聚类的点云分割方法及系统

摘要

本发明提出一种基于聚类的点云分割方法及系统，包括计算每个点的法向量、平面曲率和相容集，首先对输入的点云构建k‑d tree，然后对每一个点利用周围最邻近的K个点拟合得到该点的法向量和平面曲率；对点云进行聚类，构建链接表和聚类中心表，得到所有聚类的集合；面片处理，包括以构建初始面片，包括对于聚类的集合中的每一个聚类，对应的点云用一个平面近似拟合，得到的MCS拟合平面，法向量和平面曲率、相容集；面片合并，得到最终的点云分割结果。本发明在传统的基于区域生长的算法基础之上，直接利用点云的法向量和平面曲率来进行快速分类，不需要增加额外的计算，具有快速分割的优点。

主权项

1.一种基于聚类的点云分割方法，其特征在于：包括以下步骤，步骤1，计算每个点pi的法向量n(pi)、平面曲率λ(pi)和相容集CS(pi)，首先对输入的点云构建k‑d tree，然后对每一个点利用周围最邻近的K个点拟合得到该点的法向量和平面曲率，K为预设的值；步骤2，对点云进行聚类，得到所有聚类的集合包括以下子步骤，步骤2.1，构建链接表和聚类中心表实现如下，对所有点云中的每一个点p_i，搜索相容集CS(p_i)中的每一个点，找到平面曲率小于λ(p_i)的点中与p_i的法向量偏差最小的点，如果找到则记为CNP(p_i)，将p_i与CNP(p_i)作为一个链接添加到里面；如果未找到，当λ(p_i)小于阈值th_λ，则将p_i作为一个聚类中心添加到中；步骤2.2，点云快速聚类，得到所有聚类的集合包括从中的每一个聚类中心点开始，在中迭代搜索所有能被该聚类中心点连接到的点，直到搜索不到新的点为止，将这些点的集合记为一个聚类，添加到聚类的集合中；步骤3，面片处理，包括以下子步骤，步骤3.1，构建初始面片，包括对于聚类的集合中的每一个聚类对应的点云用一个平面近似拟合，得到的Maximum Consistent Set拟合平面的法向量和平面曲率记为和的相容集记为步骤3.2，面片合并，得到最终的点云分割结果，包括以下子步骤，步骤3.2.1，寻找邻近面片，包括对每一个面片搜索相容集中的每一个点，如果其中某个点p_i满足以下条件：则认为与是一对相互邻近面片；步骤3.2.2，邻近面片合并，包括两个相邻面片如果满足以下条件则合并：式中，和依次为和的法向量，θ代表两个向量之间夹角的阈值；对所有的面片按照平面曲率由小到大进行排序，从当前面片中没有被合并的曲率最小的面片开始，将其作为当前种子面片，合并所有能合并的相邻面片，新合并的面片在之后的迭代过程中也被选为种子面片，如此迭代生长，直到所有合并在一起的面片都被处理完。