CN108596910B - 一种基于单高斯模型的三维声纳点云图像分割方法 - Google Patents
一种基于单高斯模型的三维声纳点云图像分割方法 Download PDFInfo
- Publication number
- CN108596910B CN108596910B CN201810208987.4A CN201810208987A CN108596910B CN 108596910 B CN108596910 B CN 108596910B CN 201810208987 A CN201810208987 A CN 201810208987A CN 108596910 B CN108596910 B CN 108596910B
- Authority
- CN
- China
- Prior art keywords
- data
- voxel
- point cloud
- background
- image segmentation
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/194—Segmentation; Edge detection involving foreground-background segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10028—Range image; Depth image; 3D point clouds
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10132—Ultrasound image
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Measurement Of Velocity Or Position Using Acoustic Or Ultrasonic Waves (AREA)
Abstract
本实施例提供一种基于单高斯模型的三维声纳点云图像分割方法,其特征在于,包括(1)获取声纳数据,将每帧声纳数据对应的三维声纳深度图像数据转换为正交坐标系下的点云数据;(2)对所述点云数据进行采样,以可变分辨率R为参数,将所述点云数据下采样为多个紧邻的边长为R的体素;(3)利用单高斯模型对下采样过的包含有点的体素进行图像分割;(4)利用图像分割结果对每个体素进行累加评分,根据所述累加评分分出前景数据和背景数据;(5)对下采样后的体素进行基于N帧像素强度平均值的阈值滤波;(6)对于每一个体素,若滤波处理的结果中包含有步骤(4)处理后的背景数据,则将该背景数据去掉,剩下的即为最后的前景数据。
Description
技术领域
本发明属于三维声纳点云图像处理领域,具体涉及一种基于单高斯模型的三维声纳点云图像分割方法。
背景技术
相控阵三维声纳系统是一种新型的水下三维声学成像系统,在港口实时监测及蛙人水下作业保护等方面具有广泛的应用价值。
但是在获取三维声纳点云数据时,由于设备精度、操作者经验、水下环境因素等带来的影响,以及被测物体表面性质变化和数据拼接配准操作过程的影响,点云数据中将不可避免地出现一些噪声点。实际应用中除了这些测量随机误差产生的噪声点之外,由于受到外界干扰如障碍物等因素的影响,点云数据中往往存在着一些离主体点云即被测物体点云较远的离散点,即离群点。不同的获取设备点云噪声结构也有不同,在点云处理流程中滤波处理作为预处理的第一步,往往对后续处理管道影响很大,只有在滤波预处理中将噪声点、离群点等按照后续处理定制,才能够更好地进行配准、特征提取、曲面重建、可视化等后续应用处理。
针对上述情况,亟需提出一种可靠高效的三维声纳点云图像分割的方法,使得其具有重要的工程使用价值。
发明内容
鉴于上述,本发明提供了一种基于单高斯模型的三维声纳点云图像分割方法,该方法操作简单,高效快捷,能够有效地分割前景和背景,达到减小噪声、增强点云图像的目的。
为实现上述发明目的,本发明提供以下技术方案:
一种基于单高斯模型的三维声纳点云图像分割方法,包括以下步骤:
(1)获取声纳数据,将每帧声纳数据对应的三维声纳深度图像数据转换为正交坐标系下的点云数据;
(2)对所述点云数据进行采样,以可变分辨率R为参数,将所述点云数据下采样为多个紧邻的边长为R的体素;
(3)利用单高斯模型对下采样过的包含有点的体素进行图像分割;
(4)利用图像分割结果对每个体素进行累加评分,根据所述累加评分分出前景数据和背景数据;
(5)对下采样后的体素进行基于N帧像素强度平均值的阈值滤波;
(6)对于每一个体素,若滤波处理的结果中包含有步骤(4)处理后的背景数据,则将该背景数据去掉,剩下的即为最后的前景数据。
体素是体积元素的简称,体素是数字数据于三维空间分割上的最小单位,体素用于三维成像等领域,一个体素中包含多个点数据。
优选地,所述步骤(3)的具体步骤为:
(3-1)对每个体素进行均值和方差的统计,计算方法为:
dt=It-μt
αt+1=αt+1
其中,μt为t时间该体素的像素强度均值,αt为t时间更新率的倒数,vt为t时间该体素的方差,It为t时间体素的像素强度;
优选地,所述步骤(4)的具体步骤为:
(4-1)若体素被判定为背景数据,则该体素的背景值Bt=Bt-1+bt,其中,Bt为t时间该体素的背景值,bt为t时间背景附加值,bt+1=bta,a为固定的背景附加值更新率,一般B0为0,b0属于集合[0.02-0.1],a属于集合[0.95-1);
(4-2)若t时刻体素的背景值Bt≥1,则t时刻该体素为背景。
优选地,所述步骤(5)的具体步骤为:
取该体素的N帧像素强度平均值:
若μNt<TN,其中TN根据实例而定,则认为该t时间该体素为背景。
与现有技术相比,本发明具有以下技术效果:
(1)在对采集到的大量点云数据进行处理前,通过本方法可以有选择地去除大部分离群点,减弱设备和环境噪声的影响,同时降低后续处理的工作量,增强数据的有效性,有助于后期图像的重构,达到图像增强的目的。
(2)本发明可以根据不同的设备和环境,通过人为地设定参数值,达到不同程度地去除离群点的目的,而不需要重新修改系统的程序,方便快捷,具有很强的实用性和灵活性。
(3)本发明的分割方法效率高,通过采用特别的算法完成三维声纳点云的图像增强,程序运行时间短,数据处理速度快,满足实时性的要求。
附图说明
图1是实施例提供的基于单高斯模型的三维声纳点云图像分割方法的流程图。
具体实施方式
为使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例对本发明进行进一步的详细说明。应当理解,此处所描述的具体实施方式仅仅用以解释本发明,并不限定本发明的保护范围。
图1是实施例提供的基于单高斯模型的三维声纳点云图像分割方法的流程图。如图1所示,本实施例提供的三维声纳点云图像分割方法包括以下步骤:
S101,获取声纳数据,将每帧声纳数据对应的三维声纳深度图像数据转换为正交坐标系下的点云数据。
实施例中,将三维声纳深度图像数据由球积坐标转为直角坐标,以获得正交坐标系下的点云数据。
S102,对总体点云数据直接进行采样,以可变分辨率R为参数,将所述点云数据下采样为多个紧邻的边长为R的体素。
本实施例中,R取值为六个分段值,分别为16*16*16、64*64*64、84*84*64、112*112*64、140*140*64、176*176*64。
S103,利用单高斯模型对下采样过的包含有点的体素进行图像分割,具体过程为:
首先,对每个体素进行均值和方差的统计,计算方法为:
dt=It-μt
αt+1=αt+1
其中,μt为t时间该体素的像素强度均值,αt为t时间更新率的倒数,vt为t时间该体素的方差,It为t时间体素的像素强度;
S104,利用图像分割结果对每个体素进行累加评分,根据所述累加评分分出前景数据和背景数据。
本实施例中,S104的具体过程为:
若体素被判定为背景数据,则该体素的背景值Bt=Bt-1+bt,其中,Bt为t时间该体素的背景值,bt为t时间背景附加值,bt+1=bta,a为固定的背景附加值更新率,一般B0为0,b0属于集合[0.02-0.1],a属于集合[0.95-1);
若t时刻一个体素的背景值Bt≥1,则t时刻该体素为背景。
S105,对下采样后的体素进行基于N帧像素强度平均值的阈值滤波。具体地,取体素的N帧平均值:
若μNt<TN,其中TN根据实例而定,本实施例中TN为10,则认为该t时间该体素为背景。
S106,对于每一个体素,若滤波处理的结果中包含有S104处理后的背景数据,则将该背景数据去掉,剩下的即为最后的前景数据。
本实施例提供的分割方法能够完成三维声纳点云的图像增强,程序运行时间短,数据处理速度快,满足实时性的要求。
以上所述的具体实施方式对本发明的技术方案和有益效果进行了详细说明,应理解的是以上所述仅为本发明的最优选实施例,并不用于限制本发明,凡在本发明的原则范围内所做的任何修改、补充和等同替换等,均应包含在本发明的保护范围之内。
Claims (4)
1.一种基于单高斯模型的三维声纳点云图像分割方法,其特征在于,包括以下步骤:
(1)获取声纳数据,将每帧声纳数据对应的三维声纳深度图像数据转换为正交坐标系下的点云数据;
(2)对所述点云数据进行采样,以可变分辨率R为参数,将所述点云数据下采样为多个紧邻的边长为R的体素;
(3)利用单高斯模型对下采样过的包含有点的体素进行图像分割;
(4)利用图像分割结果对每个体素进行累加评分,根据所述累加评分分出前景数据和背景数据;
(5)对下采样后的体素进行基于N帧像素强度平均值的阈值滤波;
(6)对于每一个体素,若滤波处理的结果中包含有步骤(4)处理后的背景数据,则将该背景数据去掉,剩下的即为最后的前景数据。
3.如权利要求1或2所述的基于单高斯模型的三维声纳点云图像分割方法,其特征在于,所述步骤(4)的具体步骤为:
(4-1)若体素被判定为背景数据,则该体素的背景值Bt=Bt-1+bt,其中,Bt为t时间该体素的背景值,bt为t时间背景附加值,bt+1=bta,a为固定的背景附加值更新率,B0为0,b0属于集合[0.02-0.1],a属于集合[0.95-1);
(4-2)若t时刻体素的背景值Bt≥1,则t时刻该体素为背景。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810208987.4A CN108596910B (zh) | 2018-03-14 | 2018-03-14 | 一种基于单高斯模型的三维声纳点云图像分割方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810208987.4A CN108596910B (zh) | 2018-03-14 | 2018-03-14 | 一种基于单高斯模型的三维声纳点云图像分割方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108596910A CN108596910A (zh) | 2018-09-28 |
CN108596910B true CN108596910B (zh) | 2020-05-29 |
Family
ID=63626372
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810208987.4A Active CN108596910B (zh) | 2018-03-14 | 2018-03-14 | 一种基于单高斯模型的三维声纳点云图像分割方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108596910B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111292275B (zh) * | 2019-12-26 | 2023-10-24 | 深圳一清创新科技有限公司 | 基于复杂地面的点云数据滤除方法、装置、计算机设备 |
CN113723468B (zh) * | 2021-08-06 | 2023-08-04 | 西南科技大学 | 一种三维点云的物体检测方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102592130A (zh) * | 2012-02-16 | 2012-07-18 | 浙江大学 | 一种针对水下显微视频的目标识别系统及其视频编码方法 |
CN106469311A (zh) * | 2015-08-19 | 2017-03-01 | 南京新索奇科技有限公司 | 目标检测方法及装置 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7418134B2 (en) * | 2003-05-12 | 2008-08-26 | Princeton University | Method and apparatus for foreground segmentation of video sequences |
-
2018
- 2018-03-14 CN CN201810208987.4A patent/CN108596910B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102592130A (zh) * | 2012-02-16 | 2012-07-18 | 浙江大学 | 一种针对水下显微视频的目标识别系统及其视频编码方法 |
CN106469311A (zh) * | 2015-08-19 | 2017-03-01 | 南京新索奇科技有限公司 | 目标检测方法及装置 |
Non-Patent Citations (1)
Title |
---|
Moving Object Detection under Dynamic Background in 3D Range Data;Yang Yi等;《2014 IEEE Intelligent Vehicles Symposium》;20140611;第394-399页 * |
Also Published As
Publication number | Publication date |
---|---|
CN108596910A (zh) | 2018-09-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11443437B2 (en) | Vibe-based three-dimensional sonar point cloud image segmentation method | |
US11748894B2 (en) | Video stabilization method and apparatus and non-transitory computer-readable medium | |
Selvakumar et al. | The performance analysis of edge detection algorithms for image processing | |
EP2846306B1 (en) | Image processing apparatus for removing haze contained in still image and method thereof | |
CN110599522B (zh) | 一种视频序列中动态目标检测剔除方法 | |
US20210192268A1 (en) | A distance statistics based method for 3d sonar point cloud image enhancement | |
CN108596910B (zh) | 一种基于单高斯模型的三维声纳点云图像分割方法 | |
CN112991374B (zh) | 基于Canny算法的边缘增强方法、装置、设备及存储介质 | |
CN114972339B (zh) | 用于推土机结构件生产异常检测的数据增强系统 | |
CN113780110A (zh) | 一种图像序列中弱小目标实时检测方法及设备 | |
CN113971669A (zh) | 应用于管道损伤识别的三维检测系统 | |
WO2014172875A1 (en) | Moving object detection | |
CN109712116B (zh) | 输电线路及其附件的故障识别方法 | |
CN107478656B (zh) | 基于机器视觉的纸浆搅拌效果检测评价方法、装置、系统 | |
CN106802149B (zh) | 基于高维组合特征的快速序列图像匹配导航方法 | |
CN108269268B (zh) | 基于微波散射计数据自动提取台风高风速云系区域方法 | |
CN110599510A (zh) | 一种图片特征提取方法 | |
CN115841632A (zh) | 输电线路提取方法、装置以及双目测距方法 | |
Nasonov et al. | Edge width estimation for defocus map from a single image | |
Othman et al. | A statistical approach of multiple resolution levels for canny edge detection | |
CN112580642A (zh) | 一种结合边缘特征和纹理特征的图像混合分割方法及设备 | |
CN112614100A (zh) | 海洋浮游生物图像分割方法 | |
Chen et al. | Research on contour extraction and edge detection of sugarcane image based on MATLAB | |
McLaughlin et al. | Modified deconvolution using wavelet image fusion | |
CN107977957A (zh) | 基于静态单目相机的土体失稳综合信息测量方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |