CN111696120B - 一种点云数据分割方法、装置、电子设备及存储介质 - Google Patents

一种点云数据分割方法、装置、电子设备及存储介质 Download PDF

Info

Publication number
CN111696120B
CN111696120B CN202010496561.0A CN202010496561A CN111696120B CN 111696120 B CN111696120 B CN 111696120B CN 202010496561 A CN202010496561 A CN 202010496561A CN 111696120 B CN111696120 B CN 111696120B
Authority
CN
China
Prior art keywords
plane
point cloud
point
cloud data
primitive
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
Application number
CN202010496561.0A
Other languages
English (en)
Other versions
CN111696120A (zh
Inventor
逯梦强
范祺
胡婉丽
罗跃军
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Heading Data Intelligence Co Ltd
Original Assignee
Heading Data Intelligence Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Heading Data Intelligence Co Ltd filed Critical Heading Data Intelligence Co Ltd
Priority to CN202010496561.0A priority Critical patent/CN111696120B/zh
Publication of CN111696120A publication Critical patent/CN111696120A/zh
Application granted granted Critical
Publication of CN111696120B publication Critical patent/CN111696120B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G06T7/187—Segmentation; Edge detection involving region growing; involving region merging; involving connected component labelling
    • 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

Abstract

本发明提供一种点云数据分割方法、装置、电子设备及存储介质，该方法包括：选取局部邻域点集，构造局部邻域点集的协方差矩阵，得到邻域点集特征值；根据邻域点集特征值的关系及分布特征，对拟合的平面基元进行判断；若所述平面基元拟合成功，则基于所述平面基元进行区域增长，并对区域增长得到的平面进行有效性检验；对满足预定合并条件的区域增长得到的各平面中的平面点集进行合并，验证合并后的平面的有效性；当所有点云数据均处理完毕，得到点云分割结果。通过该方案解决了现有针对多平面不连续点云分割方法结果不准确的问题，可以有效提高点云数据分割的准确性，同时，增强分割方法的抗噪性和鲁棒性。

Description

一种点云数据分割方法、装置、电子设备及存储介质
技术领域
本发明涉及点云数据处理领域，尤其涉及一种点云数据分割方法、装置、电子设备及存储介质。
背景技术
基于激光扫描的得到点云数据可以表征物体外部特征，在实际业务场景中，需要对三维目标扫描得到的点云数据进行分割，以便得到目标物体特征信息，进而方便矢量化地图作业。
目前，针对目标物体的点云数据分割，通常采用区域生长的方法，而区域生长一般适用于同平面的点云，针对多个平面的点云数据分割，尤其一些不连续的点云平面片，现有的点云分割方法准确度不高，难以保障局部点云分割结果为最优。
发明内容
有鉴于此，本发明实施例提供了一种点云数据分割方法、装置、电子设备及存储介质，以解决现有点云分割方法准确度不高的问题。
在本发明实施例的第一方面，提供了一种点云数据分割方法，包括：
选取局部邻域点集，构造局部邻域点集的协方差矩阵，得到邻域点集特征值；
根据邻域点集特征值的关系及分布特征，对拟合的平面基元进行判断；
若所述平面基元拟合成功，则基于所述平面基元进行区域增长，并对区域增长得到的平面进行有效性检验；
对满足预定合并条件的区域增长得到的各平面中的平面点集进行合并，验证合并后的平面的有效性；
当所有平面点云数据均处理完毕，则得到点云分割结果。
在本发明实施例的第二方面，提供了一种用于点云数据分割的装置，包括：
构造模块，用于选取局部邻域点集，构造局部邻域点集的协方差矩阵，得到邻域点集特征值；
判断模块，用于根据邻域点集特征值的关系及分布特征，对拟合的平面基元进行判断；
区域增长模块，用于若判定所述平面基元拟合成功，则基于所述平面基元进行区域增长，并对区域增长得到的平面进行有效性检验；
合并模块，用于对满足预定合并条件的区域增长得到的各平面中的平面点集进行合并，验证合并后的平面的有效性；
分割模块，用于当所有平面点云数据均处理完毕，则得到点云分割结果。
在本发明实施例的第三方面，提供了一种电子设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如本发明实施例第一方面所述方法的步骤。
本发明实施例的第四方面，提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现本发明实施例第一方面提供的所述方法的步骤。
本发明实施例中，通过构造局部邻域点集的协方差矩阵，得到邻域点集特征值，并根据邻域点集特征值的关系及分布特征，拟合的平面基元，基于平面基元进行区域增长，经有效性检验后，对邻域点集所在的平面及区域增长得到的平面进行合并，对合并后的平面重新进行计算，验证合并后的平面的有效性，当局部邻域内所有点均合并完毕，则得到局部点云分割结果。从而解决了点云数据分割不准确的问题，针对不同平面的点云数据，拟合平面基元，在区域增长的基础上，通过对不同平面的合并、有效性检验，可以提高点云分割的准确性，实现不同平面点云数据的有效提取分割，保障分割结果的准确可靠，同时，具有较强的抗噪性和鲁棒性。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单介绍，显而易见地，下面描述的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获取其他附图。
图1为本发明的一个实施例提供的一种点云数据分割方法的流程示意图；
图2为本发明的一个实施例提供的一种用于点云数据分割的装置的结构示意图。
具体实施方式
为使得本发明的发明目的、特征、优点能够更加的明显和易懂，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，下面所描述的实施例仅仅是本发明一部分实施例，而非全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围以下结合附图对本发明的原理和特征进行描述，所举实例只用于解释本发明，并非用于限定本发明的范围。
本发明的说明书或权利要求书及上述附图中的术语“包括”以及其他相近意思表述，意指覆盖不排他的包含，如包含一系列步骤或单元的过程、方法或系统、设备没有限定于已列出的步骤或单元。
请参阅图1，图1为本发明一个实施例提供的一种点云数据分割方法的流程示意图，包括：
S101、选取局部邻域点集，构造局部邻域点集的协方差矩阵，得到邻域点集特征值；
设定三种点云取样分布简化模型：分布于同一平面、分布于两个相邻的平面和分布于三个相邻平面，通过取样模型选取局部的邻域点集，构造邻域点集的协方差矩阵，可以计算得到邻域点集特征集，设定λ1、λ2、λ3分别表示第一特征值、第二特征值及最小特征值。
需要注意的是，选取的局部邻域一般不能太小，以至于不能代表局部的平面信息，也不能太大，导致点云数据跨域过多的平面组合。
S102、根据邻域点集特征值的关系及分布特征，对拟合的平面基元进行判断；
具体的，若|λ3|<σ且符合统一平面的分布特征，则判定平面基元拟合成功，其中，λ3表示最小特征值，σ表示特征阈值。进一步的，最小特征值λ3小于阈值σ，最小特征值λ3远小于第一特征值λ1，最小特征值λ3远小于第二特征值λ2，且特征值分布于同一个平面，可以判定平面基于拟合成功。
其中，将最小特征值所对应的特征向量作为拟合平面的法向量，将局部邻域质心作为平面基元的质心。将λ3对应的特征向量作为拟合平面的法向量，结合局部邻域的质心可以得到拟合平面。
S103、若判定平面基元拟合成功，则基于平面基元进行区域增长，并对区域增长得到的平面进行有效性检验；
设定扫描线按预定方向遍历点云数据，实时计算当前点到拟合平面的欧式距离，以及当前点到局部邻域质心的距离。基于欧式距离和到局部邻域质心的距离，设定平面增长条件，可以标定拟合平面的接纳强度，标记当前点的平面属性，并进行区域增长。
若平面点集满足连续性准则，就进行重复平面的提取，并根据当前平面的接纳强度进行局部点的归纳调整。所述重复平面的提取是指对满足同面性的连续点集进行提取，通过区域增长生成新的片面。优选的，基于连续性准则进行平面关联，以便对满足合并条件的平面进行合并。
S104、对满足预定合并条件的区域增长得到的各平面中的平面点集进行合并，验证合并后的平面的有效性；
基于平面基元区域增长得到的各平面，可以对数据库中多种不同的平面片进行重构，提取有效的平面的几何信息，方便进行平面点集的合并。
具体的，当扫描并标记了平面所有点后，对满足连续性原则的平面点集所在平面进行平面合并系数的计算。具体的，计算各平面的同向程度θ和共面程度dαβ，若θ小于第一预定值且dαβ小于第二预定值，则表示满足合并条件，进行两平面点集的合并，并重复检验所有平面。所述第一预定值、第二预定值表示预定阈值。
其中，基于同向程度和共面程度的判断，即小于阈值满足同向性和共面性，表示两个平面几乎平行，空间位置相邻，则将两个平面集合进行合并。
S105、当所有平面点云数据均处理完毕，则得到点云分割结果。
当需要处理的平面点云数据均处理完毕，则结束平面平面合并检验，得到点云数据最终处理结果。
通过本实施例提供的方法，在拟合的平面基元的基础上进行区域增长，并对平面进行有效性检验和合并，最终完成对所有点云数据的处理，准确得到点云数据的处理结果。
应理解，上述实施例中各步骤的序号大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。
图2为本发明实施例提供的一种用于点云数据分割的装置的结构示意图，该装置包括：
构造模块210，用于选取局部邻域点集，构造局部邻域点集的协方差矩阵，得到邻域点集特征值；
具体的，若|λ3|<σ且符合统一平面的分布特征，则判定平面基元拟合成功，其中，λ3表示最小特征值，σ表示特征阈值。进一步的，可以设定最小特征值远小于领域点集中的第一、第二特征值。
判断模块220，用于根据邻域点集特征值的关系及分布特征，对拟合的平面基元进行判断；
具体的，所述根据邻域点集特征值的关系及分布特征，对拟合的平面基元进行判断包括：
将最小特征值所对应的特征向量作为拟合平面的法向量，将局部邻域质心作为平面基元的质心。
区域增长模块230，用于若判定所述平面基元拟合成功，则基于所述平面基元进行区域增长，并对区域增长得到的平面进行有效性检验；
具体的，计算当前点到拟合平面的欧式距离，并计算当前点与局部邻域质心的距离，基于平面增长条件和拟合平面的接纳强度，进行区域增长。
可选的，所述对区域增长得到的平面进行有效性检验包括：
若平面点集满足连续性准则，则进行重复平面提取，根据平面接纳强度进行局部点归纳调整；
合并模块240，用于对满足预定合并条件的平面点集进行合并，验证合并后的平面的有效性；
具体的，计算平面点集所在的两个平面的同向程度、共面程度，当同向程度和共面程度均小于预定阈值，则进行两平面的合并。
分割模块250，用于当所有点云数据均处理完毕，得到点云分割结果。
可以理解的是，在一个实施例中，所述电子设备包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述计算机程序执行如实施例一中步骤S101～S105，处理器执行所述计算机程序时实现点云数据的分割。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，所述的程序可以存储于一计算机可读取存储介质中，该程序在执行时，包括步骤S101～S105，所述的存储介质包括如：ROM/RAM、磁碟、光盘等。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。
以上所述，以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (9)

1.一种点云数据分割方法，其特征在于，包括：
选取局部邻域点集，构造局部邻域点集的协方差矩阵，得到邻域点集特征值；
根据邻域点集特征值的关系及分布特征，对拟合的平面基元进行判断；
其中，若|λ3|<σ且符合统一平面的分布特征，则判定平面基元拟合成功，其中，λ3表示最小特征值，σ表示特征阈值；
若所述平面基元拟合成功，则基于所述平面基元进行区域增长，并对区域增长得到的平面进行有效性检验；
对满足预定合并条件的区域增长得到的各平面中的平面点集进行合并，验证合并后的平面的有效性；
当所有平面点云数据均处理完毕，则得到点云分割结果。
2.根据权利要求1所述方法，其特征在于，所述根据邻域点集特征值的关系及分布特征，对拟合的平面基元进行判断包括：
将最小特征值所对应的特征向量作为拟合平面的法向量，将局部邻域质心作为平面基元的质心。
3.根据权利要求1所述的方法，其特征在于，所述若所述平面基元拟合成功，则基于平面基元进行区域增长具体为:
计算当前点到拟合平面的欧式距离，并计算当前点与局部邻域质心的距离，基于平面增长条件和拟合平面的接纳强度，进行区域增长。
4.根据权利要求1所述方法，其特征在于，所述对区域增长得到的平面进行有效性检验还包括：
若平面点集满足连续性准则，则进行平面提取，并根据平面接纳强度进行局部点归纳调整。
5.根据权利要求1所述方法，其特征在于，所述对满足预定合并条件的区域增长得到的各平面中的平面点集进行合并具体为：
计算平面点集所在的两个区域增长的平面的同向程度、共面程度，当同向程度和共面程度均小于预定阈值，则进行两平面的合并。
6.一种用于点云数据分割的装置，其特征在于，包括：
构造模块，用于选取局部邻域点集，构造局部邻域点集的协方差矩阵，得到邻域点集特征值；
判断模块，用于根据邻域点集特征值的关系及分布特征，对拟合的平面基元进行判断；
其中，若|λ3|<σ且符合统一平面的分布特征，则判定平面基元拟合成功，其中，λ3表示最小特征值，σ表示特征阈值；
区域增长模块，用于若判定所述平面基元拟合成功，则基于所述平面基元进行区域增长，并对区域增长得到的平面进行有效性检验；
合并模块，用于对满足预定合并条件的区域增长得到的各平面中的平面点集进行合并，验证合并后的平面的有效性；
分割模块，用于当所有平面点云数据均处理完毕，则得到点云分割结果。
7.根据权利要求6所述的装置，其特征在于，所述若判定所述平面基元拟合成功，则基于平面基元进行区域增长具体为:
计算当前点到拟合平面的欧式距离，并计算当前点与局部邻域质心的距离，基于平面增长条件和拟合平面的接纳强度，进行区域增长。
8.一种电子设备，包括处理器、存储器以及存储在所述存储器中并在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至5中任一项所述点云数据分割方法的步骤。
9.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至5任一项所述点云数据分割方法的步骤。
CN202010496561.0A 2020-06-03 2020-06-03 一种点云数据分割方法、装置、电子设备及存储介质 Active CN111696120B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010496561.0A CN111696120B (zh) 2020-06-03 2020-06-03 一种点云数据分割方法、装置、电子设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010496561.0A CN111696120B (zh) 2020-06-03 2020-06-03 一种点云数据分割方法、装置、电子设备及存储介质

Publications (2)

Publication Number Publication Date
CN111696120A CN111696120A (zh) 2020-09-22
CN111696120B true CN111696120B (zh) 2023-04-21

Family

ID=72479332

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010496561.0A Active CN111696120B (zh) 2020-06-03 2020-06-03 一种点云数据分割方法、装置、电子设备及存储介质

Country Status (1)

Country Link
CN (1) CN111696120B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113628258B (zh) * 2021-04-25 2024-04-26 西安理工大学 一种基于自适应特征点提取的点云粗配准方法

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106600622A (zh) * 2016-12-06 2017-04-26 西安电子科技大学 一种基于超体素的点云数据分割方法

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102609940A (zh) * 2012-01-17 2012-07-25 安徽建筑工业学院 利用地面激光扫描技术进行测量对象表面重建时点云配准误差处理方法
CN109325998B (zh) * 2018-10-08 2023-06-30 香港理工大学 一种基于点云数据的室内3d建模方法、系统及相关装置

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106600622A (zh) * 2016-12-06 2017-04-26 西安电子科技大学 一种基于超体素的点云数据分割方法

Also Published As

Publication number Publication date
CN111696120A (zh) 2020-09-22

Similar Documents

Publication Publication Date Title
CN106023298B (zh) 基于局部泊松曲面重建的点云刚性配准方法
JP5506785B2 (ja) 勾配ヒストグラムを用いた指紋表現
CN109214422B (zh) 基于dcgan的停车数据修补方法、装置、设备及存储介质
Xu et al. Multi-scale geometric consistency guided and planar prior assisted multi-view stereo
CN109272016A (zh) 目标检测方法、装置、终端设备和计算机可读存储介质
CN113487730A (zh) 一种基于激光雷达点云数据的城市三维自动建模方法
CN110544298B (zh) 变电站建模方法、装置、计算机设备和存储介质
CN111696120B (zh) 一种点云数据分割方法、装置、电子设备及存储介质
CN114332291A (zh) 一种倾斜摄影模型建筑物外轮廓规则提取方法
CN113420637A (zh) 自动驾驶中多尺度鸟瞰视角下的激光雷达检测方法
CN112819873B (zh) 高泛化性的跨域道路场景语义分割方法和系统
CN113191311A (zh) 矢量pdf图纸的填充边界识别方法、装置、设备及存储介质
CN103837135A (zh) 工件检测方法及其系统
CN117274072A (zh) 一种基于二维多模态范围图像的点云去噪方法及装置
CN116452604A (zh) 一种复杂变电站场景分割方法、设备及存储介质
CN114626111B (zh) 一种三维模型的特征识别方法、电子设备及存储介质
CN112767462B (zh) 基于脊谷特征与深度特征描述符的点云单点对齐方法
CN115564812A (zh) 基于高精度视差细化的立体匹配方法、系统、设备及介质
CN113378864A (zh) 一种锚框参数的确定方法、装置、设备及可读存储介质
KR101364375B1 (ko) 3차원 데이터로부터 특정 객체를 추출하는 시스템 및 방법.
CN116882031B (zh) 一种基于点云的建筑模型构建方法及系统
CN117853875B (zh) 一种细粒度图像识别方法及系统
US20170109924A1 (en) Object retopologizer hole refiller and method of retopologizing hole refilling
CN113032882B (zh) 风振响应模型生成方法、设备、装置及介质
CN112967333B (zh) 基于等级划分的复杂点云骨架提取方法及系统

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