CN113628224B - 一种基于三维欧式距离变换的房间分割方法 - Google Patents

一种基于三维欧式距离变换的房间分割方法 Download PDF

Info

Publication number
CN113628224B
CN113628224B CN202110906798.6A CN202110906798A CN113628224B CN 113628224 B CN113628224 B CN 113628224B CN 202110906798 A CN202110906798 A CN 202110906798A CN 113628224 B CN113628224 B CN 113628224B
Authority
CN
China
Prior art keywords
room
dimensional
voxel
sphere
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
Application number
CN202110906798.6A
Other languages
English (en)
Other versions
CN113628224A (zh
Inventor
杨帆
张驰
车明亮
张季一
王英利
曹鑫亮
陆佩华
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.)
Nantong University
Original Assignee
Nantong University
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 Nantong University filed Critical Nantong University
Priority to CN202110906798.6A priority Critical patent/CN113628224B/zh
Publication of CN113628224A publication Critical patent/CN113628224A/zh
Application granted granted Critical
Publication of CN113628224B publication Critical patent/CN113628224B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06T7/187—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
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20021—Dividing image into blocks, subimages or windows

Abstract

本发明公开了一种基于三维欧式距离变换的房间分割方法，该方法首先对激光扫描点云进行三维占用概率计算，将概率值存储到VDB三维网格数据结构中；接着进行三维欧式距离变换，计算每个体素到其最近邻占用点的距离值；对距离变换后的VDB数据根据给定距离阈值进行阈值分割，采用内部球填充距离值大于给定阈值的空间；根据填充内部球之间的邻接关系构建拓扑图，对拓扑图进行连通子图分割，通过连通子图中每个内部球所占用的空间叠加三维网格得到初始的房间种子区域；最后利用波前向生长算法得到最终的三维房间分割结果。本发明直接在三维空间实现房间分割，可以解决跨楼层空间、房间嵌套房间等复杂三维室内环境的语义分割问题。

Description

一种基于三维欧式距离变换的房间分割方法
技术领域
本发明涉及一种基于三维欧式距离变换的房间分割方法，属于移动机器人和激光测量技术领域。
背景技术
房间分割(Room segmentation)是机器人领域重要的研究课题，是机器人任务规划和导航的主要依据。几十年来，研究人员一直在研究占用概率栅格图像的分割。通常可以采用四种算法实现占用概率栅格图像的房间分割：(1)基于Voronoi的房间分割方法；(2)基于特征的房间分割方法；(3)形态学房间分割方法；(4)距离变换方法。在机器人领域中，上述方法主要基于单楼层点云投影到二维证据栅格图像实现，将三维点云投影到二值图像，实现了二维平面栅格地图的房间分割，可以满足基于每个楼层进行房间分割，然而这些方法难以解决跨楼层空间、房间嵌套房间等复杂三维室内环境的语义分割问题，是制约非曼哈顿世界室内三维建模的瓶颈问题。将二维栅格的房间分割算法直接拓展到三维网格存在很多困难，如存储空间急剧增长，计算时间长。但是直接在三维空间实现房间分割也有许多明显的优势，如三维空间可以提供更丰富的几何和空间结构信息，可以满足更加广泛的应用需求包括跨楼层空间、房间嵌套房间等复杂室内三维环境的语义分割。实现三维房间语义分割需要充分考虑点云包含的几何和室内空间结构信息才能得到更加可靠的分类结果。
发明内容
针对上述现有技术存在的问题，本发明提供一种基于三维欧式距离变换的房间分割方法，从而解决上述问题。
为了实现上述目的，本发明采用的技术方案是：一种基于三维欧式距离变换的房间分割方法，包括以下步骤；
步骤一：三维空间占用概率网格计算，对激光扫描点云所占用的三维空间进行三维网格划分；利用三维布雷森汉姆直线算法确定三维网格中每个体素的占用概率，根据激光的扫描视点和被测物体表面点之间的射线来近似形成自由空间点，将概率值存储到VDB三维网格数据结构中；
步骤二：三维欧式距离变换，计算每个体素到其最近邻占用点的距离值；算法包括两个过程可以用类似于上升波和下降波的概念进行描述；上升波：当一个障碍物被移除时，以索引s为最近障碍物的网格单元集合需要按照顺序进行重置，从而产生一个类似于上升波的过程；下降波：当添加障碍物时，需要检查其周围的网格单元，更新这些网格单元的距离值，从而产生一个类似于下降波的过程；
步骤三：内部球填充，对距离变换后的VDB三维网格数据进行阈值分割，采用内部球填充距离值大于给定阈值的区域；
步骤四：房间种子区域生成，根据邻接关系构建内部球拓扑图，采用连通子图分割，通过连通子图中每个内部球所占用的空间叠加三维空间网格得到初始的房间种子区域；
步骤五：波前向生长算法，最后利用波前向生长算法得到最终的三维房间分割结果，初始房间种子区域通过波前生长算法扩展到未标记的自由空间，直到所有自由体素单元都已标记，算法结束。
进一步的，所述步骤三中关于内部球填充的具体实现步骤为：
2.1、对阈值分割后的VDB三维网格，每个体素中存储着该体素到其最近障碍点的距离值；得到一系列体素Voxels＝{P1＝d1，P2＝d2，...，Pn＝dn}；
2.2、首先选择距离变换值最大的体素为球心，最大近邻距离为半径进行填充；设该体素中心为Pmaxd，其最近邻距离为Dmax＝max{D}，则初次填充球定义为S1＝(O，R)＝(Pmax，Dmax)；
2.3、接着在所有已填充球的外部体素集合中选取具有最大近邻距离的体素中心作为新的填充球球心，填充新的内部球。
2.4、为了减小内部球之间的重叠，每次进行填充球外部体素集合判断时，通过限定搜索区域为当前填充球1.5倍半径区域来提高填充的效率；
2.5、依次迭代，直至所有体素都被填充完毕，得到相交填充内部球集合S＝{S1,S2,...，Sn}。
进一步的，所述步骤四中房间种子区域生成的具体实现步骤为：
3.1、首先初始化拓扑图G<V,E>，该拓扑图以所有内部球的球心点作为图的节点V。同时将所有内部球的球心点构成集合P，对球心点点集P构建KD树；
3.2、遍历每一个内部球的球心点p，搜索其2Dmax半径范围的近邻球心点；
3.3、判断近邻球pj与当前球pi是否相交，如果是，即内部球具有一定程度的相互重叠，则向拓扑图G中添加边E←E∪e(pi，pj)；
3.4、依次迭代，直至所有内部球的球心点遍历完毕；
3.5、对图G进行连通子图分割，得到连通域集合C＝{C1，C2，...，Cn}；为连通域赋予初始房间语义标记ID；将连通域中每个内部球占据的空间所包含的体素标记为相应的初始房间标记ID，得到包含房间种子区域信息的体素网格sinitial_label。
进一步的，所述步骤五中波前向生长算法的具体实现步骤为：
4.1、为波前向生长算法深度拷贝初始房间语义标记Sinitial_label，记作Scopy_label；对于任意一个体素单元s，遍历其在初始房间语义标记Sinitial_label中的26个近邻体素，如果近邻中存在一个房间语义标记值slabel，则将当前体素赋值为slabel；
4.2、利用Scopy_label更新Sinitial_label；
4.3、重复4.1-4.2步骤，直到所有的体素都已经被赋予一个房间语义标记；
4.4、得到最终的房间语义分割结果，保存为VDB格式*.vdb文件。
本发明的有益效果是：本发明提供了一种基于三维欧式距离变换的房间分割方法，该方法首先对激光扫描点云进行三维占用概率计算，将概率值存储到VDB数据结构中；接着进行三维欧式距离变换，计算每个体素到其最近邻占用点的距离值；对距离变换后的VDB数据根据给定距离阈值进行阈值分割，采用内部球填充距离值大于给定阈值的空间；根据填充内部球之间的邻接关系构建拓扑图，对拓扑图进行连通子图分割，通过连通子图中每个内部球所占用的空间叠加三维网格得到初始的房间种子区域；最后利用波前向生长算法得到最终的三维房间分割结果。该方法可以应用于机器人任务规划和导航，相比于现有技术，本发明直接在三维空间实现房间分割，可以解决跨楼层空间、房间嵌套房间等复杂三维室内环境的语义分割问题。
附图说明
图1为本发明的基于三维欧式距离变换的房间分割方法技术流程图；
图2为本发明的实施例的占用概率栅格的生成过程示意图；
图3为本发明的实施例的欧式距离变换示意图，灰色区域为障碍点，单元格中存储了距离值示意图；
图4为本发明的实施例的三维房间分割结果，图中不同灰度表示不同的房间区域示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明了，下面通过附图及实施例，对本发明进行进一步详细说明。但是应该理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限制本发明的范围。
除非另有定义，本文所使用的所有的技术术语和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同，本文中在本发明的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本发明。
如图1所示，本发明提供一种基于三维欧式距离变换的房间分割方法，直接在三维空间实现房间分割，可以解决跨楼层空间、房间嵌套房间等复杂三维室内环境的语义分割问题。
步骤一：三维空间占用概率网格计算，对激光扫描点云所占用的三维空间进行三维网格划分；利用三维布雷森汉姆直线算法(Bresenham’s line algorithm)确定三维网格的体素占用概率，通过激光的扫描视点和被测物体表面点之间的射线来近似形成自由空间点，将概率值存储到VDB三维网格数据结构中；
1.1根据输入的体素(Voxel)大小，将激光点云离散化为网格，初始化浮点类型(FloatGrid)的VDB三维网格数据结构。
1.2根据激光扫描点和视点之间的关系，利用布雷森汉姆线转栅格算法，计算三维占用概率栅格，每个体素被赋予“L_OCCU”、“L_FREE”两种值，体素的状态设置为True。
步骤二：三维欧式距离变换，计算每个体素到其最近邻占用点的距离值。算法包括两个过程可以用类似于上升波(Raising wave)和下降波(Lowering wave)的概念进行描述。上升波：当一个障碍物被移除时，以索引s为最近障碍物的网格单元集合需要按照顺序进行重置，从而产生一个类似于上升波的过程。下降波：当添加障碍物时，需要检查其周围的网格单元，更新这些网格单元的距离值，从而产生一个类似于下降波的过程。
2.1定义欧式距离变换体素执行状态队列Q，在进行布雷森汉姆线转栅格算法的过程中，如果通过射线算法判断当前体素应为自由空间体素，判断当前体素的状态，如果状态为False，将体素状态改为True；如果状态为True，并且已经存储了“L_OCCU”，将当前体素加入队列Q，标记为执行上升波过程。更新体素的占用概率值为“L_FREE”。
2.2如果通过射线算法判断当前体素应为占用空间体素，判断当前体素的状态，如果状态为False，将体素状态改为True，并将当前体素加入队列Q，标记为执行下降波过程；如果状态为True，并且已经存储了“L_FREE”，将当前体素加入队列，标记为执行下降波过程。更新体素的占用概率值为“L_OCCU”。
2.3更新循环队列Q，执行所有的上升波和下降波过程，完成三维欧式距离变换。
步骤三：内部球填充，对距离变换后的VDB数据进行阈值分割，采用内部球填充距离值大于给定阈值的区域；
3.1输入距离阈值Δd，距离阈值通常对应点云数据中实际门的宽度。对阈值分割后的体素网格，每个体素中存储着该体素到其最近障碍点的距离变换值，得到一系列体素Voxels＝{P1＝d1，P2＝d2，...，Pn＝dn}。
3.2首先选择距离变换值最大的体素为球心，最大近邻距离为半径进行填充；设该体素中心为Pmaxd，其最近邻距离为Dmax＝max{D}，则初次填充球定义为S1＝(O，R)＝(Pmax，Dmax)。
3.3接着在所有已填充球的外部体素集合中选取具有最大近邻距离的体素中心作为新的填充球球心，填充新的内部球。
3.4为了减小内部球之间的重叠，每次进行填充球外部体素集合判断时，通过限定搜索区域为当前填充球1.5倍半径区域来提高填充的效率。
3.5依次迭代，直至所有体素都被遍历完毕，得到相交填充内部球集合S＝{S1，S2，...，Sn}。
步骤四：房间种子区域生成，根据邻接关系构建内部球拓扑图，采用连通子图分割，通过连通子图中每个内部球所占用的空间叠加三维空间网格得到初始房间的种子区域；
4.1首先初始化拓扑图G<V，E>，该拓扑图以所有内部球的球心点作为图的节点V。同时将所有内部球的球心点构成集合P，对球心点点集P构建KD树。
4.2遍历每一个内部球的球心点p，搜索其2Dmax半径范围的近邻球心点。
4.3判断近邻球pj与当前球pi是否相交，如果是，向图G中添加边E←E∪e(pi,pj)。
4.4依次迭代，直至所有内部球的球心点遍历完毕。
4.5对拓扑图G进行连通子图分割，得到连通域的集合C＝{C1，C2，...，Cn}。为连通域赋予初始房间语义标记ID。将连通域中每个内部球占据的空间所包含的体素标记为相应的初始房间标记ID，得到包含房间种子区域信息的体素网格Sinitial_label。
步骤五：波前向生长算法，最后利用波前向生长算法得到最终的三维房间分割结果，初始房间种子区域通过波前生长算法扩展到未标记的自由空间，直到所有自由体素单元都已标记。
5.1为波前向生长算法深度拷贝初始房间语义标记Sinitial_label，记作Scopy_label；对于任意一个体素单元s，遍历其在初始房间语义标记Sinitial_label中的26个近邻体素，如果近邻中存在一个房间语义标记值slabel，则将当前体素赋值为slabel。
5.2利用Scopy_label更新Sinitial_label。
5.3重复5.1-5.2步骤，直到所有的体素都已经被赋予一个房间语义标记。
5.4得到最终的房间语义分割结果，保存为VDB格式(*.vdb)文件。
实施例
本发明实现的基于内部球和邻接图的房间分割方法，包含以下步骤：
步骤一：三维空间占用概率网格计算，对激光扫描点云所占用的三维空间进行三维网格划分；利用三维布雷森汉姆直线算法确定三维网格的体素占用概率，通过激光的扫描视点和被测物体表面点之间的射线来近似形成自由空间点(图2)，将概率值存储到VDB数据结构中；
步骤二：三维欧式距离变换，计算每个体素到其最近邻占用点的距离值(图3)；
步骤三：内部球填充，对距离变换后的VDB三维网格数据进行阈值分割，采用内部球填充距离值大于给定阈值的区域；
步骤四：房间种子区域生成，根据内部球的邻接关系构建拓扑图，采用连通子图分割，通过连通子图中每个内部球所占用的空间叠加三维空间网格得到初始房间的种子区域；
步骤五：最后利用波前向生长算法得到最终的三维房间分割结果(图4)。
本发明提供了一种基于三维欧式距离变换的房间分割方法,该方法首先对激光扫描点云进行三维占用概率计算，将概率值存储到VDB数据结构中；接着进行三维欧式距离变换，计算每个体素到其最近邻占用点的距离值；对距离变换后的VDB数据根据给定距离阈值进行阈值分割，采用内部球填充距离值大于给定阈值的空间；根据填充内部球之间的邻接关系构建拓扑图，对拓扑图进行连通子图分割，通过连通子图中每个内部球所占用的空间叠加三维网格得到初始的房间种子区域；最后利用波前向生长算法得到最终的三维房间分割结果。该方法可以应用于机器人任务规划和导航，相比于现有技术，本发明直接在三维空间实现房间分割，可以解决跨楼层空间、房间嵌套房间等复杂三维室内环境的语义分割问题。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换或改进等，均应包含在本发明的保护范围之内。

Claims (3)

1.一种基于三维欧式距离变换的房间分割方法，其特征在于，包括以下步骤；
步骤一：三维空间占用概率网格计算，对激光扫描点云所占用的三维空间进行三维网格划分；利用三维布雷森汉姆直线算法确定三维网格中每个体素的占用概率，根据激光的扫描视点和被测物体表面点之间的射线来近似形成自由空间点，将概率值存储到VDB三维网格数据结构中；
步骤二：三维欧式距离变换，计算每个体素单元s到其最近邻占用点的距离值；算法包括两个过程用类似于上升波和下降波的概念进行描述；上升波：当一个障碍物被移除时，以体素单元s为最近障碍物的网格单元集合需要按照顺序进行重置，从而产生一个类似于上升波的过程；下降波：当添加障碍物时，需要检查其周围的网格单元，更新这些网格单元的距离值，从而产生一个类似于下降波的过程；
步骤三：内部球填充，对距离变换后的VDB三维网格数据进行阈值分割，采用内部球填充距离值大于给定阈值的区域；
步骤四：房间种子区域生成，根据邻接关系构建内部球拓扑图，采用连通子图分割，通过连通子图中每个内部球所占用的空间叠加三维空间网格得到初始的房间种子区域；
步骤五：波前算法，最后利用波前算法得到最终的三维房间分割结果，初始房间种子区域通过波前算法扩展到未标记的自由空间，直到所有自由体素单元都已标记，算法结束；
所述步骤五中波前算法的具体实现步骤为：
4.1、为波前算法深度拷贝初始房间语义标记Sinitial_label，记作Scopy_label；对于任意一个体素单元s，遍历其在初始房间语义标记Sinitial_label中的26个近邻体素，如果近邻中存在一个房间语义标记值slabel，则将当前体素赋值为slabel；
4.2、利用Scopy_label更新Sinitial_label；
4.3、重复4.1-4.2步骤，直到所有的体素都已经被赋予一个房间语义标记；
4.4、得到最终的房间语义分割结果，保存为VDB格式*.vdb文件。
2.根据权利要求1所述的一种基于三维欧式距离变换的房间分割方法，其特征在于，所述步骤三中关于内部球填充的具体实现步骤为：
2.1、对阈值分割后的VDB三维网格，每个体素中存储着该体素到其最近障碍点的距离值；得到一系列体素Voxels＝{P1＝d1,P2＝d2,…,Pn＝dn}；
2.2、首先选择距离变换值最大的体素为球心，最大近邻距离为半径进行填充；设体素中心为Pmaxd，其最近邻距离为Dmax＝max{D}，则初次填充球定义为S1＝(O,R)＝(Pmax,Dmax)；
2.3、接着在所有已填充球的外部体素集合中选取具有最大近邻距离的体素中心作为新的填充球球心，填充新的内部球；
2.4、为了减小内部球之间的重叠，每次进行填充球外部体素集合判断时，通过限定搜索区域为当前填充球1.5倍半径区域来提高填充的效率；
2.5、依次迭代，直至所有体素都被填充完毕，得到相交填充内部球集合S＝{S1,S2,…,Sn}。
3.根据权利要求1所述的一种基于三维欧式距离变换的房间分割方法，其特征在于，所述步骤四中房间种子区域生成的具体实现步骤为：
3.1、首先初始化拓扑图G<V,E>，该拓扑图以所有内部球的球心点作为图的节点V；同时将所有内部球的球心点构成集合P，对球心点点集P构建KD树；
3.2、遍历每一个内部球的球心点p，搜索其2Dmax半径范围的近邻球心点；
3.3、判断近邻球pj与当前球pi是否相交，如果是，即内部球具有一定程度的相互重叠，则向拓扑图G中添加边E←E∪e(pi,pj)；
3.4、依次迭代，直至所有内部球的球心点遍历完毕；
3.5、对图G进行连通子图分割，得到连通域集合C＝{C1,C2,…,Cn}；为连通域赋予初始房间语义标记ID；将连通域中每个内部球占据的空间所包含的体素标记为相应的初始房间标记ID，得到包含房间种子区域信息的体素网格Sinitial_label。
CN202110906798.6A 2021-08-09 2021-08-09 一种基于三维欧式距离变换的房间分割方法 Active CN113628224B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110906798.6A CN113628224B (zh) 2021-08-09 2021-08-09 一种基于三维欧式距离变换的房间分割方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110906798.6A CN113628224B (zh) 2021-08-09 2021-08-09 一种基于三维欧式距离变换的房间分割方法

Publications (2)

Publication Number Publication Date
CN113628224A CN113628224A (zh) 2021-11-09
CN113628224B true CN113628224B (zh) 2023-12-19

Family

ID=78383526

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110906798.6A Active CN113628224B (zh) 2021-08-09 2021-08-09 一种基于三维欧式距离变换的房间分割方法

Country Status (1)

Country Link
CN (1) CN113628224B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115115923B (zh) * 2022-07-18 2024-04-09 北京有竹居网络技术有限公司 模型训练方法、实例分割方法、装置、设备及介质

Citations (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH08287292A (ja) * 1995-04-17 1996-11-01 Daikin Ind Ltd 階層球体モデル生成方法、干渉チェック方法およびこれらの装置
JPH096755A (ja) * 1995-06-15 1997-01-10 Hajime Matsuoka 座標データの分布に応じて多次元空間を分割する方法
CN102054276A (zh) * 2010-12-24 2011-05-11 北京大学 物体三维几何重建相机定标方法和系统
CN103942836A (zh) * 2014-04-25 2014-07-23 杭州梅德珥智能科技有限公司 三维网格模型四面体化方法
CN104183021A (zh) * 2014-07-10 2014-12-03 北京建筑大学 一种利用可移动空间网格精简点云数据的方法
CN104732512A (zh) * 2013-12-20 2015-06-24 富士通株式会社 空间划分方法以及空间划分装置
CN106685592A (zh) * 2016-12-26 2017-05-17 华中科技大学 一种采用三维空间网络编码的网络传输方法
WO2018122335A1 (en) * 2016-12-30 2018-07-05 Robert Bosch Gmbh Mobile robotic device that processes unstructured data of indoor environments to segment rooms in a facility to improve movement of the device through the facility
GB201812271D0 (en) * 2018-07-27 2018-09-12 Sony Interactive Entertainment Inc A parallel method of flood filing, and apparatus
CN110287392A (zh) * 2019-06-20 2019-09-27 沈阳航空航天大学 一种基于安全划分树的安全空间网络查询方法
CN111028238A (zh) * 2019-12-17 2020-04-17 湖南大学 一种基于机器人视觉的复杂异形曲面三维分割方法及系统
CN111831660A (zh) * 2020-07-16 2020-10-27 深圳大学 度量空间划分方式评价方法、装置、计算机设备及存储介质
CN112509025A (zh) * 2020-12-03 2021-03-16 山东省科学院海洋仪器仪表研究所 一种基于三维欧氏距离的岩石空间结构距离图的计算方法
CN112884886A (zh) * 2021-03-17 2021-06-01 南通大学 一种自适应搜索半径的三维点云管道提取与建模方法
CN113034495A (zh) * 2021-04-21 2021-06-25 上海交通大学 一种脊柱影像分割方法、介质及电子设备
CN113160235A (zh) * 2021-05-31 2021-07-23 南通大学 一种基于内部圆和邻接图的房间分割方法

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20050110791A1 (en) * 2003-11-26 2005-05-26 Prabhu Krishnamoorthy Systems and methods for segmenting and displaying tubular vessels in volumetric imaging data
US9978150B2 (en) * 2015-08-05 2018-05-22 Algotec Systems Ltd. Method and system for spatial segmentation of anatomical structures

Patent Citations (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH08287292A (ja) * 1995-04-17 1996-11-01 Daikin Ind Ltd 階層球体モデル生成方法、干渉チェック方法およびこれらの装置
JPH096755A (ja) * 1995-06-15 1997-01-10 Hajime Matsuoka 座標データの分布に応じて多次元空間を分割する方法
CN102054276A (zh) * 2010-12-24 2011-05-11 北京大学 物体三维几何重建相机定标方法和系统
CN104732512A (zh) * 2013-12-20 2015-06-24 富士通株式会社 空间划分方法以及空间划分装置
CN103942836A (zh) * 2014-04-25 2014-07-23 杭州梅德珥智能科技有限公司 三维网格模型四面体化方法
CN104183021A (zh) * 2014-07-10 2014-12-03 北京建筑大学 一种利用可移动空间网格精简点云数据的方法
CN106685592A (zh) * 2016-12-26 2017-05-17 华中科技大学 一种采用三维空间网络编码的网络传输方法
WO2018122335A1 (en) * 2016-12-30 2018-07-05 Robert Bosch Gmbh Mobile robotic device that processes unstructured data of indoor environments to segment rooms in a facility to improve movement of the device through the facility
GB201812271D0 (en) * 2018-07-27 2018-09-12 Sony Interactive Entertainment Inc A parallel method of flood filing, and apparatus
CN110287392A (zh) * 2019-06-20 2019-09-27 沈阳航空航天大学 一种基于安全划分树的安全空间网络查询方法
CN111028238A (zh) * 2019-12-17 2020-04-17 湖南大学 一种基于机器人视觉的复杂异形曲面三维分割方法及系统
CN111831660A (zh) * 2020-07-16 2020-10-27 深圳大学 度量空间划分方式评价方法、装置、计算机设备及存储介质
CN112509025A (zh) * 2020-12-03 2021-03-16 山东省科学院海洋仪器仪表研究所 一种基于三维欧氏距离的岩石空间结构距离图的计算方法
CN112884886A (zh) * 2021-03-17 2021-06-01 南通大学 一种自适应搜索半径的三维点云管道提取与建模方法
CN113034495A (zh) * 2021-04-21 2021-06-25 上海交通大学 一种脊柱影像分割方法、介质及电子设备
CN113160235A (zh) * 2021-05-31 2021-07-23 南通大学 一种基于内部圆和邻接图的房间分割方法

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
一种新的三维欧式距离变换方法及在数字岩心中的应用;王鑫;姚军;蒋泽云;张琦;张臻;段利亚;贾欣鑫;;科学通报(第15期);全文 *
利用距离变换实现CT图象中软组织显示;林瑶, 田捷, 何晖光;中国图象图形学报(第11期);全文 *
密度场控制的四面体网格自适应生成算法;王继东;范丽鹏;庞明勇;;系统仿真学报(第01期);全文 *
离散数据三角形网格剖分研究与实现;金世双;上海海事大学学报(第03期);全文 *
高维数据空间的一种网格划分方法;贺玲;蔡益朝;杨征;;计算机工程与应用(第05期);全文 *

Also Published As

Publication number Publication date
CN113628224A (zh) 2021-11-09

Similar Documents

Publication Publication Date Title
CN109839935B (zh) 多agv的路径规划方法及设备
EP3531069B1 (en) Context based path planning for vector navigation in hexagonal spatial maps
CN112347550B (zh) 耦合式室内三维语义建图及建模方法
Sharp et al. Pointtrinet: Learned triangulation of 3d point sets
CN105993034A (zh) 用于增强表面重构的轮廓求全
CN105844602A (zh) 一种基于体元的机载lidar点云三维滤波方法
CN113628224B (zh) 一种基于三维欧式距离变换的房间分割方法
CN112767405A (zh) 一种基于图注意力网络的三维网格模型分割方法及系统
WO2023124676A1 (zh) 3d模型构建方法、装置和电子设备
Vörös Low-cost implementation of distance maps for path planning using matrix quadtrees and octrees
Farzinmoghadam et al. Developing an automated method for the application of lidar in iumat land-use model: Analysis of land-use changes using building-form parameterization, GIS, and artificial neural networks
CN111915720B (zh) 一种建筑物Mesh模型到CityGML模型的自动转换方法
WO2021239833A1 (en) A computer implemented method of generating a parametric structural design model
CN111881919A (zh) 一种基于追踪式格网剖分的线要素智能化简方法与装置
Sahebdivani et al. Deep learning based classification of color point cloud for 3D reconstruction of interior elements of buildings
CN113160235A (zh) 一种基于内部圆和邻接图的房间分割方法
Xiong et al. Knowledge-driven inference for automatic reconstruction of indoor detailed as-built BIMs from laser scanning data
Hübner et al. Normal Classification of 3D Occupancy Grids for Voxel-Based Indoor Reconstruction from Point Clouds
Mortazavi et al. Voxel-based point cloud localization for smart spaces management
Feld et al. Approximated environment features with application to trajectory annotation
Fang et al. Semantic supported urban change detection using ALS point clouds
Date et al. Modeling space to support use-pattern simulation in buildings
Liu et al. A Stochastic Image Grammar for Fine-Grained 3D Scene Reconstruction.
Zhang et al. Pixel Spatial Relationship
Behmann et al. Probabilistic 3d point cloud fusion on graphics processors for automotive (poster)

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