点云分割方法及装置制造方法及图纸

本发明专利技术的实施例中公开了一种点云分割方法及装置，所述方法包括：将原始点云数据与对应的图像数据进行融合，获得待分割点云数据；对待分割点云数据进行粗分割，获得多个粗分割数据块；构建分割相似概率模型；根据所述相似概率模型，对多个粗分割数据块进行细分割。本发明专利技术能提高点云分割的精确度。

Point cloud segmentation method and device

In the embodiment of the invention discloses a method and a device for point cloud segmentation, the method comprises the following steps: image data of the original point cloud data with the corresponding fusion, the segmentation of point cloud data; with the coarse segmentation of point cloud data, to obtain a plurality of coarse segmentation data blocks; construct segmentation similar probability model; according to the similar probability model was used to separate the plurality of coarse segmentation data block. The invention can improve the accuracy of point cloud segmentation.

【技术实现步骤摘要】
点云分割方法及装置
本专利技术涉及数据处理领域，特别设计一种点云分割方法及装置。
技术介绍
激光雷达是以发射激光光束来探测目标的位置、速度等特征量的雷达系统，其工作原理是先向目标发射探测激光光束，然后将接收到的从目标反射回来的信号与发射信号进行比较，作适当处理后，就可获得目标的有关信息，例如目标距离、方位、高度、速度、姿态、甚至形状等参数。激光雷达采集到的信号是以点云的形式存在的，对点云数据的处理是激光雷达检测的基础。对点云数据处理首先是对点云进行分割，传统的点云分割技术是利用点云的空间聚类信息作为分割依据。由于点云数据的稀疏性，仅仅利用空间信息对点云进行分割会出现过分割和欠分割。过分割指的是由于点云数据较为稀疏，一个物体被错误的分为了多个物体；欠分割指的是多个物体在空间中分布较为紧密，因此被错误的视为了一个物体。可见，现有技术中的点云分割方法容易产生错误，精确度不高。
技术实现思路
本专利技术实施例中提供了一种点云分割方法，能提高点云分割的精确度。为了解决上述技术问题，本专利技术实施例公开了如下技术方案：一方面，提供了一种点云分割方法，所述方法包括：将原始点云数据与对应的图像数据进行融合，获得待分割点云数据；对待分割点云数据进行粗分割，获得多个粗分割数据块；构建分割相似概率模型；根据所述相似概率模型，对多个粗分割数据块进行细分割。优选的，所述构建的分割相似概率模型为：P＝α*exp(d/δ2)+β*d(H1,H2)其中，H1，H2表示两个分割的直方图,I表示在直方图中的像素值，0≤I≤255，H1(I)表示在直方图H1中像素值为I的个数，H2(I)表示在直方图H2中像素值为I的个数，d(H1,H2)是两个直方图的相似概率，α,β是预设权重系数，δ为预设参数。优选的，根据所述相似概率模型，对多个粗分割数据块进行细分割，包括：根据所述相似概率模型，计算每一个粗分割数据块与其相邻粗分割数据块之间的第一相邻相似概率；若所述第一相邻相似概率大于或等于预设阈值，则将所述粗分割数据块与其相邻粗分割数据块合并，若所述第一相邻相似概率小于所述预设阈值，则保持所述粗分割数据块不变；所述获得的数据块为第一参考数据块。优选的，对多个粗分割数据块进行细分割，还包括：将所述每一个第一参考数据块分割为两个子数据块，使得所述每一个第一参考数据块对应的两个子数据块之间的最近距离最大；根据所述相似概率模型，计算所述每一个第一参考数据块对应的两个子数据块之间的第一子块相似概率；若所述第一子块相似概率大于或等于所述预设阈值，则将所述第一参考数据块对应的两个子数据块合并，若所述第一子块相似概率小于所述预设阈值，则使所述第一参考数据块对应的两个子数据块保持不变。优选的，所述对多个粗分割数据块进行细分割，包括：将所述每一个粗分割数据块分割为两个子数据块，使得所述每一个粗分割数据块对应的两个子数据块之间的最近距离最大；根据所述相似概率模型，计算所述每一个粗分割数据块对应的两个子数据块之间的第二子块相似概率；若所述第二子块相似概率大于或等于预设阈值，则将所述粗分割数据块对应的两个子数据块合并，若所述第二子块相似概率小于所述预设阈值，则使所述粗分割数据块对应的两个子数据块保持不变；所述获得的数据块为第二参考数据块。优选的，所述对多个粗分割数据块进行细分割，还包括：根据所述相似概率模型，计算每一个第二参考数据块与其相邻第二参考数据块之间的第二相邻相似概率；若所述第二相邻相似概率大于或等于预设阈值，则将所述第二参考数据块与其相邻第二参考数据块合并，若所述第二相邻相似概率小于所述预设阈值，则保持所述第二参考数据块不变。第二方面，提供了一种点云分割装置，所述装置包括：融合单元，用于将原始点云数据与对应的图像数据进行融合，获得待分割点云数据；粗分割单元，用于对待分割点云数据进行粗分割，获得多个粗分割数据块；模型单元，用于构建分割相似概率模型；细分割单元，用于根据所述相似概率模型，对多个粗分割数据块进行细分割。优选的，所述构建的分割相似概率模型为：P＝α*exp(d/δ2)+β*d(H1,H2)其中，H1，H2表示两个分割的直方图,I表示在直方图中的像素值，0≤I≤255，H1(I)表示在直方图H1中像素值为I的个数，H2(I)表示在直方图H2中像素值为I的个数，d(H1,H2)是两个直方图的相似概率，α,β是预设权重系数，δ为预设参数。优选的，所述细分割单元还用于，根据所述相似概率模型，计算每一个粗分割数据块与其相邻粗分割数据块之间的第一相邻相似概率；若所述第一相邻相似概率大于或等于预设阈值，则将所述粗分割数据块与其相邻粗分割数据块合并，若所述第一相邻相似概率小于所述预设阈值，则保持所述粗分割数据块不变；所述获得的数据块为第一参考数据块。优选的，所述细分割单元还用于：将所述每一个第一参考数据块分割为两个子数据块，使得所述每一个第一参考数据块对应的两个子数据块之间的最近距离最大；根据所述相似概率模型，计算所述每一个第一参考数据块对应的两个子数据块之间的第一子块相似概率；若所述第一子块相似概率大于或等于所述预设阈值，则将所述第一参考数据块对应的两个子数据块合并，若所述第一子块相似概率小于所述预设阈值，则使所述第一参考数据块对应的两个子数据块保持不变。本专利技术的实施例中公开了一种点云分割方法，所述方法包括：将原始点云数据与对应的图像数据进行融合，获得待分割点云数据；对待分割点云数据进行粗分割，获得多个粗分割数据块；构建分割相似概率模型；根据所述相似概率模型，对多个粗分割数据块进行细分割。本专利技术实施例的点云分割方法，根据图像和点云数据的融合，对点云数据经过多次分割，可以减少点云分割的误差，提高点云分割的精确度。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，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得其他的附图。图1所示为本专利技术实施例的点云分割方法的流程图；图2所示为本专利技术实施例的点云分割方法的流程图；图3所示为本专利技术实施例的原始点云数据与对应的图像数据融合后的示意图；图4所示为本专利技术实施例的点云数据进行粗分割后的示意图；图5所示为本专利技术实施例的点云数据细分割后的示意图；图6所示为本专利技术实施例的点云数据细分割后的示意图；图7所示为本专利技术实施例的点云分割装置的示意图。具体实施方式本专利技术如下实施例提供了一种点云分割的方法，能提高点云分割的精确度。下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整的描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。图1所示为本专利技术实施例的点云分割方法的流程图，如图1所示，所述方法包括：步骤110，将原始点云数据与对应的图像数据进行融合，获得待分割点云数据；步骤120，对待分割点云数据进行粗分割，获得多个粗分割数据块；步骤130，构建分割相似概率模型；步骤140，根据所述相似概率模型，对多个粗分割数据块进行细分割。所述构建的分割相似概率模型为：P＝本文档来自技高网...

【技术保护点】
一种点云分割方法，其特征在于，所述方法包括：将原始点云数据与对应的图像数据进行融合，获得待分割点云数据；对待分割点云数据进行粗分割，获得多个粗分割数据块；构建分割相似概率模型；根据所述相似概率模型，对多个粗分割数据块进行细分割。

【技术特征摘要】
1.一种点云分割方法，其特征在于，所述方法包括：将原始点云数据与对应的图像数据进行融合，获得待分割点云数据；对待分割点云数据进行粗分割，获得多个粗分割数据块；构建分割相似概率模型；根据所述相似概率模型，对多个粗分割数据块进行细分割。2.如权利要求1所述的方法，其特征在于，所述构建的分割相似概率模型为：P＝α*exp(d/δ2)+β*d(H1,H2)其中，H1，H2表示两个分割的直方图,I表示在直方图中的像素值，0≤I≤255，H1(I)表示在直方图H1中像素值为I的个数，H2(I)表示在直方图H2中像素值为I的个数，d(H1,H2)是两个直方图的相似概率，α,β是预设权重系数，δ为预设参数。3.如权利要求1或2所述的方法，其特征在于，根据所述相似概率模型，对多个粗分割数据块进行细分割，包括：根据所述相似概率模型，计算每一个粗分割数据块与其相邻粗分割数据块之间的第一相邻相似概率；若所述第一相邻相似概率大于或等于预设阈值，则将所述粗分割数据块与其相邻粗分割数据块合并，若所述第一相邻相似概率小于所述预设阈值，则保持所述粗分割数据块不变；所述获得的数据块为第一参考数据块。4.如权利要求3所述的方法，其特征在于，对多个粗分割数据块进行细分割，还包括：将所述每一个第一参考数据块分割为两个子数据块，使得所述每一个第一参考数据块对应的两个子数据块之间的最近距离最大；根据所述相似概率模型，计算所述每一个第一参考数据块对应的两个子数据块之间的第一子块相似概率；若所述第一子块相似概率大于或等于所述预设阈值，则将所述第一参考数据块对应的两个子数据块合并，若所述第一子块相似概率小于所述预设阈值，则使所述第一参考数据块对应的两个子数据块保持不变。5.如权利要求1或2所述的方法，其特征在于，所述对多个粗分割数据块进行细分割，包括：将所述每一个粗分割数据块分割为两个子数据块，使得所述每一个粗分割数据块对应的两个子数据块之间的最近距离最大；根据所述相似概率模型，计算所述每一个粗分割数据块对应的两个子数据块之间的第二子块相似概率；若所述第二子块相似概率大于或等于预设阈值，则将所述粗分割数据块对应的两个子数据块合并，若所述第二子块相似概率小于所述预设阈值，则使所述粗...

【专利技术属性】
技术研发人员：邱纯鑫，刘乐天，
申请(专利权)人：深圳市速腾聚创科技有限公司，
类型：发明
国别省市：广东,44