一种利用自适应分割面模糊C均值聚类的点云分割方法技术

一种利用自适应分割面模糊C均值聚类的点云分割方法。属于三维激光点云自动化处理领域，尤其涉及对点云分割方法的改进。包括超参数和点云文件输入；协方差矩阵构建及特征值分解；点云最佳分割面自适应计算；隶属矩阵初始化；分割类中心更新；隶属矩阵更新；收敛判断；输出最终分割结果。本发明专利技术利用主成分分析计算地物分布、基于地物分布的划分面方程计算、初始化标准化数据的隶属度矩阵、根据隶属度矩阵计算各类的类中心、根据目标函数约束，更新隶属度矩阵和类中心、迭代终止判断、根据“最大隶属度”的原则分割等处理，本发明专利技术的技术方案推进激光扫描技术在测绘领域的应用。支持自动运行流程、操作简单、易于实现，具有广泛的应用前景。

A Point Cloud Segmentation Method Based on Fuzzy C-Mean Clustering of Adaptive Segmentation Surface

【技术实现步骤摘要】
一种利用自适应分割面模糊C均值聚类的点云分割方法
本专利技术属于三维激光点云自动化处理领域，尤其涉及对点云分割方法的改进。
技术介绍
随着激光扫描技术的发展，其应用越来越广泛。除了在逆向工程、工业应用、城市三维建模方面激光扫描技术展示了其不可替代的优势外，在堆积测量、变形监测、森林调查、岩石表面观测、文物古建筑重建、隧道管线测量以及医学应用方面更是受到了人们越来越多的关注。点云数据中包含场景对象明确的三维信息，直接对点云数据进行三维重建，不仅增加数据处理的复杂度，而且可能造成系统资源的巨大消耗，为了后续处理数据的方便，所以就需要对数据进行相应的分割处理，将点云分成不同的区域，使相同区域上的所有的点具有某种共性。激光扫描点云数据的分割作为点云数据处理中的一个重要步骤，为三维特征提取、目标识别和建模提供了强有力的技术支持，并一直是一个十分活跃的领域，受到了很多研究人员的关注，但还有很多难题有待解决。现有的二维图像分割方法不是简单扩展就可以应用在深度图像分割技术中的，即使一个只含有多边形对象的简单场景，进行有效的分割也不是件容易的事。因此，研究激光扫描点云数据的快速、自动化分割具有深刻的现实意义。现有的主流点云分割技术主要包括边界分割法、区域分割法、扫描线分割法和空间聚类分割法。基于边界分割法首先估计出测量点的法向矢量或曲率，然后将法向矢量或曲率的突变出判定为边界位置，并经过边界跟踪等处理方法形成封闭的边界，将各边界所围成的区域作为最终分区结果。由于在分区的过程中只用到边界局部数据，基于边界分割法容易受到测量噪声的影响，尤其是在寻找切矢连续的光滑边界时很不可靠。基于区域的分割方法采用局部表面属性(如点的邻近性、点到拟合平面的距离、平滑表面法向量方向等)作为相似性测度，然后将空间邻近并具有相似表面属性的点集分割到同一区域。这类方法对噪声不是特别敏感，其分割结果也比基于边缘的分割方法效果好。基于扫描线的分割算法是由(Jiang,1996)提出，并用来提取距离影像中的平面片。距离影像中每一行可以认为是一个扫描线，可以认为该扫描线与其他扫描线相互独立，每个扫描线扫在三维目标上都会成为一条3D线。该方法首先提取线段，然后通过对邻近的线段进行相似性分组来形成平面片。对于不规则点云来说，聚类方法，尤其是模糊聚类方法可以直接着眼于点云数据本身的结构特性，用距离测度所反映的内在属性区分不同目标，实现点云自动、快速、准确分割。因此基于聚类尤其是模糊聚类的点云分割方法成为目前的研究热点。但是目前的所有方法都没有考虑到地物的空间分布对分割结果的影响。本专利技术针对现有点云分割方法没有考虑到地物的空间分布对分割结果的影响等不足，提出了一种划分面模糊C均值聚类(DFCM)算法，研究了基于地物目标空间分布的点云分割面自适应构造方法，采取了以划分面控制参数为函数的距离测度，利用主成分分析计算地物分布并基于地物分布自适应计算最佳分割面，计算克服了传统模糊C均值聚类等划分趋势的影响。与传统的模糊C均值方法相比，本专利技术提出的划分面模糊C均值聚类(DFCM)算法可以自适应的确定最佳的分割超平面，克服了传统的模糊C均值方法对噪声敏感，对初始类中心的位置敏感，只考虑最小类内距离未考虑最大类间距等局限性，有效提高了点云分割的精度。
技术实现思路
本专利技术提出了一种利用自适应分割面模糊C均值聚类的点云分割方法，该方法分为超参数的输入、利用主成分分析计算地物分布、基于地物分布的划分面方程计算、初始化标准化数据的隶属度矩阵、根据隶属度矩阵计算各类的类中心、根据目标函数约束，更新隶属度矩阵和类中心、迭代终止判断、根据“最大隶属度”的原则分割等关键步骤。本专利技术通过以下技术流程解决上述问题：一种利用自适应分割面模糊C均值聚类的点云分割方法，包括以下步骤：步骤1，超参数和点云文件输入；输入点云分割需要的超参数和点云文件；包括分割的聚类个数c，迭代结束的阈值ε，以及权系数m；步骤2，协方差矩阵构建及特征值分解；利用公式Ⅰ构建输入点云的协方差矩阵M，并对协方差矩阵M做特征值分解得到特征值{λ1≥λ2≥λ3}及对应的特征向量{e1,e2,e3}；其中qi为点云中任意一点，N为点云中的总点数，p为点云中所有点的平均值；步骤3，点云最佳分割面自适应计算；分割面要满足两个条件：①分割面法向量与z轴垂直，如公式Ⅱ，②分割面法向量与点云主方向(最大特征值λ1对应的特征向量e1)垂直，如公式Ⅲ；联合公式Ⅱ和Ⅲ计算得到点云的分割面方程S(x,y,z)；(a1,a2,a3)*(0,0,1)＝0Ⅱ其中，(a1,a2,a3)为点云的分割面的法向量，(0,0,1)为z轴；(a1,a2,a3)*e1＝0Ⅲ其中，e1为最大特征值λ1对应的特征向量；其中，S(x,y,z)为点云的分割面方程；步骤4，隶属矩阵初始化；初始化标准化数据的隶属度矩阵步骤5，分割类中心更新；根据隶属度矩阵利用公式Ⅴ计算各类的类中心cj；其中，为第j类的类中心，为在第t次迭代中点i属于第j类的隶属度，m为步骤1中输入的权值系数；步骤6，隶属矩阵更新；根据目标函数约束条件，利用公式Ⅵ更新隶属度矩阵并利用公式Ⅴ重新计算各类的类中心cj；其中，为在第t+1次迭代中点i属于第j类的隶属度,c为分割的聚类个数；步骤7，收敛判断；迭代进行步骤6，直到前后两次迭代的类中心满足公式Ⅶ，迭代终止；其中，和为第t次和t+1次迭代的类中心，ε为步骤1中输入的迭代结束的阈值；步骤8，输出最终分割结果；根据“最大隶属度”的原则划分每个点所属的聚类，即点隶属度最大的值所对应的聚类，就是该点所属于的聚类；并根据公式Ⅷ评价本次点云分割(聚类)的结果；其中，分子为点到其所属聚类中心的距离之和，距离越小代表属于同一聚类的点距离越近；分母为不同类之间的分离性测度，即不同聚类中心之间的距离，距离越大代表不同聚类之间相差越远；V越小，表示该模糊划分具有较好的紧致性和分离性比值，对应较好的点云分割结果。初始化任意一点i属于第j类的隶属度μij，首先用随机数发生器随机产生一个随机数a；然后将a除以随机数发生器能发生的最大的随机数RAND_MAX得到b；最后根据“每个点属于各类的概率和为1”这个条件，让b除以点i属于各类的概率的代数和最终得到μij。本专利技术利用主成分分析计算地物分布、基于地物分布的划分面方程计算、初始化标准化数据的隶属度矩阵、根据隶属度矩阵计算各类的类中心、根据目标函数约束，更新隶属度矩阵和类中心、迭代终止判断、根据“最大隶属度”的原则分割等处理，本专利技术的技术方案推进激光扫描技术在测绘领域的应用。该方法采用计算机软件方式支持自动运行流程、操作简单、易于实现，能大大减少数据处理的人工工作量，提高了工作生产效率和产品更新周期，具有广泛的应用前景。附图说明：图1是本专利技术的流程图，图2是本专利技术中特征值和特征向量反映点云分布一，图3是本专利技术中特征值和特征向量反映点云分布二，图4是本专利技术中特征值和特征向量反映点云分布三，图5是输入的原始数据，图6为经典的模糊C均值聚类的分割结果及类中心的位置，图7为本专利技术的划分面模糊C均值聚类算法的分割结果及类中心的位置(x，y，z)，图8是本专利技术实施例的输入点云数据1，图9是本专利技术实施例的输入点云数据2，图10是本专利技术实施例的输入点云本文档来自技高网...

【技术保护点】
1.一种利用自适应分割面模糊C均值聚类的点云分割方法，其特性在于，包括以下步骤：步骤1，超参数和点云文件输入；输入点云分割需要的超参数和点云文件；包括分割的聚类个数c，迭代结束的阈值ε，以及权系数m；步骤2，协方差矩阵构建及特征值分解；利用公式Ⅰ构建输入点云的协方差矩阵M，并对协方差矩阵M做特征值分解得到特征值{λ1≥λ2≥λ3}及对应的特征向量{e1,e2,e3}；

【技术特征摘要】
1.一种利用自适应分割面模糊C均值聚类的点云分割方法，其特性在于，包括以下步骤：步骤1，超参数和点云文件输入；输入点云分割需要的超参数和点云文件；包括分割的聚类个数c，迭代结束的阈值ε，以及权系数m；步骤2，协方差矩阵构建及特征值分解；利用公式Ⅰ构建输入点云的协方差矩阵M，并对协方差矩阵M做特征值分解得到特征值{λ1≥λ2≥λ3}及对应的特征向量{e1,e2,e3}；其中qi为点云中任意一点，N为点云中的总点数，p为点云中所有点的平均值；步骤3，点云最佳分割面自适应计算；分割面要满足两个条件：①分割面法向量与z轴垂直，如公式Ⅱ，②分割面法向量与点云主方向(最大特征值λ1对应的特征向量e1)垂直，如公式Ⅲ；联合公式Ⅱ和Ⅲ计算得到点云的分割面方程S(x,y,z)；(a1,a2,a3)*(0,0,1)＝0Ⅱ其中，(a1,a2,a3)为点云的分割面的法向量，(0,0,1)为z轴；(a1,a2,a3)*e1＝0Ⅲ其中，e1为最大特征值λ1对应的特征向量；其中，S(x,y,z)为点云的分割面方程；步骤4，隶属矩阵初始化；初始化标准化数据的隶属度矩阵步骤5，分割类中心更新；根据隶属度矩阵利用公式Ⅴ计算各类的类中心cj；其中，为第j类的类中心，为在第t次迭代中点i属于第j类的隶属度，m为步骤1中输入的...

【专利技术属性】
技术研发人员：杨必胜，陈正富，董震，李涛，王勇，李学锡，赵志强，孙涛，唐春霞，居飞，李志伟，潘仁虎，
申请(专利权)人：江苏易图地理信息科技股份有限公司，
类型：发明
国别省市：江苏,32