【技术实现步骤摘要】
基于区域生长与深度学习结合的针对兵马俑点云的无监督分割方法
本专利技术涉及计算机视觉领域，具体涉及一种基于区域生长与深度学习结合的对兵马俑点云的无监督分割方法，可以用于将兵马俑三维点云分割为点云集合，例如：头部、盔甲、手部、腿部。
技术介绍
目前从古墓里挖出来的兵马俑碎片繁多，现在的博物馆工作人员主要通过手工修复兵马俑，一年只能完整修复拼接个位数的兵马俑，效率较低。随着三维设备的发展，以及GPU硬件设备算力的提升，让博物馆工作人员或科技工作者对兵马俑进行三维数字化成为了可能。而三维点云数据的分割是三维研究中的一个重点，可以通过分割兵马俑的三维点云数据，并将整个兵马俑的三维点云存储在博物馆的数据库中，博物馆的工作人员或科技工作者可以通过将古墓里的兵马俑碎片与数据库中完整的兵马俑进行比对，从而完成兵马俑的修复。但是即使是这样，博物馆的工作人员或者科技工作者修复兵马俑的效率依然低下。为了提高工作人员对兵马俑的修复效率，寻找一种针对兵马俑点云的无监督分割方法具有重要的理论研究和实际应用意义。专利技术内...
【技术保护点】
1.一种基于区域生长与深度学习结合的对兵马俑点云的无监督分割方法，其特征在于，对点云数据进行无监督的语义分割，具体包括：/n(1)根据点云的三维坐标数据进行法向量预测/n对于点云P中的每个点p计算最邻近的点，然后根据最邻近的点计算表面法向量的值，判断法向量的值是否朝向视点，否则将法向量进行反转；/n(2)对点云进行基于法向量的预分割/n首先，对整个点云进行计算K-近邻以获取每个点的K个最近邻居，然后，选择一个随机点作为开始种子，并添加到可用点集合并启动算法，最后，从可用列表中选择第一个种子，以判断其附近的点；如果法线值和欧氏距离在设置阈值内，则可以判断这两个点在语义上是连续...
【技术特征摘要】
1.一种基于区域生长与深度学习结合的对兵马俑点云的无监督分割方法，其特征在于，对点云数据进行无监督的语义分割，具体包括：
(1)根据点云的三维坐标数据进行法向量预测
对于点云P中的每个点p计算最邻近的点，然后根据最邻近的点计算表面法向量的值，判断法向量的值是否朝向视点，否则将法向量进行反转；
(2)对点云进行基于法向量的预分割
首先，对整个点云进行计算K-近邻以获取每个点的K个最近邻居，然后，选择一个随机点作为开始种子，并添加到可用点集合并启动算法，最后，从可用列表中选择第一个种子，以判断其附近的点；如果法线值和欧氏距离在设置阈值内，则可以判断这两个点在语义上是连续的，并且可以将两个点分组为一个群集；
(3)使用SRG-Net对点云进行部分分割
提出SRG-N...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。