【技术实现步骤摘要】
一种基于统计和凹凸性的点云数据集构建方法及装置
[0001]本专利技术涉及计算机视觉、点云分割
,提供了一种基于统计和凹凸性的点云数据集构建方法及装置。
技术介绍
[0002]近年来,深度传感器和三维激光扫描仪的普及推动了三维点云处理方法的快速发展。点云分割作为点云数据处理与分析的基础技术,成为自动驾驶、导航定位、智慧城市、医学影像分割等领域的研究热点。
[0003]点云分割是把点云分为若干个特定的、具有独特性质的区域并识别出点云内容的技术。传统的点云分割方法大多是通过提取三维形状几何属性的空间分布手工提取特征,构建相应的判别模型实现分割。手工提取的特征主要依靠设计者的先验知识以及手工调动参数,限制了大数据的使用。伴随着大型三维模型数据的出现和GPU计算能力的不断迭代更新,深度学习在点云分割领域逐渐占据了绝对主导地位。
[0004]但是基于深度学习的分割方法需要大量的数据对模型进行训练且需要大量的计算资源,目前已有的数据集并不能满足语义分割发展的需求,因此构建数据量丰富、有效且全面的数据集是目前语义分割的首要条件。而且,现有的三维数据集大部分局限在室内场景以及城市街道场景,例如图1所示的Matterport3D数据集。有标注且内容丰富的户外点云场景、遥感和机械零件等针对各领域的专门数据集相对较少,建立一套标准的数据集构建方法对构建针对各领域需求的数据集,以及加速深度学习技术在三维领域的发展十分必要。
[0005]目前,构建点云数据集的主要方法是首先通过标注软件对点云进行标注,然后按照深度 ...
【技术保护点】
【技术特征摘要】
1.一种基于统计和凹凸性的点云数据集构建方法,其特征在于,包括以下步骤:步骤1:获取目标原始点云数据,进行基于特征的滤波去噪;步骤2:第一次聚类,对点云进行超体聚类过分割,得到体素块集合;步骤3:第二次聚类,对步骤2获得的各体素块进行LCCP聚类,得到LCCP聚类集合;步骤4:第三次聚类,基于点特征直方图对LCCP聚类集合进行条件欧几里得聚类,得到最终聚类集合;步骤5:根据最终聚类集合的结果将点云进行标记,组织文件得到点云数据集。2.根据权利要求1所述的一种基于统计和凹凸性的点云数据集构建方法,其特征在于,步骤1包括以下步骤:步骤1.1、获取目标原始点云数据,扫描点云数据,构建八叉树,其中点云中点的个数为n,任意一点p
i
的k
i
邻域点集为N
i
(p
i
),其中i=1,2,
…
n,k
i
表示p
i
的最近邻点的个数,其初始值由用户给定;步骤1.2、求解每一个点p
i
与N
i
(p
i
)内其他点的局部邻域距离d
i
;步骤1.3、求解当前所有点局部邻域距离的平均值设初始平均距离步骤1.4、如果转到步骤1.5;否则转到步骤1.6,ε由用户设定;步骤1.5、逐点判断点p
i
的局部邻域距离d
i
,如果则k
i
=k
i
‑
1:如果此时k
i
==0,则将点p
i
去除,如果k
i
>0,则更新N
i
(p
i
),重新计算d
i
;同时j=j+1,转到步骤1.3,其中σ为标准差λ为给定值;步骤1.6、逐点判断点p
i
的局部邻域距离d
i
,如果就将点p
i
去除,否则就保留点p
i
,处理完所有的点。3.根据权利要求1所述的一种基于统计和凹凸性的点云数据集构建方法,其特征在于,步骤3包括以下步骤:步骤3.1、获取体素块集合中邻接体素块之间的局部凹凸性,具体方法为:当体素块集合中邻接体素块连接时,采用CC准则获取所述邻接体素块的局部凹凸性;当体素块集合中邻接体素块不连接时,采用SC准则获取所述邻接体素块的局部凹凸性;步骤3.2、在标记完各个区域之间的凹凸关系后,采用区域生长算法将小区域聚类成较大的区域,得到LCCP聚类集合。4.根据权利要求1所述的一种基于统计和凹凸性的点云数据集构建方法,其特征在于,步骤4包括以下步骤:步骤4.1、步骤3得到的LCCP聚类集合中的类别数为K0,求解每一个类别集合的质心c
i
(i=1,2,
…
K0);步骤4.2、将质心c
i
构建为八叉树结构T;步骤4.3、建立待处理集合P,集群列表C,以及类别质心队列Q,将所有质心c
i
添加到待处理集合P中;步骤4.4、对每一个质心c
i
,判断以质心c
i
为球心的球体内的候选点的类别;步骤4.4.1、判断待处理集合P是否为空,若P是则算法终止;否则从P中随机取出一个质心c
i
放到类别质心队列Q中,并从P中去除该质心c
i
;
步骤4.4.2、对类别质心队列Q中的质心c
i
逐个执行以下操作:在半径为R的球体中搜索c
i
的邻居点集合N(c
i
);使用巴氏距离比较法计算点c
i
与N(c
i
)中的每一个邻居点c
j
的PFH特征的巴氏距离B
ij
:若B
ij
≥α,则断定点c
i
与c
j
代表的两个类别集合不属于同一类;若B
ij
<α,则将点c
j
添加到类别质心队列Q中,并从P中去除;其中,R、α由用户自定义,将处理完的点c
i
标记为已处理,当类别质心队列Q中所有质心均标记为已处理时,转到步骤4.4.3;步骤4.4.3、将类别质心队列Q中的点集添加到集群列表C中的第k项,重置类别质心队列Q为空,转到步骤4.4.1;其中,k=1,2,3...K,K为最终聚类集合的类别数目,点云中的点被聚类成K个点群。5.根据权利要求4所述的一种基于统计和凹凸性的点云数据集构建方法,其特征在于,步骤5包括以下步骤:对分好类的点群进行编号并与目标标签一一对应,然后将每一个点以(x坐标,y坐标,z坐标,标签编号)的四元组形式存储在H5文件中,将标签编号与类别名称一一对应,以(标签编号,类别名称)二元组形式存储在txt文件中,H5文件、txt文件共同组成点云...
【专利技术属性】
技术研发人员:余思佳,赵志彬,王华磊,胡任杰,黄世昌,
申请(专利权)人:电子科技大学,
类型:发明
国别省市:
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。