基于特征搜索和区域生长的点云分割方法技术

本发明专利技术涉及点云分割方法领域，具体是基于特征搜索和区域生长的点云分割方法，其具体步骤如下：S1、读取点云；S2、点云预处理S3、寻找平缓区域；S4、构建特征搜索向量组；S5、构建平面内特征搜索向量组；S6、构建垂直面内特征搜索向量组；S7、平面内特征搜索；S8、平面特征判断；S9、区域生长法分割平面；S10、RANSAC平面拟合；S11、边缘查找；S12、垂直面内特征搜索；S13、球面特征判断；S14、区域生长法分割球；S15、RANSAC球拟合；S16、圆柱特征判断；S17、区域生长法分割圆柱；S18、RANSAC圆柱拟合；S19、区域生长法分割一般曲面；S20、非均匀有理B样条曲面方法拟合；S21、区域生长法分割方法；解决了点云特征识别、点云分割以及点云模型参数拟合类问题。类问题。类问题。

【技术实现步骤摘要】
基于特征搜索和区域生长的点云分割方法


[0001]本专利技术涉及点云分割方法领域，具体是基于特征搜索和区域生长的点云分割方法。

技术介绍

[0002]目前常用的点云分割方法包括RANSAC分割方法，聚类分割方法，区域生长方法，基于边缘分割方法等。
[0003]基于模型的RANSAC分割使用随机采样一致性思想，通过迭代估计的方式构建相应的数学模型，可以分割平面、圆柱、球、圆环等结构。但是RANSAC方法可能会出现误分割的情况，比如将圆柱点云分割出平面，将非圆柱结构拟合成圆柱等。在平面分割中对于拟合的平面方程，并不能知道平面边界，还需借助其他方法确定边界。
[0004]聚类分割方法一般有欧式聚类、条件聚类、密度聚类、颜色聚类等等。欧式聚类根据欧氏距离，对于连接在一起的不同部件，不能将其分离；条件聚类根据设定条件和欧式距离进行分割，但是没有初始化种子系统，没有过度分割或者分割不足的控制；密度聚类在欧式距离的基础上增加了噪点抗干扰能力，颜色聚类增加了RGB的比较，但是同样存在欧式聚类的缺点。
[0005]区域生长法判断种子点和周边邻域的法线方向和曲率大小来扩充区域、更新种子，循环往复不断生长，直到没有新的点在增加。对于一些连接区域比较平缓的部件，比如平面和半圆柱切向连接时，区域生长法并不能将其分离。
[0006]基于边缘分割方法通过检测点云一些区域的边界来获取分割区域，基于边缘的方法虽然分割速度比较快但是准确度不能保证，因为边缘对于噪声和不均匀的或稀疏的点云非常敏感。
[0007]聚类分割法、区域生长法是通过分析相邻点云之间的相似性来进行分割及聚类，但分割时并不清楚分割的内容是什么；基于模型的RANSAC分割方法在分割时知道分割的模型，但是分割时缺少考虑点云之间的关联性。

技术实现思路

[0008]为了解决上述问题，本专利技术提出基于特征搜索和区域生长的点云分割方法。
[0009]基于特征搜索和区域生长的点云分割方法，其具体步骤如下：
[0010]S1、读取点云；
[0011]S2、点云预处理：根据点云质量选择预处理方法，然后对点云计算法向量，构建kd
‑
tree；
[0012]S3、寻找平缓区域：找出scale最小的区域或者scale满足阈值的区域点云即为目标平缓区域点云；
[0013]S4、构建特征搜索向量组：确定区域点云类型，特征搜索分为平面内搜索和垂直面内搜索，分别构建平面特征搜索向量组和垂直面内特征搜索向量组；
[0014]S5、构建平面内特征搜索向量组：对选中的平缓区构建特征搜索向量组，以PCA分析特征向量ve1,ve2对应的特征向量为平面，以ve1为第一条特征搜索方向，在ve1,ve2平面内逆时针每120度构建3条平面搜索特征方向vp1、vp2、vp3组成平面特征搜索向量组；
[0015]S6、构建垂直面内特征搜索向量组：以平面内特征搜索方向分别和PCA分析特征向量ve3构成垂直平面，分别在垂直平面内按照用户输入的角度分布构建垂直面内特征搜索向量组；
[0016]S7、平面内特征搜索：根据构建好的平面特征搜索向量组，对每一个搜索方向，按照用户输入固定的step迭代搜索，直到搜索不到点云为止，同时记录点云法向量和曲率；
[0017]S8、平面特征判断：平面内搜索，该搜索方式以pi为搜索原点为沿着平面内三个搜索方向，按照设定步长step，进行迭代搜索，直到搜索到没有点为止，如果三个方向搜索长度上点云法向量方向近似或相同，则判定其为平面；
[0018]S9、区域生长法分割平面：点云类型判定为平面后，使用区域生长法对平面进行分割，平面分割条件规定为每个点的法向量与初始点pi的法向量夹角趋近于0；
[0019]S10、RANSAC平面拟合：使用区域生长方法完成平面点云分割后再使用RANSAC平面拟合算法将平面点云拟合出平面方程，得到平面参数；
[0020]S11、边缘查找：查找平面点云的边缘，使用BoundaryEstimation方法保留平面点云边缘；
[0021]S12、垂直面内特征搜索：根据构建好的垂直面内特征搜索向量组，依次沿着特征向量方向搜索，直到搜索到点为止，记录下相应点的法向量和曲率；
[0022]S13、球面特征判断：当不满足平面关系时，如果所有垂直搜索面内所有相邻搜索点之间的曲率都相同或近似，则可以判断该曲面为球体；
[0023]S14、区域生长法分割球：点云类型判定为球面后，使用区域生长法对球面进行分割，球面分割条件设定为与上一次种子点法向量方向和曲率差值小于一定阈值；
[0024]S15、RANSAC球拟合：使用区域生长方法完成球面点云分割后，再用曲率大致计算该球体的半径，然后再使用RANSAC球拟合算法将球面点云拟合出球面方程，得到球面参数；
[0025]S16、圆柱特征判断：当不满足平面和球面关系时，计算曲率；如果移动前后对应垂直搜索面内对应相邻搜索点曲率相同或近似，则判断该曲面为圆柱；
[0026]S17、区域生长法分割圆柱：点云类型判定为圆柱后，使用区域生长法对球面进行分割，生长条件设定为与上一次种子点法向量方向和曲率差值小于一定阈值；
[0027]S18、RANSAC圆柱拟合：计算垂直搜索面内点云曲率，根据该曲率计算半径即为圆柱半径；然后再使用RANSAC圆柱拟合算法将圆柱点云拟合出圆柱方程，得到圆柱参数；
[0028]S19、区域生长法分割一般曲面：如果点云特征不满足球和圆柱特征，则将其视为一般曲面；使用区域生长法对球面进行分割，生长条件设定为与上一次种子点法向量方向和曲率差值小于一定阈值；
[0029]S20、非均匀有理B样条曲面方法拟合：一般曲面使用非均匀有理B样条曲面方法拟合得到参数方程；
[0030]S21、区域生长法分割方法：区域生长根据点云类型不同，选择不同的生长条件。
[0031]所述的步骤S2的预处理方法包括去除NaN点、去除离群点、点云降采样类。
[0032]所述的步骤S2对点云计算法向量，构建kd
‑
tree的具体方法为：
[0033]a、对点云进行分析，通过随机找点方式，分析随机点pi邻域PCA特征，得到特征值value_i＝[va1,va2,va3]和特征向量vector_i＝[ve1,ve2,ve3]；
[0034]b、计算最小特征值与其他特征值之和的比值：
[0035]scale＝va3/(va1+va2+va3)。
[0036]所述的步骤S5构建特征搜索向量组可以构建5条或者更多2n+1条，然后以最小特征值ve3对应的特征向量方向及相反方向为垂直搜索特征方向vv1、vv2，构建共计5条特征搜索向量。
[0037]所述的步骤S8的平面内判断，具体如下所示；
[0038]具体实施过程为：
[0039]首先根据计算搜索点迭代位置，搜索点位置迭代计算公式为：
[0本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于特征搜索和区域生长的点云分割方法，其特征在于：其具体步骤如下：S1、读取点云；S2、点云预处理：根据点云质量选择预处理方法，然后对点云计算法向量，构建kd
‑
tree；S3、寻找平缓区域：找出scale最小的区域或者scale满足阈值的区域点云即为目标平缓区域点云；S4、构建特征搜索向量组：确定区域点云类型，特征搜索分为平面内搜索和垂直面内搜索，分别构建平面特征搜索向量组和垂直面内特征搜索向量组；S5、构建平面内特征搜索向量组：对选中的平缓区构建特征搜索向量组，以PCA分析特征向量ve1,ve2对应的特征向量为平面，以ve1为第一条特征搜索方向，在ve1,ve2平面内逆时针每120度构建3条平面搜索特征方向vp1、vp2、vp3组成平面特征搜索向量组；S6、构建垂直面内特征搜索向量组：以平面内特征搜索方向分别和PCA分析特征向量ve3构成垂直平面，分别在垂直平面内按照用户输入的角度分布构建垂直面内特征搜索向量组；S7、平面内特征搜索：根据构建好的平面特征搜索向量组，对每一个搜索方向，按照用户输入固定的step迭代搜索，直到搜索不到点云为止，同时记录点云法向量和曲率；S8、平面特征判断：平面内搜索，该搜索方式以pi为搜索原点为沿着平面内三个搜索方向，按照设定步长step，进行迭代搜索，直到搜索到没有点为止，如果三个方向搜索长度上点云法向量方向近似或相同，则判定其为平面；S9、区域生长法分割平面：点云类型判定为平面后，使用区域生长法对平面进行分割，平面分割条件规定为每个点的法向量与初始点pi的法向量夹角趋近于0；S10、RANSAC平面拟合：使用区域生长方法完成平面点云分割后再使用RANSAC平面拟合算法将平面点云拟合出平面方程，得到平面参数；S11、边缘查找：查找平面点云的边缘，使用BoundaryEstimation方法保留平面点云边缘；S12、垂直面内特征搜索：根据构建好的垂直面内特征搜索向量组，依次沿着特征向量方向搜索，直到搜索到点为止，记录下相应点的法向量和曲率；S13、球面特征判断：当不满足平面关系时，如果所有垂直搜索面内所有相邻搜索点之间的曲率都相同或近似，则可以判断该曲面为球体；S14、区域生长法分割球：点云类型判定为球面后，使用区域生长法对球面进行分割，球面分割条件设定为与上一次种子点法向量方向和曲率差值小于一定阈值；S15、RANSAC球拟合：使用区域生长方法完成球面点云分割后，再用曲率大致计算该球体的半径，然后再使用RANSAC球拟合算法将球面点云拟合出球面方程，得到球面参数；S16、圆柱特征判断：当不满足平面和球面关系时，计算曲率；如果移动前后对应垂直搜索面内对应相邻搜索点曲率相同或近似，则判断该曲面为圆柱；S17、区域生长法分割圆柱：点云类型判定为圆柱后，使用区域生长法对球面进行分割，生长条件规定用户设定为与上一次种子点法向量方向和曲率差值小于一定阈值；S18、RANSAC圆柱拟合：计算垂直搜索面内点云曲率，根据该曲率计算半径即为圆柱半径；然后再使用RANSAC圆柱拟合算法将圆柱点云拟合出圆柱方程，得到圆柱参数；
S19、区域生长法分割一般曲面；S20、非均匀有理B样条曲面方法拟合：一般曲面使用非均匀有理B样条曲面方法拟合得到参数方程；S21、区域生长法分割方法：区域生长根据点云类型不同，选择不同的生长条件。2.根据权利要求1所述的基于特征搜索和区域生长的点云分割方法，其特征在于：所述的步骤S2的预处理方法包括去除NaN点、去除离群点、点云降采样类。3.根据权利要求1所述的基于特征搜索和区域生长的点云分割方法，其特征在于...

【专利技术属性】
技术研发人员：张祥坤，刘一帆，易廷昊，翟昱，孙俊龙，王浩杰，
申请(专利权)人：埃夫特智能装备股份有限公司，
类型：发明
国别省市：