基于集料特征的3D点云目标分割方法技术

本发明专利技术公开了一种基于集料特征的3D点云目标分割方法，1）对3D点云数据进行刚体变换，通过重心法将点云位姿变换到相机位姿坐标系下，即世界坐标系下，变换后扫描的集料所在平面与XOY平面重合；2）对点云做Z轴方向的直通滤波，将扫描的平面和干扰的飞点过滤掉；3）半径滤波去除集料周围的噪声点和离群点，得到点云数据集P；4）欧式聚类分割将点云数据集P分割得到多个聚类列表C；5）通过区域生长分割，将每个聚类列表C中具有相似性的点云集合起来构成区域，每个区域就是一颗集料的3D模型，从而分割得到每颗集料3D模型。本方法对待分割的3D点云数据无要求，能够快速、准确、方便地从3D点云数据中将每颗集料3D模型实时在线分割出来。据中将每颗集料3D模型实时在线分割出来。据中将每颗集料3D模型实时在线分割出来。

【技术实现步骤摘要】
基于集料特征的3D点云目标分割方法


[0001]本专利技术涉及集料3D点云数据分割处理，具体涉及一种基于集料特征的3D点云目标分割方法，以利于后续计算检测。

技术介绍

[0002]为了把控混凝土生产前粗集料和细集料的质量，检测出使用的集料级配分布情况，以及针片状和不规则颗粒的占比。参考GB/T 14684
‑
2022《建设用砂》和GB/T 14685《建设用卵石、碎石》国家标准评估原材料的达标情况，从而为混凝土的生产提供数据参考。因此需要检测集料级配、针片状含量及不规则颗粒含量。
[0003]目前工程中，通常采用人工筛分法或者摇筛机对集料进行级配筛分检测，先计算集料总质量，筛分后计算每一级的质量，每级质量除以总质量得到单级级配数据，再通过对每级用针片状规准仪、条形筛或游标卡尺进行检测对比，找出所有符合条件的集料并称重，结合总质量得到针片状含量和不规则颗粒含量。该方法在筛分过程中容易堵塞筛孔，影响筛分结果，降低筛分效率，人工耗费大且检测非常耗时。
[0004]为解决人工筛分存在的不足，本申请人于2023年3月申请了名称为“粗集料级配、针片状含量和不规则颗粒含量检测方法”的专利技术专利，该方法通过图像整体采集、再分割处理的方式，得到每颗集料的3D模型，由3D模型得到每颗集料的尺寸，从而能够测量粗集料级配、针片状含量和不规则颗粒含量。但该方法采集图像时，为了后续处理方便，需要将集料铺开分散为一层且彼此不接触，这增加了检测方法的工作量。如果不进行分散铺开处理，直接对集料拍照，不管2D和3D方法，都会存在集料间相互粘连、遮挡等因素的干扰，如果对这样的图像进行分割处理，导致测量结果精度较差，波动较大。

技术实现思路

[0005]针对现有技术存在的上述不足，本专利技术的目的就在于提供一种基于集料特征的3D点云目标分割方法，本方法对待分割的3D点云数据无要求，能够快速、准确、方便地从3D点云数据中将每颗集料3D模型分割出来，有助于后续集料尺寸体积的计算。
[0006]本专利技术的技术方案是这样实现的：
[0007]基于集料特征的3D点云目标分割方法，其特征在于，步骤如下：
[0008]1)导入扫描得到的3D点云数据，对3D点云数据进行刚体变换，通过重心法将点云位姿变换到相机位姿坐标系下，即世界坐标系下，变换后扫描的集料所在平面与XOY平面重合；
[0009]2)对点云做Z轴方向的直通滤波，将扫描的平面和干扰的飞点过滤掉；
[0010]3)半径滤波去除集料扫描留下的噪声点和离群点，得到点云数据集P；
[0011]4)欧式聚类分割；基于特征空间确定点与点之间的亲疏程度，通过欧式聚类分割将点云数据集P分割以得到多个聚类列表C；
[0012]5)区域生长分割；将步骤4)得到的每个聚类列表C分别通过区域生长分割，将每个
聚类列表C中具有相似性的点云集合起来构成区域，每个聚类列表C得到一个或者多个区域，每个区域就是一颗集料的3D模型，从而通过对所有聚类列表C的分割得到每颗集料3D模型。
[0013]进一步地，步骤4)欧式聚类分割时，聚类搜索使用Kd
‑
tree结构查找最近邻，算法步骤如下：
[0014]4.1)为步骤3)得到的点云数据集P创建Kd
‑
tree的表示；
[0015]4.2)从点云数据集P列表第一个点p_1开始，对p_1进行如下操作；
[0016]设置搜索半径r，在此半径范围内搜索p_1的最近邻点云，最近邻点云的个数要大于设定的点数下限且小于设定的点数上限；将所有搜索到的最近邻点云连同点p_1本身从点云数据集P中提取出来，得到一个聚类列表C；
[0017]4.3)在步骤4.2)提取后剩余的点云数据集P中再从列表第一个点开始，重复步骤4.2)的搜索算法，再得到一个聚类列表C；如此反复，直到将点云数据集P中所有点都提取出来，从而得到多个聚类列表C。
[0018]进一步地，步骤5)区域生长分割具体算法步骤如下：
[0019]5.1)先做法线估计计算，输入一个聚类列表C，设置搜索方法为Kd
‑
tree结构去查找最近邻，设置法线计算需要的线程数用于计算加速，设置用于法向量估计的k近邻数目，计算并输出法向量集；
[0020]5.2)区域生长算法步骤如下：
[0021]设置计算需要的初始参数，包括
[0022]·
设置区域生长聚类需要的最小点数和最大点数；
[0023]·
设置Kd
‑
tree结构搜索的邻域点的个数；
[0024]·
设置输入聚类列表C和法向量集；
[0025]·
设置平滑阈值，即法向量夹角的阈值；
[0026]·
设置曲率阈值；
[0027]设置好以上区域生长算法的计算参数，开始算法计算，计算步骤具体如下：
[0028]a计算聚类列表C中每个点的法线和曲率，依据曲率升序排序；
[0029]b选择曲率最小的点为当前区域的初始种子点，在聚类列表C中通过Kd
‑
tree结构查找种子点周围符合要求的邻域点；
[0030]c计算每个邻域点的法线与当前种子点的法线之间的夹角，小于阈值的邻域点加入到当前区域；大于阈值的邻域点忽略；
[0031]d对于加入当前区域的邻域点，进一步检查每一个邻域点的曲率，小于曲率阈值的邻域点作为向前生长的新的种子点，并删除当前的种子点；
[0032]e以新的种子点重复c
‑
d步骤继续生长；直到所有邻域点都查找完毕，当前区域添加完毕，当前区域即分割得到一颗集料的3D模型；
[0033]f在剩下的聚类列表C中，重复步骤b
‑
e，得到一个新的当前区域，直到聚类列表C中所有的点都遍历完；从而分割得到该聚类列表C中每颗集料的3D模型。
[0034]进一步地，步骤2)对点云做Z轴方向的直通滤波时，先根据扫描的Z值取一个合理的上下限，然后将扫描的平面和干扰的飞点过滤掉。
[0035]进一步地，步骤3)中，先根据扫描得到的点云密度，确定半径滤波的搜索半径和邻
居点个数，再通过半径滤波去除集料周围的噪声点和离群点，得到点云数据集P。
[0036]与现有技术相比，本专利技术具有以下有益效果：
[0037]1、本专利技术能够快速、准确、方便地从3D点云数据中将每颗集料3D模型分割出来，得到每颗集料的3D模型后，后续即可对每个集料模型进行尺寸，体积计算，进一步判断级配和计算针片状和不规则颗粒含量。
[0038]2、本专利技术实现了在可控的计算量下，部署在嵌入式端通过多线程方式，占用资源极少，完成了对集料在传送带运动平面和在静止平面扫描的3D图像进行无损在线的分割，涵盖了建设用砂、碎石、卵石的图像分割。
[0039]3、本专利技术能够涵盖3D扫描阵列多视角和单视角3D扫描，对其集料3D点云进行无损分割得到每本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于集料特征的3D点云目标分割方法，其特征在于，步骤如下：1)导入扫描得到的3D点云数据，对3D点云数据进行刚体变换，通过重心法将点云位姿变换到相机位姿坐标系下，即世界坐标系下，变换后扫描的集料所在平面与XOY平面重合；2)对点云做Z轴方向的直通滤波，将扫描的平面和干扰的飞点过滤掉；3)半径滤波去除集料扫描留下的噪声点和离群点，得到点云数据集P；4)欧式聚类分割；基于特征空间确定点与点之间的亲疏程度，通过欧式聚类分割将点云数据集P分割以得到多个聚类列表C；5)区域生长分割；将步骤4)得到的每个聚类列表C分别通过区域生长分割，将每个聚类列表C中具有相似性的点云集合起来构成区域，每个聚类列表C得到一个或者多个区域，每个区域就是一颗集料的3D模型，从而通过对所有聚类列表C的分割得到每颗集料3D模型。2.根据权利要求1所述的基于集料特征的3D点云目标分割方法，其特征在于，步骤4)欧式聚类分割时，聚类搜索使用Kd
‑
tree结构查找最近邻，算法步骤如下：4.1)为步骤3)得到的点云数据集P创建Kd
‑
tree的表示；4.2)从点云数据集P列表第一个点p_1开始，对p_1进行如下操作；设置搜索半径r，在此半径范围内搜索p_1的最近邻点云，最近邻点云的个数要大于设定的点数下限且小于设定的点数上限；将所有搜索到的最近邻点云连同点p_1本身从点云数据集P中提取出来，得到一个聚类列表C；4.3)在步骤4.2)提取后剩余的点云数据集P中再从列表第一个点开始，重复步骤4.2)的搜索算法，再得到一个聚类列表C；如此反复，直到将点云数据集P中所有点都提取出来，从而得到多个聚类列表C。3.根据权利要求1所述的基于集料特征的3D点云目标分割方法，其特征在于，步骤5)区域生长分割具体算法步骤如下：5.1)先做法线估计计算，输入一个聚类列表C，设置搜索方法为Kd
‑
tree结构去查找最近邻，设置法线计算需要的线程数...

【专利技术属性】
技术研发人员：刘力，李开林，余潜江，吕小虎，张耹铭，黄同愿，冯永成，陈明军，
申请(专利权)人：重庆茂侨科技有限公司，
类型：发明
国别省市：