一种点云分割的方法技术

本发明专利技术提供一种点云分割的方法，涉及图像处理技术领域。该一种点云分割的方法，包括以下步骤：S1、输入点云P，初始化每个点的选择标志F=(fo，f，

【技术实现步骤摘要】
一种点云分割的方法


[0001]在本专利技术涉及图像处理
，具体为一种点云分割的方法。

技术介绍

[0002]在逆向工程中通过测量仪器得到的产品外观表面的点数据集合也称之为点云，通常使用三维坐标测量机所得到的点数量比较少，点与点的间距也比较大，叫稀疏点云，而使用三维激光扫描仪或照相式扫描仪得到的点云，点数量比较大并且比较密集，叫密集点云，点云是指目标表面特性的海量点集合，根据激光测量原理得到的点云，包括三维坐标（XYZ）和激光反射强度（Intensity），根据摄影测量原理得到的点云，包括三维坐标（XYZ）和颜色信息（RGB）。
[0003]现有点云分割技术中，很难再现有数据中再获得更多的表面特征信息，继而无法提高零件点云整体面分割的精度，而且对于交界处的分割精度也无法提高。

技术实现思路

[0004]针对现有技术的不足，本专利技术提供了一种点云分割的方法，解决了整体m面分割精度无法提高以及交界处的分割精度无法提高的问题。
[0005]为实现以上目的，本专利技术通过以下技术方案予以实现。一种点云分割的方法，包括以下步骤，S1、输入点云P，初始化每个点的选择标志F=(fo ，f ，
…
，f.）为0 ，f为1时则表示该点已被作为采样点，α是曲率采样点个数上限，β是总采样点个数，计算P的高斯曲率并从大到小排序得到C，构造Р的K
‑
D树T，K
‑
D树代表点云的数值组织架构；S2、利用高斯曲率采样，审阅Cu，Cu为采样所得的高斯曲率数值,把高斯曲率大且选择标志为0的点加入P6 ，P6代表抽样的点云子集，将该点选择标志置为1 ，并以该点为中心，利用K
‑
D树T，将γ个近邻点所对应的选择标志f置为
–
1 ，这样能避免下一个采样点与之前的采样点空间距离较近，循环步骤S2直到len（P6）大于等于α或CU审阅完，len（P6）为点云子集P6的返回值；S3、将所有选择标志为0的点作为点云子集P3 ，如果（β
‑ꢀ
len{P6}) < len( P3)，转步骤S4，否则，随机选择标志为－1的点加入Prps直到len(P3)= (β
‑
len{P6})，Prps为调度算法，结束采样过程，P3和P6是最终采样点；S4、随机从P3 中选起始点P5作为采样点加入P2，计算P5每个点到P5距离得到距离数组D；S5、选取最远点采样，把D中最大值对应的点P1, 作为采样点加入P2，并计算P3每个点与P1的距离得到数组D，比较D和D原定的对应元素值，取较小值更新距离数组D，循环步骤S5，直到β=(len（P6）+len( P1))，结束采样，输出采样点P4和P3。
[0006]优选的，S5
‑
1、首先输入点云三维坐标，通过 KNN 构造一个局部有向图，KNN代表邻近点算法，并在局部有向图中找出高斯曲率最大数值特征点。
[0007]优选的，S5
‑
2、改进型边缘特征提取模块对含有最占优势特征的输入点云信息进行边缘特征的提取，获得最占优势的边缘特征。
[0008]优选的，S5
‑
2、改进型边缘特征提取模块对含有高斯曲率最大数值特征点的输入点云信息进行边缘特征的提取，获得最占优势的边缘特征。
[0009]优选的，S5
‑
3、将提取出的最占优势边缘特征通过共享MLP与全局特征进行融合，MLP代表多层感知算法，将融合特征信息 送入MLP 中计算分割分数，输出点云分割结果。
[0010]优选的，所述S5步骤中，数组D的几何意义是下一个采样点，和已选的采样点距离都较远。
[0011]优选的，所述S1步骤中，f 为－1表示该点不可作为采样点。
[0012]优选的，根据不同的分割场景，设置α，γ和β值。
[0013]优选的，在采样点数目相同的情况下，C—FPS在零件面要素交界处获得f小于等于
‑
1的采样点，C—FPS代表快速分配采样算法。
[0014]本专利技术提供了一种点云分割的方法，具备以下有益效果：1、本专利技术通过利用高斯曲率采样，审阅Cu，把高斯曲率大且选择标志为0的点加入P6 ，将该点选择标志置为1，并以该点为中心，利用K
‑
D树T，将γ个近邻点所对应的选择标志f置为
–
1，这样能避免下一个采样点与之前的采样点空间距离较近，循环步骤S2直到len(P6)大于等于α或Cu审阅完，获得更多表面特征信息，使得零件点云整体面分割精度提高。
[0015]2、本专利技术通过将所有选择标志为0的点作为点云子集P3，如果（β
‑ꢀ
len{P6}) < len(P3)，转步骤S4，否则随机选择标志为－1的点加入Prps直到len(P3)= (β
‑
len{P6})，结束采样过程，根据不同的分割场景，设置α，γ和β值，让网络在面要素交界处分割精度提高。
具体实施方式
[0016]下面将结合本专利技术实施例，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0017]实施例一本专利技术实施例提供一种点云分割的方法，包括以下步骤，S1、输入点云P，初始化每个点的选择标志F=(fo ，f ，
…
，f.）为0 ，f为1时则表示该点已被作为采样点，α是曲率采样点个数上限，β是总采样点个数，计算P的高斯曲率并从大到小排序得到C，构造Р的K
‑
D树T，K
‑
D树代表点云的数值组织架构；S2、利用高斯曲率采样，审阅Cu，Cu为采样所得的高斯曲率数值,把高斯曲率大且选择标志为0的点加入P6 ，P6代表抽样的点云子集，将该点选择标志置为1，并以该点为中心，利用K
‑
D树T，将γ个近邻点所对应的选择标志f置为
–
1 ，这样能避免下一个采样点与之前的采样点空间距离较近，循环步骤S2直到len（P6）大于等于α或CU审阅完，len（P6）为点云子集P6的返回值，从而获得更多表面特征信息，使得零件点云整体面分割精度提高；S3、将所有选择标志为0的点作为点云子集P3 ，如果（β
‑ꢀ
len{P6}) < len( P3)，转步骤S4，否则，随机选择标志为－1的点加入Prps直到len(P3)= (β
‑
len{P6})，Prps为调度算法，结束采样过程，P3和P6是最终采样点；
S4、随机从P3 中选起始点P5作为采样点加入P2，计算P5每个点到P5距离得到距离数组D；S5、选取最远点采样，把D中最大值对应的点P1; 作为采样点加入P2，并计算P3每个点与P1的距离得到数组D，比较D和D原定的对应元本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种点云分割的方法,其特征在于,包括以下步骤，S1、输入点云P，初始化每个点的选择标志F=(fo ，f ，
…
，f.）为0，f为1时则表示该点已被作为采样点，α是曲率采样点个数上限，β是总采样点个数，计算P的高斯曲率并从大到小排序得到C，构造Р的K
‑
D树T，K
‑
D树代表点云的数值组织架构；S2、利用高斯曲率采样，审阅Cu，Cu为采样所得的高斯曲率数值,把高斯曲率大且选择标志为0的点加入P6，P6代表抽样的点云子集，将该点选择标志置为1，并以该点为中心，利用K
‑
D树T，将γ个近邻点所对应的选择标志f置为
–
1，这样能避免下一个采样点与之前的采样点空间距离较近，循环步骤2直到len(P6)大于等于α或Cu审阅完，len（P6）为点云子集P6的返回值；S3、将所有选择标志为0的点作为点云子集P3，如果（β
ꢀ‑ꢀ
len{P6}) < len( P3)，转步骤S4，否则，随机选择标志为－1的点加入Prps直到len(P3)= (β
‑
len{P6})，Prps为调度算法，结束采样过程，P3和P6是最终采样点；4S4、随机从P3 中选起始点P5作为采样点加入P2，计算P5每个点到P5距离得到距离数组D；S5、选取最远点采样，把D中最大值对应的点P1，作为采样点加入P2，并计算P3每个点与P1的距离得到数组D，比较D和D原定的对应元素值...

【专利技术属性】
技术研发人员：肖啸，见强，周国鹏，张建权，郑志鹏，刘明淇，曾云飞，
申请(专利权)人：湖北香城智能机电研究院有限公司，
类型：发明
国别省市：