【技术实现步骤摘要】
本专利技术涉及点云处理，尤其涉及一种点云聚类方法、装置、设备及存储介质。
技术介绍
1、点云聚类算法长期被用于机器学习和智能计算领域，其中基于密度概念的点云聚类应用最广。其不但能够过滤点云噪声，也能有效实现无规律复杂形状的点云切割。
2、但现有的密度聚类算法只能基于固定的密度，对整个数据集进行一次性的聚类分割，聚类效果较差。
技术实现思路
1、本专利技术的主要目的在于提供一种点云聚类方法、装置、设备及存储介质，旨在解决现有技术点云聚类效果较差的技术问题。
2、为实现上述目的，本专利技术提供了一种点云聚类方法，所述方法包括以下步骤：
3、根据目标点云数据设置点云聚类条件参数；
4、根据所述点云聚类条件参数计算目标点云数据的总面积和总密度；
5、基于所述点云聚类条件参数使用预设聚类策略对所述目标点云数据进行聚类处理，得到预设数量的点云子簇；
6、基于所述点云子簇、所述点云聚类条件参数、所述总面积以及所述总密度完成所述目标点云数据的聚类。
7、可选地，所述基于所述点云子簇、所述点云聚类条件参数、所述总面积以及所述总密度完成所述目标点云数据的聚类，包括：
8、基于所述点云聚类条件参数得到点云子簇中各点云所占第一网格大小；
9、获取所述点云子簇的子簇点数；
10、根据所述子簇点数和所述第一网格大小计算点云子簇面积和点云子簇密度；
11、通过所述点云子簇面积、所述
12、可选地，所述通过所述点云子簇面积、所述点云子簇密度、所述点云聚类条件参数、所述总面积以及所述总密度中的至少一种完成所述目标点云数据的聚类，包括：
13、根据所述点云聚类条件参数得到树分叉后的面积允许下降比率；
14、根据所述点云子簇面积和所述总面积计算面积比值；
15、将所述面积比值与所述面积允许下降比率进行比较；
16、在所述面积比值小于所述面积允许下降比率时，将所述目标点云数据作为目标结果簇，完成目标点云数据的聚类。
17、可选地，所述将所述面积比值与所述面积允许下降比例进行比较之后，还包括：
18、在所述面积比值大于等于所述面积允许下降比率时，根据所述点云聚类条件参数得到簇面积阈值；
19、将所述点云子簇密度与所述簇面积阈值进行比较；
20、在所述点云子簇密度小于所述簇面积阈值时，将所述点云子簇密度对应的点云子簇从预设数量的点云子簇中剔除，得到目标结果簇，完成目标点云数据的聚类。
21、可选地，所述将所述点云子簇密度与所述簇面积阈值进行比较之后，还包括：
22、在所述点云子簇密度大于等于所述簇面积阈值时，根据所述点云子簇密度和所述总密度计算密度比值；
23、根据所述点云聚类条件参数得到树分叉后的密度允许下降比率；
24、将所述密度比值和所述密度允许下降比率进行比较；
25、在所述密度比值小于所述密度允许下降比率时，将所述点云子簇添加至目标结果簇，完成目标点云数据的聚类。
26、可选地，所述将所述密度比值和所述密度允许下降比率进行比较之后，还包括：
27、在所述密度比值大于等于所述密度允许下降比率时，将每一个点云子簇作为目标点云数据，并将所述点云子簇面积和所述点云子簇密度作为总面积和总密度，返回所述基于所述点云聚类条件参数使用预设聚类策略对所述目标点云数据进行聚类处理，得到预设数量的点云子簇的步骤。
28、可选地，所述根据目标点云数据设置点云聚类条件参数，包括：
29、根据目标点云数据设置点云所占网格大小、聚类半径、点数阈值、树分叉后半径的缩小比例乘数、树分叉后的面积允许下降比率、树分叉后的密度允许下降比率、簇面积阈值；
30、根据所述点云所占网格大小、所述聚类半径、所述点数阈值、所述树分叉后半径的缩小比例乘数、所述树分叉后的面积允许下降比率、所述树分叉后的密度允许下降比率以及簇面积阈值得到点云聚类条件参数。
31、此外，为实现上述目的，本专利技术还提出一种点云聚类装置，所述点云聚类装置包括：
32、设置模块，用于根据目标点云数据设置点云聚类条件参数；
33、计算模块，用于根据所述点云聚类条件参数计算目标点云数据的总面积和总密度；
34、聚类模块，用于基于所述点云聚类条件参数使用预设聚类策略对所述目标点云数据进行聚类处理，得到预设数量的点云子簇；
35、所述聚类模块，还用于基于所述点云子簇、所述点云聚类条件参数、所述总面积以及所述总密度完成所述目标点云数据的聚类。
36、此外，为实现上述目的，本专利技术还提出一种点云聚类设备，所述点云聚类设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的点云聚类程序，所述点云聚类程序配置为实现如上文所述的点云聚类方法的步骤。
37、此外，为实现上述目的，本专利技术还提出一种存储介质，所述存储介质上存储有点云聚类程序，所述点云聚类程序被处理器执行时实现如上文所述的点云聚类方法的步骤。
38、本专利技术根据目标点云数据设置点云聚类条件参数；根据所述点云聚类条件参数计算目标点云数据的总面积和总密度；基于所述点云聚类条件参数使用预设聚类策略对所述目标点云数据进行聚类处理，得到预设数量的点云子簇；基于所述点云子簇、所述点云聚类条件参数、所述总面积以及所述总密度完成所述目标点云数据的聚类，先通过对高密度参数的目标点云数据进行聚类，再将参数密度渐次下降，对聚类子簇进行再聚类，解决复杂场景下的点云降噪，分割，聚类问题，提高点云聚类效果。
本文档来自技高网...【技术保护点】
1.一种点云聚类方法，其特征在于，所述点云聚类方法包括：
2.如权利要求1所述的点云聚类方法，其特征在于，所述基于所述点云子簇、所述点云聚类条件参数、所述总面积以及所述总密度完成所述目标点云数据的聚类，包括：
3.如权利要求2所述的点云聚类方法，其特征在于，所述通过所述点云子簇面积、所述点云子簇密度、所述点云聚类条件参数、所述总面积以及所述总密度中的至少一种完成所述目标点云数据的聚类，包括：
4.如权利要求3所述的点云聚类方法，其特征在于，所述将所述面积比值与所述面积允许下降比例进行比较之后，还包括：
5.如权利要求4所述的点云聚类方法，其特征在于，所述将所述点云子簇密度与所述簇面积阈值进行比较之后，还包括：
6.如权利要求5所述的点云聚类方法，其特征在于，所述将所述密度比值和所述密度允许下降比率进行比较之后，还包括：
7.如权利要求1至6中任一项所述的点云聚类方法，其特征在于，所述根据目标点云数据设置点云聚类条件参数，包括：
8.一种点云聚类装置，其特征在于，所述点云聚类装置包括：
10.一种存储介质，其特征在于，所述存储介质上存储有点云聚类程序，所述点云聚类程序被处理器执行时实现如权利要求1至7中任一项所述的点云聚类方法。
...【技术特征摘要】
1.一种点云聚类方法，其特征在于，所述点云聚类方法包括：
2.如权利要求1所述的点云聚类方法，其特征在于，所述基于所述点云子簇、所述点云聚类条件参数、所述总面积以及所述总密度完成所述目标点云数据的聚类，包括：
3.如权利要求2所述的点云聚类方法，其特征在于，所述通过所述点云子簇面积、所述点云子簇密度、所述点云聚类条件参数、所述总面积以及所述总密度中的至少一种完成所述目标点云数据的聚类，包括：
4.如权利要求3所述的点云聚类方法，其特征在于，所述将所述面积比值与所述面积允许下降比例进行比较之后，还包括：
5.如权利要求4所述的点云聚类方法，其特征在于，所述将所述点云子簇密度与所述簇面积阈值进行比较之后，还包括：
【专利技术属性】
技术研发人员：何素，李涛，罗健豪，王越豪，关民杰，
申请(专利权)人：广州小鹏自动驾驶科技有限公司，
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。