一种三维场景中不同物体的分割方法技术

本发明专利技术公开一种三维场景中不同物体的分割方法，针对激光扫描获得的室外场景三维点云数据，建立点云数据的邻接关系和空间搜索机制，估计每一点的法向量和残差量；确定将残差量最小的点作为种子点，利用平面一致性约束条件和区域生长策略进行平面聚类，形成三维场景中平面建筑物整体与其它物体的分割状态；对分割出的建筑物整体部分，建立平面建筑物区域的局部连通搜索，利用不同的种子点准则，将同一平面具有连通性的点构成聚类，实现建筑物平面的细节分割；对分割出的其它物体构造基于距离标记的初始聚类分块，建立加权控制约束进行聚类合并，达到树木的最优分割结果；对多个数据集的测试说明本发明专利技术可以有效地进行三维场景中树木和建筑物的分割。

【技术实现步骤摘要】

本专利技术属于模式识别与科学计算可视化相结合的交叉学科
，涉及三维场 景中不同物体的分割方法。
技术介绍
随着三维激光扫描仪成本的降低和激光扫描测量技术在空间信息获取方面的迅 速发展，使得快速获取室外复杂场景的三维点云数据成为可能。在利用复杂场景的激光扫 描点云数据进行建模时，有效、快速地选择能够完整的表示一个场景目标的点云子集是一 个重要而基本的操作。但是激光扫描技术获取的三维点云数据具有海量的特点，需要对点 云数据进行形状特征选取与分割。由于点云数据固有的不完整性和噪声，由激光扫描所得 到的三维稀疏点云的、面向场景目标的分割却仍然是一个具有挑战性的问题。通常我们所获得的三维室外场景都包含不同类型的物体，诸如大型建筑物、树、地 面、自行车等，此外还会存在大量由于复杂物体的不规则反射所带来的噪声，因此如何从三 维场景中分割或提取出有意义的部分则成为重建过程中最为关键的一步。分割就是将具 有相同形状属性或者形状特征的点聚合在一起，或者是将点云数据分解成各个连通的小区 域，这些区域必须是有意义的，且每个区域都对应着完整的物体。对于室外场景而言，最具 有代表性的物体就是树木和建筑物，因此从三维场景中分割或提取出有意义的部分，基本 的问题是需要从复杂场景中分割出这两种具有不同形状特征的物体。贝斯尔 保罗(Paul J. Besl, 1988)提出一种变阶曲面拟合分区方法，利用低阶双 变量多项式逼近数据点，估算高斯曲率和平均曲率，首先找到核心区域，然后利用区域生长 方法找到所有边；江(Jiang，1996)等提出利用扫描线将数据分成曲线然后再聚类以表示 不同的面。前者对噪声敏感，且需要很多参数，即使是在深度图像(range image)上实现都 非常的费时。后者虽然在分割质量上和分割速度上都有一定的提高，但是并不适用于点云 数据的分割。沃尔夫冈 冯 汉森(Wolfgang von Hansen, 2006)等将点云数据划分为体素数 据，在此基础上基于随机抽样一致算法-RandomSample Consensus (RANSAC)将不规则点云 数据变换成局部限定的曲面片以降低数据量。进而通过估计平面特征，按照其不同属性对 平面信息进行提取。沙哈 巴尼亚(Barnea Shahar,2007)等结合深度信息和图像内容对 场景进行分割。将点云数据转换为深度图像，并利用图像处理中均值移动(mean-shift)方 法对场景进行分割。雷姆 兹巴克(Zeibak Reem,2009)等利用点云数据的极坐标表示，通 过法向量的不连续性分析可以快速提取场景中的物体。这三种方法都需要将点云数据转换 为深度图像或者用极坐标表示，即需要将输入的数据转换为2. 5维，由于数据量大，噪声多 所以该转换的过程非常费时。道尼戈 彼得(Peter Dorninger, 2008)等涉及了建筑物的分割，主要在4维特征 空间中利用层次聚类的方法对原始数据进行分割。该方法可以得到简单建筑物的粗糙轮 廓，但是细节部分的信息却不能获得。陈杰(Jie Chen, 2008)等关于建筑物重建的方法中涉及到建筑物的分割部分，它主要基于置信度(confidence rate)进行平面部分的聚类分割， 该方法在删除噪声点的同时也会误删一些关键点，而且此方法不能用于其它类型物体的分 割，也不能得到各个物体的细节部分。
技术实现思路
现有方法不能直接从散乱的、无结构的、复杂场景的点云数据中分割出不同类型 的物体，不能完整实现基于三维点云数据的不同类型物体的分割以及平面建筑物的细节信 息提取，本专利技术的目的是分类提取三维场景中不同的物体，主要是以场景中的建筑物和树 木为主。对于场景中的建筑物主要基于微分特性及平面一致性约束对平面建筑物区域进行 自动检测，将场景分为具有平面性的建筑物整体部分和其它物体，并对平面建筑物整体部 分通过不同种子点队列的确定和区域生长过程分割出平面建筑物区域的细节特征。对于单 个树木的分割是从获得的其它物体中分割出单个树木，主要利用初始聚类与加权控制策略 来实现。为此，本专利技术提出。为了实现本专利技术的目的，本专利技术提供的，该 方法包括如下步骤步骤S1 采用三维激光扫描仪获取的室外场景的原始三维点坐标称为三维空间 的点云数据，将点云数据作为输入模型，分别建立点云数据的邻接关系和空间搜索机制，估 计点云数据中每一点的法向量，并计算点云数据中每一点的残差量；步骤S2 根据局部平面的微分特性确定的点云数据中每一点的残差量，并根据残 差量的大小确定种子点，选择残差量最小的点作为种子点；从种子点出发，利用区域生长策 略和平面一致性约束条件，查找种子点的k近邻点，比较k近邻点的法向量与种子点的法向 量，获得具有相同或者相近法向量的点并进行平面区域的聚类；将k近邻点中残差量小于 给定残差阈值的点加入种子点队列，以更新种子点队列，保证种子点队列的完整性，进而得 到平面区域的平滑过渡；此过程迭代执行，直到点云数据中的所有点都已经标记为不同的 聚类号，这些平面聚类的关系形成了平面建筑物整体与其它物体的分割状态；步骤S3 利用获得的平面建筑物整体分割结果，选择不同于建筑物整体分割的种 子点策略，仅以残差量最小的点为种子点进行局部连通区域搜索；在此种子点的选择不具 备传递性，将与种子点距离在设定距离阈值范围内、法向量的夹角小于角度阈值的k近邻 点进行局部连通区域的聚类；在剩余点中选择下一个种子点，重复上述过程，直到所有点都 已经标记完为止；这样平面建筑物区域的墙面、窗户和门等细节信息被标记为不同类型，从 而实现建筑物的细节分割；步骤S4 基于场景中分割出的其它物体对单个树木进行分割，通过对其它物体部 分进行基于距离标记的聚类，构造三维空间的初始聚类分块；然后利用基于距离和法向量 加权控制约束的聚类合并，即为初始分块的各个聚类构造权函数以平衡类间距离与类间法 向量夹角的影响；进而为所有聚类两两之间建立加权值矩阵，用于寻找加权函数确定最小 值时两个聚类的标号；按照聚类的标号实现初始聚类的合并，构造具有完整性和连通性的 最优分割结果，获得场景中的单个树木；步骤S5 分别对分割出的平面建筑物整体、建筑物细节信息以及单个树木的结果 进行输出，得到三维场景中不同物体的最终分割结果。其中，所述的邻接关系和空间搜索机制，是按照点云数据中每个点的坐标进行空 间划分，建立k-d树实现三维空间的快速查找与搜索。其中，所述的基于距离标记的聚类如下步骤首先在点云数据中选择一个点并建 立其空间搜索机制，用来搜索其k近邻点，将与该点距离在设定的距离阈值约束范围内的 点归为一类；选择点云数据中的另一个点，判断与该点距离在设定的距离阈值约束范围内 的近邻点是否标记，如果全部未标记则赋予这些近邻点一个新的标记，如果近邻点中部分 已经标记则需要以出现频率最高的点的标记作为这些近邻点的标记；重复上述过程，直到 点云数据中的所有点都标记完为止。其中，所述的基于距离和法向量加权控制的聚类合并步骤如下(1)计算点云数 据中每一点的法向量，并估算每个聚类中重心点的法向量；(2)计算任意两个聚类之间的 距离、，并得到任意两个聚类之间的法向量夹角e ij ； dij表示第i和第j聚类之间的距离， e u表示第i和第本文档来自技高网...

【技术保护点】
一种三维场景中不同物体的分割方法，其特征在于，该方法包括如下步骤：步骤Ｓ１：采用三维激光扫描仪获取的室外场景的原始三维点坐标称为三维空间的点云数据，将点云数据作为输入模型，分别建立点云数据的邻接关系和空间搜索机制，估计点云数据中每一点的法向量，并计算点云数据中每一点的残差量；步骤Ｓ２：根据局部平面的微分特性确定的点云数据中每一点的残差量，并根据残差量的大小确定种子点，选择残差量最小的点作为种子点；从种子点出发，利用区域生长策略和平面一致性约束条件，查找种子点的ｋ近邻点，比较ｋ近邻点的法向量与种子点的法向量，获得具有相同或者相近法向量的点并进行平面区域的聚类；将ｋ近邻点中残差量小于给定残差阈值的点加入种子点队列，以更新种子点队列，保证种子点队列的完整性，进而得到平面区域的平滑过渡；此过程迭代执行，直到点云数据中的所有点都已经标记为不同的聚类号，这些平面聚类的关系形成了平面建筑物整体与其它物体的分割状态；步骤Ｓ３：利用获得的平面建筑物整体分割结果，选择不同于建筑物整体分割的种子点策略，仅以残差量最小的点为种子点进行局部连通区域搜索；在此种子点的选择不具备传递性，将与种子点距离在设定距离阈值范围内、法向量的夹角小于角度阈值的ｋ近邻点进行局部连通区域的聚类；在剩余点中选择下一个种子点，重复上述过程，直到所有点都已经标记完为止；这样平面建筑物区域的墙面、窗户和门等细节信息被标记为不同类型，从而实现建筑物的细节分割；步骤Ｓ４：基于场景中分割出的其它物体对单个树木进行分割，通过对其它物体部分进行基于距离标记的聚类，构造三维空间的初始聚类分块；然后利用基于距离和法向量加权控制约束的聚类合并，即为初始分块的各个聚类构造权函数以平衡类间距离与类间法向量夹角的影响；进而为所有聚类两两之间建立加权值矩阵，用于寻找加权函数确定最小值时两个聚类的标号；按照聚类的标号实现初始聚类的合并，构造具有完整性和连通性的最优分割结果，获得场景中的单个树木；步骤Ｓ５：分别对分割出的平面建筑物整体、建筑物细节信息以及单个树木的结果进行输出，得到三维场景中不同物体的最终分割结果。...

【技术特征摘要】
一种三维场景中不同物体的分割方法，其特征在于，该方法包括如下步骤步骤S1采用三维激光扫描仪获取的室外场景的原始三维点坐标称为三维空间的点云数据，将点云数据作为输入模型，分别建立点云数据的邻接关系和空间搜索机制，估计点云数据中每一点的法向量，并计算点云数据中每一点的残差量；步骤S2根据局部平面的微分特性确定的点云数据中每一点的残差量，并根据残差量的大小确定种子点，选择残差量最小的点作为种子点；从种子点出发，利用区域生长策略和平面一致性约束条件，查找种子点的k近邻点，比较k近邻点的法向量与种子点的法向量，获得具有相同或者相近法向量的点并进行平面区域的聚类；将k近邻点中残差量小于给定残差阈值的点加入种子点队列，以更新种子点队列，保证种子点队列的完整性，进而得到平面区域的平滑过渡；此过程迭代执行，直到点云数据中的所有点都已经标记为不同的聚类号，这些平面聚类的关系形成了平面建筑物整体与其它物体的分割状态；步骤S3利用获得的平面建筑物整体分割结果，选择不同于建筑物整体分割的种子点策略，仅以残差量最小的点为种子点进行局部连通区域搜索；在此种子点的选择不具备传递性，将与种子点距离在设定距离阈值范围内、法向量的夹角小于角度阈值的k近邻点进行局部连通区域的聚类；在剩余点中选择下一个种子点，重复上述过程，直到所有点都已经标记完为止；这样平面建筑物区域的墙面、窗户和门等细节信息被标记为不同类型，从而实现建筑物的细节分割；步骤S4基于场景中分割出的其它物体对单个树木进行分割，通过对其它物体部分进行基于距离标记的聚类，构造三维空间的初始聚类分块；然后利用基于距离和法向量加权控制约束的聚类合并，即为初始分块的各个聚类构造权函数以平衡类间距离与类间法向量夹角的影响；进而为所有聚类两两之间建立加权值矩阵，用于寻找加权函数确定最小值时两个聚类的标号；按照聚类的标号实现初始聚类的合并，构造具有完整性和连通性的最优分割结果，获得场景中的单个树木；步骤S5分别对分割出的平面建筑物整体、建筑物细节信息以及单个树木的结果进行输出，得到三维场景中不同物体的最终分割结果。2.如权利要求1所述的三维场景中不同物体的分割方法，其特征在于，所述的邻接关 系和空间搜索机制，是按照点云数据中每个点的坐标进行空间划分，建立k-d树实现三维 空间的快速查找与搜索。3.如权利要求1所述的三维场景中不同物体的分割方法，其特征在于，所述的基于距 离标记的聚类如下步骤首先在点云数据中选择一个点并建立其空间搜索机制，用来搜索其k近邻点，将与该 点距离在设定的距离阈值约束范围内的点归为一类；选择点云数据中的另一个点，判断与该点距离在设定的距离阈值约束范围内的近邻点 是否标记，如果全部未标记则赋予这些近邻点一个新的标记，如果近邻点中部分已经标记 则需要以出现频率最高的点的标记作为这些近邻点的标记； 重复上述过程，直到点云数据中的所有点都标记完为止。4.如权利要求1所述的三维场景中不同物体的分割方法，其特征在于，所述的基于距 离和法向量加权控制的聚类合并步骤如下(1)计算点云数据中每一点的法向量，并估算每个聚类中重心点的法向量；(2)计算任意两个聚类之间的距离du，并得到任意两个聚类之间的法向量夹角eij; dij表示第i和第j聚类之间的距离，0 ij表示第i和第j聚类的法向量夹角，i < j ；(3)构造加权控制的公式，建立各个聚类之间的权值存储矩阵，用于查找最小权值，以 获取合并聚类所需要的类号；所述加权控制是为了控制和平衡合并过程中类间距离和类间法向量的影响，采用加权 控制进行约束，其加权控制条件确定如下式中权...

【专利技术属性】
技术研发人员：张晓鹏，宁小娟，王映辉，张义宽，李红军，
申请(专利权)人：中国科学院自动化研究所，西安理工大学，
类型：发明
国别省市：11[中国|北京]