基于平面提取的点云数据分割算法.pdf

《基于平面提取的点云数据分割算法.pdf》由会员上传分享，免费在线阅读，更多相关内容在应用文档-天天文库。

1、第31卷第7期计算机应用与软件Vo1．31No．72014年7月ComputerApplicationsandSoftwareJu1．2014基于平面提取的点云数据分割算法李宝顺岑红燕包亚萍李义丰(南京工业大学电子与信息工程学院江苏南京211816)摘要针对点云数据处理过程中边缘不易定位准确的问题，提出一种抗噪性强的点云数据分割新算法。该算法以点云的区域分布特性为基础，通过对数据进行主成分分析(PCA)，构建点云平面基元检测的新模型。定义多个平面相似度准则并结合多个阈值判断，进行平面的区域增长，实现点云数据的准确分割。实验结果表

2、明，该方法能快速稳定地识别场景物体各个平面，得到较为准确的分割结果，且具有较强的抗噪性能。关键词点云数据主成分分析平面基元区域增长中图分类号TV391．41文献标识码ADOI：10．3969／j．issn．1000—386x．2014．07．037SEGMENTATIoNALGoRITHMFoRPoINTCLoUDDATABASEDoNPLANEEXTRACTIONLiBaoshunCenHongyanBaoYapingLiYifeng(CollegeofElectronicandInformationEngineering，N

3、anjingUniversityofTechnology，Nanjing211816，Jiangsu，China)AbstractAimingattheproblemthattheedgeisnoteasilytobepositionedwhendealingwiththepointclouddata，wepresentasegmentationalgorithmforpointclouddatawithstrongdenoisingcapability．Thealgorithmtakestheregionaldistribut

4、ionprope~yofpointcloudasthebasis，throughapplyingprincipalcomponentanalysis(PCA)onthedata，itconstructsanewmodelforpointcloudplanarprimitivesdetection．Severalplanarsimilaritycriterionsaredefined，anda、pluralityofthresholdestimationsarecombined，botharefortheregiongrowtho

5、ftheplane，thustheaccuratesegmentationofpointclouddataisachieved．Experimentalresultsshowthatthealgorithmcanrecogniseeveryplaneofthesceneobjectfastandstably，acquiresrelativelyaccuratesegmentationresult，andisalsonoiseimmunity．KeywordsPointclouddataPrincipalcomponentanal

6、ysisPlanarprimitivesRegiongrowth数据中提取出有效的平面基元。基于此，本文提出了一种基于0引言平面提取的方法近似地重建平面，通过构建不同的局部邻域点云分布模型，确定有效的种子平面基元，结合一系列的相似度准由点云数据进行三维目标识别现已成为三维视觉领域研究则对所获得的基元进行区域增长，最终达到分割的目的。采用中的重要内容，针对点云数据的处理在许多计算机视觉任务中本文方法进行了多组实验，对所提出的平面提取算法进行完整扮演着越来越重要的角色J。而对点云的分割作为三维特征的分析和性能评价。结果表明，基于平面

7、提取的分割算法不仅提取及识别中一个十分重要的步骤，已经受到了国内外很多研能较好地得到分割结果，有效地获得数据本身含有的几何信息，究者的关注，也成为非常活跃的领域。而且具有较强的抗噪性和鲁棒性。近些年研究者提出了各种关于点云数据的分割算法，这些算法通常可分为基于边缘的算法和基于表面的算法，以及这两1基于PCA的平面基元定义者的混合算法-8]。Demarsin等基于边缘提取的方法提出产生闭合曲线网络的算法，提取了闭合的特征线条，为点云的表面PCA是利用降维的思想，在保持原始变量中更多信息的前模型重建奠定了基础；Lai等将提取特征区域

8、分成两个阶段，提下，把多个指标转化成几个综合性指标的多元统计方法。通过第一阶段来确定待增长的特征类型，由之后的重新生长阶常用于分析数据集，找到能表示出数据分布模式的主元，从而有段进行相同特征类型点的合并，整个过程有效地实现了平面、球效地反映数据的本质结构，由于其