地铁点云分割方法比较研究

摘要

地铁点云数据包含了多种物体信息,无法对其进行特征识别,因此,需要通过对点云数据的分割来将点云数据所包含的不同的场景进行分离,提取出单个目标的点云信息.本文基于地铁场景中不同物体的自身特点,分别采用欧式聚类点云分割法、随机采样一致性(RANSAC)点云分割法和区域生长点云分割法并结合PCL(Point Cloud Library)点云函数库对地铁点云数据中广告墙、地铁上下车门、墩柱、轨道这四个主要部件进行分割.通过对分割后的结果进行分析,结果是在地铁情景中,基于区域生长的点云分割法更适合于准确分割出用户感兴趣的目标单体点云数据.