一种基于改进K-近邻算法的三维场景点云分割方法

摘要

本发明公开了一种基于改进K‑近邻算法的三维场景点云分割方法，属于机器视觉技术领域。为优化局部特征提取网络，提高点云模型的分割精度，在深度神经网络PointNet基础上，结合改进K‑近邻算法的局部特征提取方法，将加入局部特征提取方法的神经网络命名为PointNet‑KNN。本发明以点的k邻域特征代替单个点特征作为输入进行特征提取，通过调节局部特征提取的网络深度，增强了局部邻域点与点之间的相互关联。在K‑近邻算法的改进上，本发明对局部邻域划分区域，将其划分为k个圆形邻域，根据局部邻域样本数据分布密度的差异计算待测点对于k个圆形邻域的加权分类情况，从而对待测点精准分类，最后将改进的K‑近邻算法应用于PointNet‑KNN点云分割网络具有更高的分割精度。