点云分割

摘要： 叶片是植物进行光合作用和产生营养物质的重要器官,准确、快速地获取植物叶片参数对于了解植物生长规律、提高产量具有重要意义。本文使用图卷积神经网络GCNN作为基本框架,并在网络的各层更新图的构成。本文使用采集的864株植株点云数据作为数据集,并用相同的设备在该数据集上验证本文的模型,实验表明,本文的方法与以往的点云分割模型相比具有较大的性能提升。

摘要： 该文提出一种基于SLAM定位的多位置和姿态点云的拼接与分割方法,可提供信息量大且准确的点云样本数据。首先,利用RTAB-MAP框架构建SLAM算法,由KinectV2传感器采集获得带有位姿信息的多角度RGBD图像样本,并转化为三维点云场景数据;其次,改进ICP算法并基于SVD算法设计多位姿点云的拼接算法;再次,根据原始点云的RGB信息与凹凸性特征,设计三维点云分割算法,以此形成一系列点云目标;最后,开展点云拼接和点云分割实验,实验结果验证了该文所提算法的正确性和有效性。

摘要： 提出一种应用在无人物流车上的激光雷达采集的地面点云分割方法。首先,使用体素网格降低点云数据的复杂度;其次,使用几何特征法向量完成初步分割;最后根据经典三角网渐进加密实现地面点云的进一步分割,达到滤除地物点的目标。经过实车采集的数据回灌验证,该方法能够有效完成无人物流车感知中的地面点云分割问题,支撑后续的点云分割和聚类功能。

摘要： 针对目前对工件点云分割中出现的过分割、欠分割等问题,提出一种结合欧式聚类和自适应法向量约束的工件分割方法。首先对采集到的点云进行体素滤波,使用随机采样一致性(random sample consensus,RNASAC)算法滤除背景并通过统计滤波器去除噪点,接着利用欧式聚类算法将目标点云划分成点云簇,最后针对点云簇中含有多个工件点云的情况,计算点云簇的平均法向量,利用区域生长算法对不同的点云簇设置不同的法向量约束并进行分割,最终完成工件点云分割。结果表明:本文提出的分割方法能够有效地分割出感兴趣的工件,且分割效果较稳定,为后续工件尺寸测量提供实验依据。

摘要： 点云是3维图像的一种特殊数据形式,正逐渐成为3维图像信息处理的研究热点;点云分割是点云数据处理的重要步骤,对算法的结果有直接影响;基于3维图像几何特征的点云分割算法结构简洁、运算结果稳定性强,且易于调整,在实际应用中占有主要地位。对最近几年涌现出来的基于几何特征的点云分割方法进行了梳理,根据每种方法的理论基础和应用特点将算法归纳为基于边缘检测、表面特征和模型拟合的点云分割方法,分析了各类算法的特点和存在的主要问题,并进行了算法性能比较,分析了影响点云分割算法效率的主要因素,最后对未来的发展趋势进行了展望。

摘要： 食物嵌塞是口腔常见病征,容易引发局部牙龈红肿、溢脓、龋齿等口腔问题,给患者带来极大的痛苦和不便。目前临床上难以自动筛查嵌塞牙齿,且传统的锥形束CT重建方法的准确度及精度均有待提高。提出一种牙齿嵌塞自动化判断的方法,对牙齿模型进行单个牙体的精准分割,在U-Net网络的基础上使用KPConv卷积核代替二维卷积核来构建分割网络,并使用图割方法优化分割结果。同时,采用平面拟合的方法将分割后的牙齿模型投影到水平和竖直平面上,在平面上求出牙齿嵌塞特征,并利用支持向量机根据所求特征对牙齿的嵌塞情况进行判断。通过充分利用样本模型的几何结构信息,设计简化牙齿模型的几何采样及包含牙齿几何结构约束的图割方法提高网络模型的运算时间及精度。实验结果表明,该方法对牙齿模型的分割准确率为92%,对牙齿嵌塞的判断正确率为81%,能够为医生提供辅助诊断。

摘要： 近年来,深度传感器和三维激光扫描仪的普及推动了三维点云处理方法的快速发展。针对传统的前后端分离的点云分割模式,提出了一种使用移动端设备进行三维数据采集与处理的一体化技术方案。基于谷歌的AR Core开发平台,进行了安卓设备上的深度图获取实验,深度图可进一步转换为点云数据;通过对模型轻量化方法的研究,改进了PointNet网络,使模型参数量减少为原来的1/5,同时具有约73%的分割精度;最后利用TensorFlow Lite移动端深度学习框架,将改进的PointNet网络成功部署到了安卓智能手机上,量化后的tflite模型仅268 kB大小,在启用GPU加速后,对单幅场景点云数据的推断速度约为0.7 s。实验结果表明了提出方法的可行性。

摘要： 针对视频点云压缩(video-based point cloud compression,V-PCC)把点云序列分解成2D的非规则图像块(patch)进行编码,破坏点云连续性,不利于后续帧间预测的问题,设计一种三维配准帧间预测结合V-PCC帧间预测的改进算法.首先,为了提高点云配准的有效性,设计一种基于运动一致性的二叉树的粗分割和进一步八叉树细分割的算法,使得每一块点云在配准时具有一致性运动和准确的对应性.进一步地,为了保证三维帧间配准预测的可靠性,对分割后的块进行三维配准帧间预测并计算误差.对于误差小于一定阈值的块直接熵编码块索引和运动信息;对于误差大于阈值的块,则融合并使用V-PCC的帧间估计.实验结果表明,本方法进一步提高了V-PCC的编码性能.

摘要： 激光SLAM通常通过多帧点云配准,完成位姿变换矩阵的估计,而点云中的动态点会降低激光里程计的定位精度。为了减少动态点引入的误差,提出了一种动态点云识别算法,并结合该算法改进了传统特征匹配策略,组成了动态环境下融合激光雷达和IMU的激光里程计。通过约束范围角与动态中心点,将点云快速分割成多个簇类,再借助IMU信息,快速建立点云簇类配准关系,从而去除动态点,最后根据簇类的对应关系进行约束,以提高匹配的精度与速度。使用KITTI数据集和UGV在多个情形下进行了实验。实验结果表明,该算法可以成功识别点云中的多个动态对象,并通过去除动态点,有效地减少了位姿估计的累积误差。

摘要： 砼地面平整度是地面施工的主要指标之一,精准测量砼地面平整度可提高施工效率。结合三维激光扫描技术与WebGL技术,提出基于点云数据的砼地面平整度可视化方法。利用三维激光扫描仪获取砼地面平整度的点云数据,预处理后经迭代最近点法(ICP)对点云数据精确配准;用随机抽样一致算法(RanSac)拟合出标准面模型,通过局部凸连接(LCCP)方法判别点云数据的凹凸性;最后,结合WebGL技术实现平整度信息的Web端可视化。实验表明:该方法在Web端展现地面的平整度信息,为调整砼地面平整度提供依据。

摘要： 点云分割识别是激光雷达数据自动化处理最为关键和困难的过程，其目的是根据空间、几何和纹理等特征对点云进行划分，使得同一划分内的点云拥有相似的特征。本文分析了基于光滑约束的点云分割算法和基于谱分析的点云识别算法，针对附有颜色信息的点云数据提出了基于图切割的分割算法。通过对三种算法的实现与实验指出了三种算法的区别与联系，指明了三种算法不同的应用领域及场景。

摘要： 针对激光点云中噪声对点云分割的影响,提出了一种基于点云法向量稳健估计的建筑物立面分割方法.通过马氏距离对主成分分析中的协方差矩阵进行抗差估计,基于稳健主成分分析法求解点云抗差法向量.改进区域生长算法种子点选取方式,依据点云法向量相似度作为约束条件,采用改进的区域生长算法分割建筑物立面点云.结合某建筑物点云进行实验,结果表明,该方法具有一定的抗噪性,能较好地提取建筑物立面点云,为后续建筑物三维模型重建提供了基础信息.

摘要： 基于KinectFusion的在线扫描与重建技术极大改进了基于消费级深度摄像机的实时室内场景重建.以基于KinectFusion扫描获得室内场景点云数据为基础,提出了一种新的点云分割方法.介绍了场景点云的分割算法及基于平面patch的分类与平面边界裁剪的平面提取过程，该方法可准确识别和提取点云数据中的平面结构,并对其进行三维重建.

摘要： 本公开提供了一种点云语义分割网络训练方法、点云语义分割方法、装置、电子设备和存储介质，可以应用于人工智能技术领域。该方法包括：将多组点云数据分别映射到初始视图中，得到多个环视投影图；基于预设尺寸，分别对第一环视投影图和第二环视投影图进行分区处理，得到多个第一分区图和多个第二分区图；从多个第一分区图中确定多个第一目标分区图；利用多个第一目标分区图中的每个第一目标分区图分别对第二环视投影图中的第二目标分区图进行替换，得到混合投影图；以及将第一环视投影图和混合投影图作为训练样本来对初始网络进行训练，得到点云语义分割网络。

摘要： 本申请实施例提供了一种点云语义分割模型生成方法、点云语义分割方法及系统，其中，点云语义分割模型生成方法包括：接收中心节点下发的训练完成的基础点云语义分割模型；基于基础点云语义分割模型和当前用户节点对应的、用于对当前用户节点的隐私点云数据进行处理的场景适配器，构建当前用户节点的场景点云语义分割模型；以当前用户节点的隐私点云数据为训练样本，对场景点云语义分割模型进行训练，获得训练完成的场景点云语义分割模型；将场景点云语义分割模型的模型数据发送给中心节点，以使中心节点根据当前用户节点的场景点云语义分割模型的模型数据，结合其它用户节点发送的场景点云语义分割模型的模型数据，整合生成全局点云语义分割模型。

摘要： 本发明涉及一种基于点云过分割与面片生长的植株点云单叶片分割方法，包括：对植物点云数据进行预处理。根据点云中每个点的空间特征对滤波后的植物点云数据进行基于3D面片的过分割。基于面片的区域生长，根据面片的邻接关系和面片之间的共面特性进行区域生长，生长后的多个面片将拼接为一个大的空间结构，如果其覆盖的点数超过一定数量则被认为是一个分割出的单片叶片。与现有技术相比，本发明可以有效地对多种稠密的三维植物点云进行单个叶片分割，适用于双目立体视觉成像系统以及Kinect v2变结构光传感器获取的三维植物点云，具有适普性高、分割精准度高等优点。

摘要： 本公开提供了一种点云处理模型的训练和点云实例分割方法及装置，涉及深度学习和计算机视觉技术领域，可应用于3D视觉、增强现实和虚拟现实等场景。具体实现方案为：根据有标签点云，对无标签点云进行标注，得到样本点云；将所述样本点云输入至点云处理模型，得到所述样本点云的第一预测语义信息和第一预测偏移量；根据所述第一预测语义信息、所述第一预测偏移量、所述样本点云对应的样本标签和所述样本点云的原始坐标信息，确定训练损失；采用所述训练损失，对所述点云处理模型进行训练。通过上述技术方案，能够使得点云处理模型具有较高精度。

摘要： 本发明公开了一种用于点云分割的构图方法、系统及点云分割系统、装置，该方法包括：在点云数据中选择一个中心采样点信号，计算与其它采样点信号之间的整体相似度，以此排序得到邻居序列，并计算基准值；捕捉基准值代表的点云数据的数字特征，计算得到阈值；根据基准值及阈值来计算逐维度相似度，捕捉整体相似度无法衡量的信号突变结构信息；融合整体相似度与逐维度相似度，得到融合相似度并排序，选取融合相似度最高的K个点，作为中心点最近邻的K个邻居进行构图。该分割系统包括：图卷积神经网络的构建单元、图卷积神经网络的训练单元及点云数据分割单元。通过本发明，可以节约工作量和时间，并且能显著提高物体连接处点的分类准确率。

摘要： 本申请公开了点云分割模型的训练方法、点云数据分割方法及相关装置。该方法包括：获取训练点云；其中，训练点云中的数据点按照体素进行分类得到对应的真实体素，每一真实体素标注有真实信息；将训练点云输入至点云分割模型，得到点云分割模型输出的预测体素、以及预测体素对应的检测信息；确定至少一体素对，每一体素对包括对应的一预测体素和真实体素；根据体素对的真实信息和检测信息之间的差异，调整点云分割模型的网络参数。通过上述方式，能够减少体素特征向数据点特征的转换，减少转换过程中的损失，减少计算量，从而提升点云分割模型的分割准确性。

摘要： 本发明公开了一种用于点云分割的构图方法、系统及点云分割系统、装置，该方法包括：在点云数据中选择一个中心采样点信号，计算与其它采样点信号之间的整体相似度，以此排序得到邻居序列，并计算基准值；捕捉基准值代表的点云数据的数字特征，计算得到阈值；根据基准值及阈值来计算逐维度相似度，捕捉整体相似度无法衡量的信号突变结构信息；融合整体相似度与逐维度相似度，得到融合相似度并排序，选取融合相似度最高的K个点，作为中心点最近邻的K个邻居进行构图。该分割系统包括：图卷积神经网络的构建单元、图卷积神经网络的训练单元及点云数据分割单元。通过本发明，可以节约工作量和时间，并且能显著提高物体连接处点的分类准确率。

摘要： 本发明涉及一种基于机载雷达点云的铁路场景点云分割方法，包括下列步骤：S1.确定初始种子点，标记进特定序列中；S2.搜索近邻点，若与种子点法线夹角小于阈值，添加进当前区域；S3.计算近邻点曲率值，若小于阈值，则添加进所述特定序列中；S4.删除对应的一个初始种子点；S5.重复上述步骤S1‑S4,直到所述特定序列中初始种子点为空；S6.对所述特定序列按照上述步骤S2‑S5进行迭代处理，直到将所有的点都标记成不同的区域；S7.得到目标物体。可以有效分割每个单目标物体，并在不同环境下提出不同的参数范围，有利于在处理不同铁路场景下进行选择。

摘要： 本发明涉及一种基于点云空间位置实现的点云全自动分割方法，其技术特点是：步骤1、搜索点云中单位内点的个数，如果小于固定值则判定为噪点，从点云中去除噪点；步骤2、将点云分割为多个小范围点云，根据点云的高程判断方法获取出地面点和地面点之外的点，进行地面点分割；步骤3、将点云切割成多个块，根据每个块内点的高程判断低植被点云和高植被点云，进行低植被点和高植被点分割。本发明设计合理，其通过空间位置信息将原始点云分割为地面点、高植被、低植被等类别，减少了点云分割任务对内业人员经验的依赖，同时提高点云分割任务的准确性以及目的性。

摘要： 本申请涉及自动驾驶技术领域，提供一种点云补全和点云分割方法、装置、电子设备及存储介质，其中点云补全方法包括：获取包含目标物体的三维点云和二维图像；将所述三维点云投影到所述二维图像中，得到二维深度图像；对所述二维深度图像进行补全，得到二维深度补全图像；对所述二维深度补全图像进行反投影，得到包含所述目标物体的补全三维点云。本申请提供的方法、装置、电子设备及存储介质，避免了目标物体的点云过于稀疏出现分层的现象，提高了点云分割的准确性和分割效率。