买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：上海理工大学

摘要：本发明提出一种基于超体素邻近聚类的点云实例分割方法，首先采集目标场景的三维点云，通过预处理得到无噪声的三维点云；采用布料模拟优化算法对三维点云地面点进行分割，将目标场景分为地面场景与非地面场景；基于三维点云特征学习技术，实现目标场景的粗分割；基于八叉树搜索技术，实现点云的体素化，并在此基础上，对体素进行初聚类，实现点云到超体素云的转换；提取超体素云的全局特征，计算全局特征间的距离矩阵，利用体素分辨率，判断超体素间的连通性，以实现目标种类三维点云的实例分割，本发明采用分步式三维点云实例分割方法，融合了地面识别、特征学习及体素构建，在保证分割效率的同时，大幅度提升点云实例分割的准确性。

主权项：1.一种基于超体素邻近聚类的点云实例分割方法，其特征在于，包括如下步骤：步骤1：获取目标场景信息，并对所述场景信息进行预处理，得到无噪声的三维点云信息；步骤2：构建三维点云布料优化模型，将所述三维点云信息分为地面点数据与非地面点数据，实现所述地面点数据；步骤3：基于三维点云特征学习技术，完成所述目标场景三维点云粗分割；所述步骤3的具体步骤如下：3.1对所述目标场景点云进行语义标注并得到标注文件，所述标注文件和所述目标场景的三维点云数据构成后续模型学习所需的粗分割数据集；3.2计算所述三维点云的整体特征，包括不同方向上的最大值、最小值、平均值及方差值；3.3计算所述三维点云的协方差矩阵，基于所述协方差矩阵，获取特征值及其特征向量，实现所述目标场景三维点云局部特征的提取；3.4利用机器学习分类算法对不同类别三维点云特征进行学习并保存算法参数；3.5使用所述保存的算法参数对所述目标场景的三维点云进行推理，输入后续扫描三维点云，输出所述目标场景中不同语义产品的粗分割结果；步骤4：将粗分割后目标种类的三维点云信息进行体素化，构建超体素，形成超体素云；所述步骤4基于八叉树算法将所述目标种类的三维点云进行逐步体素化，所述体素化过程中，体素大小达到目标分辨率时停止计算，通过判断所述体素间的连通性，构建超体素，具体计算方法如下：4.1计算所述目标场景的三维点云在X、Y、Z方向上的最大值与最小值，定义所述体素分辨率大小，获得定义分辨率；4.2构建所述目标场景三维点云的最小包围盒，并等分为八个子立方体；4.3分别判断所述子立方体内是否存在点云，若不存在则删除所述子立方体；若存在，则对所述子立方体继续等分为新的八个子立方体；4.4重复上述过程，直至所述体素分辨率小于等于所述定义分辨率；4.5计算两两体素块间的距离，对所述体素块进行初步聚类，构建所述三维点云的超体素，形成超体素云；步骤5：提取所述超体素云的全局属性，对所述超体素云进行分割，实现所述目标种类的点云实例分割；所述步骤5中，提取所述超体素云的全局属性，形成具有宏观结构的超体素云，并基于聚类算法对所述超体素云进行分割，实现所述目标种类的点云实例分割，具体步骤为：5.1计算每个超体素块的中心，对所述超体素云的全局特征进行提取；5.2计算所述超体素云的全局特征间距离矩阵，并将所述定义分辨率作为先验知识，基于所述距离矩阵对不同超体素的实例进行判断；5.3基于判断结果，对不同实例进行上采样，实现在目标场景三维点云中目标种类的实例分割任务。

全文数据：

权利要求：

百度查询： 上海理工大学 一种基于超体素邻近聚类的点云实例分割方法