一种点云分割方法及装置制造方法
【专利摘要】本发明公开了一种点云分割方法及装置，涉及三维重建【技术领域】，所述方法包括以下步骤：S1：通过深度传感器对被测场景进行逐列扫描，以获取所述被测场景的深度信息，将所述被测场景的深度信息进行坐标转换，以获得所述被测场景在本地坐标系下的三维信息；S2：从所述三维信息中分割出地面点云；S3：通过自适应阈值的聚类分割方式对非地面点云进行聚类分割，所述非地面点云为所述三维信息中除所述地面点云之外的其他点云。本发明通过自适应阈值的聚类分割方式对非地面点云进行聚类分割，有效避免了采用固定阈值对非地面点云进行聚类分割所导致的欠分割和过分割问题。
【专利说明】一种点云分割方法及装置
【技术领域】
[0001] 本发明涉及三维重建【技术领域】，特别涉及一种点云分割方法及装置。
【背景技术】
[0002] 针对大场景的三维重建，由于其在三维城市地图、道路维护、城市规划等方面的重 要应用，受到了极大关注。利用深度传感器和位置姿态传感器基于固定站或移动平台采集 周围环境的三维信息，由于其高效、实时、高精度的特性而被广泛采用。由于扫描的场景包 含不同类型的物体，例如地面、建筑物、树木、车辆等，在进行三维重建之前，需要通过点云 分割将不同类型的物体对应的点云数据彼此分割开，以便对各个物体分别进行点云建模。
[0003] 目前的大多数点云分割方法是对无序、离散的点云进行处理，而没有利用到数据 采集过程中深度传感器逐列依次扫描的有序性。点云分割方法中，聚类分割方法尤其是基 于距离的聚类分割方法，由于其方法复杂度低、易于实现，最常用于空间点云的分割。但是 由于室外大场景中地面点云的存在，而单独使用基于距离的聚类方法难以有效地对地面和 非地面物体进行分割，该方法通常与其它方法结合，先提取属于地面的点云，再对非地面点 云进行聚类分割。
[0004] 在非地面点云聚类分割部分，当前较多采用的基于固定阈值半径的聚类分割方 法，阈值的选取对分割的结果影响很大，如果阈值选取过大，间隔距离较近的小物体可能不 会被分开（欠分割）；如果阈值选取过小，间隔距离较大的物体（如建筑物）可能被分割成 多个聚类（过分割）。
【发明内容】
[0005] 为了避免采用固定阈值对非地面点云进行聚类分割所导致的欠分割和过分割问 题，本发明提供了一种点云分割方法，所述方法包括以下步骤：
[0006] S1 :通过深度传感器对被测场景进行逐列扫描，以获取所述被测场景的深度信息， 将所述被测场景的深度信息进行坐标转换，以获得所述被测场景在本地坐标系下的三维信 息；
[0007] S2 :从所述三维信息中分割出地面点云；
[0008] S3:通过自适应阈值的聚类分割方式对非地面点云进行聚类分割，所述非地面点 云为所述三维信息中除所述地面点云之外的其他点云。
[0009] 其中，步骤S2中，从所述三维信息中分割出地面点云具体包括：
[0010] S201 :以列为单位遍历所述三维信息，并将遍历到的一列作为当前列；
[0011] S202 :按照从下至上的方向遍历所述当前列的每个点；
[0012] S203 :计算遍历到的当前点的Z轴坐标和所述深度传感器所在位置的地面高度之 差的绝对值，若所述绝对值小于高度阈值，则将所述当前点作为第一个初始点Ps (1)，执行 步骤S204,否则返回步骤202 ;
[0013] S204 :检测所述初始点Ps (k)之后的截止点Pe (k),并将所述初始点Ps (k)和截止 点Pe(k)作为一对；
[0014] S205 :检测截止点Pe (k)之后的初始点Ps (k+1)，若检测到初始点Ps (k+1)，则令k =k+1，并返回步骤S204,否则将每对初始点Ps (k)与截止点Pe (k)及每对初始点Ps (k)与 截止点Pe (k)之间的点作为地面点加入所述地面点云，并执行步骤S206 ;
[0015] S206 :判断所述三维信息的每一列是否均被遍历到，若是，则执行步骤S3,否则返 回步骤S202。
[0016] 其中，步骤S3中，通过自适应阈值的聚类分割方式对非地面点云进行聚类分割具 体包括：
[0017] S301 :采用固定的初始阈值dth(0)对所述非地面点云进行聚类分割；
[0018] S302 :遍历聚类分割所获得的每个聚类；
[0019] S303:根据聚类体量计算遍历到的当前聚类的自适应阈值dth(w)，判断所述自适 应阈值dth (w)是否小于所述初始阈值半径dth (0)，若是，则基于所述自适应阈值dth (w)对 所述当前聚类进行进一步分割；
[0020] S304:判断所述聚类分割所获得到的每个聚类是否均被遍历到，若否，则返回步骤 S303。
[0021] 其中，步骤S303中，根据聚类体量计算遍历到的当前聚类的自适应阈值dth(w)具 体包括：
[0022] S3031 :遍历所述当前聚类中的每个点，将遍历到的当前点结合其邻域点拟合平 面，并将拟合获得平面的法向量作为所述当前点的法向量；
[0023] S3032 :计算所述当前聚类中所有点的法向量的平均值，并将所述平均值作为所述 当前聚类的法向量；
[0024] S3033:将所述当前聚类中的所有点均投影至投影平面上，在所述投影平面上选取 包含所有投影点的最小矩形，所述投影平面为与所述当前聚类的法向量垂直的平面；
[0025] S3034 :通过下式计算所述当前聚类的自适应阈值dth(w)，
[0026] dth (w) = k! · L (w) +k2
[0027] 其中，L(w)为所述最小矩形的短边长度，&和k2为常数。
[0028] 其中，步骤S3中，通过自适应阈值的聚类分割方式对非地面点云进行聚类分割具 体包括：
[0029] S311 :遍历所述非地面点云中的每个点，计算遍历到的当前点的自适应阈值；
[0030] S312 :根据所述非地面点云中每个点的自适应阈值对所述非地面点云进行聚类分 割。
[0031] 其中，步骤S311中，通过下式计算遍历到的当前点的自适应阈值dth,
[0032]
【权利要求】
1. 一种点云分割方法，其特征在于，所述方法包括以下步骤： 51 :通过深度传感器对被测场景进行逐列扫描，以获取所述被测场景的深度信息，将所 述被测场景的深度信息进行坐标转换，以获得所述被测场景在本地坐标系下的三维信息； 52 :从所述三维信息中分割出地面点云； S3:通过自适应阈值的聚类分割方式对非地面点云进行聚类分割，所述非地面点云为 所述三维信息中除所述地面点云之外的其他点云。
2. 如权利要求1所述的方法，其特征在于，步骤S2中，从所述三维信息中分割出地面点 云具体包括： 5201 :以列为单位遍历所述三维信息，并将遍历到的一列作为当前列； 5202 :按照从下至上的方向遍历所述当前列的每个点； 5203 :计算遍历到的当前点的Z轴坐标和所述深度传感器所在位置的地面高度之差的 绝对值，若所述绝对值小于高度阈值，则将所述当前点作为第一个初始点Ps (1)，执行步骤 S204,否则返回步骤202 ; 5204 :检测所述初始点Ps(k)之后的截止点Pe(k),并将所述初始点Ps(k)和截止点 Pe(k)作为一对； 5205 :检测截止点Pe (k)之后的初始点Ps (k+Ι)，若检测到初始点Ps (k+Ι)，则令k = k+1，并返回步骤S204,否则将每对初始点Ps (k)与截止点Pe (k)及每对初始点Ps (k)与截 止点Pe (k)之间的点作为地面点加入所述地面点云，并执行步骤S206 ; 5206 :判断所述三维信息的每一列是否均被遍历到，若是，则执行步骤S3,否则返回步 骤 S202。
3. 如权利要求1所述的方法，其特征在于，步骤S3中，通过自适应阈值的聚类分割方式 对非地面点云进行聚类分割具体包括： 5301 :采用固定的初始阈值dth(0)对所述非地面点云进行聚类分割； 5302 :遍历聚类分割所获得的每个聚类； S303:根据聚类体量计算遍历到的当前聚类的自适应阈值dth(w)，判断所述自适应阈 值dth (w)是否小于所述初始阈值半径dth (0)，若是，则基于所述自适应阈值dth (w)对所述 当前聚类进行进一步分割； S304:判断所述聚类分割所获得到的每个聚类是否均被遍历到，若否，则返回步骤 S303。
4. 如权利要求3所述的方法，其特征在于，步骤S303中，根据聚类体量计算遍历到的当 前聚类的自适应阈值dth(w)具体包括： S3031 :遍历所述当前聚类中的每个点，将遍历到的当前点结合其邻域点拟合平面，并 将拟合获得平面的法向量作为所述当前点的法向量； S3032:计算所述当前聚类中所有点的法向量的平均值，并将所述平均值作为所述当前 聚类的法向量； 53033 :将所述当前聚类中的所有点均投影至投影平面上，在所述投影平面上选取包含 所有投影点的最小矩形，所述投影平面为与所述当前聚类的法向量垂直的平面； 53034 :通过下式计算所述当前聚类的自适应阈值dth(w)， dth (w) = · L (w) +k2 其中，L(w)为所述最小矩形的短边长度，ki和k2为常数。
5. 如权利要求1所述的方法，其特征在于，步骤S3中，通过自适应阈值的聚类分割方式 对非地面点云进行聚类分割具体包括： 5311 :遍历所述非地面点云中的每个点，计算遍历到的当前点的自适应阈值； 5312 :根据所述非地面点云中每个点的自适应阈值对所述非地面点云进行聚类分割。
6. 如权利要求5所述的方法，其特征在于，步骤S311中，通过下式计算遍历到的当前点 的自适应阈值dth，
其中，L为所述当前点的深度信息，A为所述深度传感器的角分辨率，v为所述深度传感 器在水平方向的移动速度，f为所述深度传感器的扫描频率，α为扫描线所在平面与v的方 向之间的夹角，所述扫描线所在平面为所述深度传感器的中心点与所述被测场景的第Τ列 所在的平面，所述第Τ列为包括所述当前点的一列，β为扫描线所在平面与被测场景中被 测物体表面的夹角，Θ为所述被测场景的第Τ列与水平方向之间的夹角，A w为深度传感器 扫描的有效角度，AL为L的误差值，Δν为v的误差值，Δ α为α的误差值。
7. 如权利要求2所述的方法，其特征在于，步骤S3之后，还包括： S4 :将步骤S3所获得的聚类中被过分割的聚类进行合并。
8. 如权利要求7所述的方法，其特征在于，步骤S4具体包括： 5401 :遍历聚类分割所获得到的每个聚类； 5402 :对遍历到的当前聚类q中的每个点进行遍历，将遍历到的当前点结合其邻域点 拟合平面，并将拟合获得平面的法向量作为所述当前点的法向量； 5403 :计算所述当前聚类q中所有点的法向量的平均值，并将所述平均值作为所述当 前聚类的法向量； 5404 :将所述当前聚类q中的所有点均投影至投影平面上，计算所述当前聚类q的投影 面积，所述投影平面为与所述当前聚类q的法向量垂直的平面； 5405 :判断所述投影面积是否大于预设面积，若是，则将所述当前聚类q作为大体量聚 类； 5406 :判断聚类分割所获得到的每个聚类是否均被遍历到，若是，则执行步骤S407,否 则返回步骤S402 ; S407:若两个大体量聚类之间的间隔距离小于预设距离，则将对应的两个大体量聚类 合并为一个聚类，直至任意两个大体量聚类之间的间隔距离均大于所述预设距离，所述两 个大体量聚类之间的间隔距离为两个聚类中最近两个点之间的距离。
9. 如权利要求8所述的方法，其特征在于，步骤S407之后还包括： 5408 :遍历步骤S407所获得到的每个聚类； 5409 :计算遍历到的当前聚类r的高度与地面高度之间的差值ΔΗ,所述当前聚类r的 高度为所述当前聚类r的所有点中Z轴坐标的最小值，所述当前聚类r的地面高度为所述 当前聚类r中每个点所对应列的第一个初始点中Z轴坐标的最大值； 5410 :判断所述差值Λ Η是否大于预设差值，若是，则将所述当前聚类r作为悬浮聚 类； 5411 :判断步骤S407所获得到的每个聚类是否均被遍历到，若是，则执行步骤S412,否 则返回步骤S409 ; 5412 :将每个悬浮聚类合并至与其距离最近的聚类，直至每个悬浮聚类均合并至一个 非悬浮聚类中。
10. -种点云分割装置，其特征在于，所述装置包括： 扫描转换模块，用于通过深度传感器对被测场景进行逐列扫描，以获取所述被测场景 的深度信息，将所述被测场景的深度信息进行坐标转换，以获得所述被测场景在本地坐标 系下的三维信息； 地面分割模块，用于从所述三维信息中分割出地面点云； 非地面分割模块，用于通过自适应阈值的聚类分割方式对非地面点云进行聚类分割， 所述非地面点云为所述三维信息中除所述地面点云之外的其他点云。
【文档编号】G06T7/00GK104143194SQ201410410469
【公开日】2014年11月12日 申请日期:2014年8月20日 优先权日:2014年8月20日
【发明者】朱晓鑫, 周莹, 谢翔, 王丹, 李国林, 唐维俊, 王志华 申请人:清华大学