點雲學習之點雲分割之導語

點雲分割

點雲分割目的：将點雲分為多個同質區域，分割在同一區域中的點雲具有相似的性質。

點雲分割難點：

• 資料的備援；
• 點密度的不均勻性；
• 在資料結構表示上，缺乏明确統一的點雲資料結構;

點雲分割應用：智能駕駛（intelligent vehicles）、自動制圖（autonomous mapping）、導航（navigation）等。

        參考文獻：Nguyen A, Le B. 3D point cloud segmentation: A survey[M]. 2013.

點雲分割算法： 點雲分割的第一步：分離顯著點（foreground）與背景點（background），eg：常見的有地面點與非地面點分離； 基礎性的分割算法：通過點雲的基本屬性：法向、粗糙度、邊界凹凸度等。這類算法常用于：凸包分解、分水嶺算法、分層聚類、區域生長和光譜聚類，這些算法廣泛的應用于基于區域的分割算法。 在計算機視覺領域，對于2D圖像的分割算法中，比較突出的算法是圖割算法（graph-cut algorithm）：包括正則化圖割（normalized cuts）與最小割（min cuts）。 點雲分割算法應該具備三個屬性：

• 分割算法應考慮到不同地物塊的具體屬性；
• 分割算法應推斷出相鄰分割塊的屬性關系；
• 分割算法應适用于不同掃描器獲得的點雲資料。

基于點雲的分割算法分類： （一）基于邊界的分割算法（Edge based methods） （二）基于區域的分割算法（Region based methods） （三）基于屬性的分割算法（Attributes based methods） （四）基于模型的分割算法（Model based methods） （五）基于圖割的分割算法（Graph based methods）