PCL点云分割：Min-cut Based Segmentation

最新推荐文章于 2024-07-12 14:51:54 发布
最新推荐文章于 2024-07-12 14:51:54 发布
阅读量4.9k 收藏 7
点赞数 4
分类专栏： PCL 点云分割
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/AmbitiousRuralDog/article/details/80265283
版权
本文探讨了使用PCL库中的Min-cut Segmentation进行点云分割的问题，发现算法对参数敏感，特别是在Radius、NumberOfNeighbours和SourceWeight上的调整影响显著。官方示例结果存在误差，需要深入理解论文并应用Graph Cut知识来优化参数设置。由于其鲁棒性和普适性较低，作者未将其应用于实际项目。
摘要由CSDN通过智能技术生成

背景：

PCL官方教程：http://www.pointclouds.org/documentation/tutorials/min_cut_segmentation.php#min-cut-segmentation

Min-cut Based Segmentation论文：http://gfx.cs.princeton.edu/pubs/Golovinskiy_2009_MBS/paper_small.pdf


1. 使用感受和调参：

算法超参数太多，使用者不友好的算法。除了PCL官方教程里的参数设置，网上没有其他数据集对于的参数设置，即使作者的博客和论文提供了很多看起来很好的效果，我只能说我是不信服的。有也只能是well-tuned result.

那么官方教程里给的效果图是否是真的呢？。

答案不是。因为我复制他们的代码，跑他们的数据，得到的是：

注意上方那一台车里也有属于中间那台车的白点。

然后呢，我试着控制变量法地调算法里参数，来看看算法对参数变化的敏不敏感。

我调了它的foreground_point的x,y,z值，变化很小。

然后就是NumberOfNeighbours = 14->4, 变化蛮大的，如图：

最低0.47元/天 解锁文章
有梦想的田园犬
关注
  • 4
    点赞
  • 踩
  • 7
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
基于传统方法点云分割以及PCL中分割模块
点云PCL
12-20 1813
之前在微信公众号中更新了以下几个章节 1，如何学习PCL以及一些基础的知识 2，PCL中IO口以及common模块的介绍 3，PCL中常用的两种数据结构KDtree以及Octree树的介绍 三维点云分割是将同属性的点云物体分割出来，以便于单独对该点云物体处理，但是由于点云数据是一种高冗余度，且不均匀的数据结构，所以点云分割具有一定挑战性，点云库于（PCL）2011年推出以来，得到行业广泛的应用...
基于最小割的分割算法（Min-Cut Based Segmentation）
席小贱
12-05 7165
参考： https://www.cnblogs.com/ironstark/p/5008258.html https://github.com/Ewenwan/MVision/blob/master/PCL_APP/4_%E7%82%B9%E4%BA%91%E5%88%86%E5%89%B2%E4%B8%8E%E5%88%86%E7%B1%BB%20Segmentation.md 最小割分割...
pcl最小图割（pcl::MinCutSegmentation)算法
bBoy_Stte的博客
12-17 2224
背景知识： 最小割算法是图论中的一个概念，其作用是以某种方式，将两个点分开，当然这两个点中间可能是通过无数的点再相连的。 图一 此类方法把图像分割问题与图的最小割（min cut）问题相关联。首先用一个无向图G=<V，E>表示要分割的图像，V和E分别是顶点（vertex）和边（edge）的集合。 此处的Graph和普通的Graph稍有不同。普通的图分为有向图和无向图；由顶点和边...
PCL 点云分割 区域生长分割算法及源代码
最新发布
hgaohr1021的博客
07-12 1782
【代码】PCL 点云分割 区域生长分割算法及源代码。
PCL_点云分割_最小割算法
zhan_zhan1的博客
03-09 775
普遍应用于前背景分割，立体视觉、抠图等。 GraphCuts图是在普通图的基础上多了2个顶点，这2个顶点分别用符号**”S”和”T”**表示，统称为终端顶点。其它所有的顶点都必须和这2个顶点相连形成边集合中的一部分。所以Graph Cuts中有两种顶点，也有两种边。 第一种顶点和边是：第一种普通顶点对应于图像中的每个像素。每两个邻域顶点（对应于图像中每两个邻域像素）的连接就是一条边。这种边也叫n...
点云分割方法
05-13 3651
转载自https://www.cnblogs.com/ironstark/p/5027269.html https://blog.csdn.net/qq_30815237/article/details/91345015 点云分割 　　点云分割可谓点云处理的精髓，也是三维图像相对二维图像最大优势的体现。 　　点云分割的目的是提取点云中的不同物体，从而实现分而治之，突出重点，单独处理的目的。而在现实点云数据中，往往对场景中的物体有一定先验知识。比如：桌面墙面多半是大平面，桌上的罐...
PCL点云分割：Region Growing Segmentation
AmbitiousRuralDog的博客
05-10 8339
背景：官方网站指导：http://www.pointclouds.org/documentation/tutorials/region_growing_segmentation.php#region-growing-segmentation
PCL 点云分割与分类 Segmentation RANSAC随机采样一致性 平面模型分割 欧氏距离分割 区域聚类分割算法 最小分割算法 超体聚类 渐进式形态学滤波器
万有文的博客
04-09 1万+
点云分割 博文末尾支持二维码赞赏哦_ 点云分割是根据空间，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，点云的有效分割往往是许多应用的前提， 例如逆向工作，CAD领域对零件的不同扫描表面进行分割， 然后才能更好的进行空洞修复曲面重建，特征描述和提取， 进而进行基于3D内容的检索，组合重用等。 点云的分割与分类也算是一个大Topic了，这里因为多了一维就和二维图像比...
知识储备 PCL常用点云分割算法整理
东部世界 (East World)
01-02 2538
前言 由于需要对RGBD相机中，Depth采集到的图像分割除物体，本文整理PCL官方集成的常用点云分割算法。 官方点云集中在拥有完整点云时候的分割，而RGBD相机受限制于其视角，存在遮挡和无法观测的区域，所以怀揣着该应用的母的来对官方几个常见分割算法做梳理。 所有算法来自于官方Tutorial，参考： http://www.pointclouds.org/documentation/...
PCL官网点云分割教程使用pcd文件
04-27
包含PCL官网点云分割教程中已经失效无法下载的pcd文件。
基于ROS的激光点云处理（点云降采样、欧式聚类分割的目标检测、地面拟合分割）
01-08
完整的ROS工程，针对激光点云数据，可以实现点云降采样处理、基于欧氏距离聚类分割的目标检测和地面拟合分割算法。可以直接使用。
PCL提供的几种点云分割的方法
热门推荐
AmbitiousRuralDog的博客
05-11 1万+
前言： 点云识别的深度学习极其需要噪声少的物体点云来作为训练集。获得噪声少的物体点云需要一个好的点云分割器。PCL官方网站:http://pointclouds.org/documentation/tutorials/#segmentation-tutorial提供10来种点云分割的方法，让我来聊聊我的浅见。 PCL提供的点云分割的方法： 1. Plane model segmenta...
【PCL自学：Segmentation4】基于Min-Cut点云分割
斯坦福的兔子的博客
06-23 880
Min-Cut分割点云示例
最小割(min cut)算法
xinxiangwangzhi_的博客
09-05 1万+
最小割(min cut)算法 0引言 图像分割可以看作不同的划分问题,而图可以进行不同的划分,将图像映射为图后,分割问题就可以用图论方法(如:最小割)求解.这只是直观地解释,具体如何将图像分割转化为求图的最小割呢?本文的分析思路是首先将图像分割问题看作能量函数最小化问题,当能量函数最小时,实现最优图像分割.然后,对给定的能量函数定义一个图,让图的割集的代价正好等于给定的能量函数.最后,通过求图的最小割(即图割),实现给定能量函数的最小化,也就实现了最优图像分割.关于图像分割如何表示为能量函数最小化,可参考相
PCL点云处理之基于最小割的点云分割（九十六）
weixin_44329757的博客
01-30 854
点云分割方法之最小割PCL
pcl最小图割的分割
生活如此美好，致敬每一个热爱“热爱”的人！
10-11 894
一、概念 最小图割的分割： 图论中的最小割(min-cut)广泛应用在网络规划，求解桥问题，图像分割等领域。 最小割算法是图论中的一个概念，其作用是以某种方式，将两个点分开，当然这两个点中间可能是通过无数的点再相连的。 如果要分开最左边的点和最右边的点，红绿两种割法都是可行的，但是红线跨过了三条线，绿线只跨过了两条。单从跨线数量上来论 可以得出绿线这种切割方法更优的结论。但假设线上有不同的权值，那么最优切割则和权值有关了。 算法主要思想： 1.建图：对于给定的点云，算法将包含点云中每一个点
点云处理【六】(点云分割)
略知12的博客
10-20 1366
2.用1中得到的模型去测试所有的其它数据，如果某个点与模型的误差小于某个阈值，则该点适用于这个模型，认为它也是局内点。随机种下曲率较小的种子后进行延申，根据种子邻域与法线之间的角度与阈值比较，从而判断是否处于哪个领域。1.从一个样本集S中，随机抽取n个样本，拟合出一个模型，n是能够初始化模型的最小样本数。4.用所有假设的局内点去重新执行1,2，估计模型，因为它仅仅被初始的假设局内点估计过。3.如果模型内的局内点达到一定个数，那么估计的模型就足够合理。类RegionGrowing.py。
pcl基于最小切割的点云分割
m0_50046535的博客
07-01 652
在本教程中，我们将学习如何使用中实现的基于最小切的分割算法。该算法对给定的输入云进行二进制分割。根据对象中心及其半径，该算法将点云划分为两组：前景点和背景点（属于对象的点和不属于对象的点）。源码： 创建 min_cut_segmentation.cpp 文件 说明：1、相关头文件 2、从 .pcd 文件加载点云。 3、表明类可以使用索引。这里，只选择有效点进行分割。 4、类实例化。模板类只有一个参数 - PointT - 说明将使用哪种类型的点。 5、提供了必须分割的点云和索引。 6
Transformer-Based Visual Segmentation: A Survey
05-24
Visual segmentation is one of the most important tasks in computer vision, which involves dividing an image into multiple segments, each of which corresponds to a different object or region of interest in the image. In recent years, transformer-based methods have emerged as a promising approach for visual segmentation, leveraging the self-attention mechanism to capture long-range dependencies in the image. This survey paper provides a comprehensive overview of transformer-based visual segmentation methods, covering their underlying principles, architecture, training strategies, and applications. The paper starts by introducing the basic concepts of visual segmentation and transformer-based models, followed by a discussion of the key challenges and opportunities in applying transformers to visual segmentation. The paper then reviews the state-of-the-art transformer-based segmentation methods, including both fully transformer-based approaches and hybrid approaches that combine transformers with other techniques such as convolutional neural networks (CNNs). For each method, the paper provides a detailed description of its architecture and training strategy, as well as its performance on benchmark datasets. Finally, the paper concludes with a discussion of the future directions of transformer-based visual segmentation, including potential improvements in model design, training methods, and applications. Overall, this survey paper provides a valuable resource for researchers and practitioners interested in the field of transformer-based visual segmentation.
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值