参考页面:https://pcl.readthedocs.io/projects/tutorials/en/master/region_growing_segmentation.html
区域增长分割(Region growing segmentation)
- 在本教程中,我们将学习如何使用在
pcl::RegionGrowing
类中实现的区域增长算法。这个算法的目的是 合并在平滑度约束方面足够接近 的点。 - 因此,该算法的输出是一组簇,其中每个簇是一组 被视为同一平滑曲面的一部分 的点。该算法是基于点法线之间的角度比较。
理论基础(Theoretical Primer)
- 首先,它根据曲率值对点进行排序。这里需要这样做,是因为该区域从具有最小曲率值的点开始生长。这样做的原因是曲率最小的点位于平坦区域(从最平坦区域增长可以减少段的总数)。
- 然后我们得到了排序后的点云。直到点云中没有未标记的点为止,该算法提取曲率值最小的点并开始区域增长。此过程如下所示:
- 选取的点将添加到称为“种子”的集合中;
- 对于每一个种子点,算法会寻找它的邻接点:
- 计算每个邻接的法线与当前种子点法线之间的角度。如果角度小于阈值,则将当前点添加到当前区域;
- 之后,对每个邻居计算曲率值。如果曲率小于阈值,则该点将添加到种子。
- 当前种子将从种子集合中移除。
- 如果种子集变为空,这意味着算法已经扩大了区域,并且从一开始就重复该过程。
- 可以在下面找到上述算法的伪代码:
输 入 : 点 云 = { P } 点 法 向 量 = { N } 点 曲 率 = { c } 寻 找 邻 域 函 数 Ω ( . ) 曲 率 阈 值 c t h 角 度 阈 值 θ t h 初 始 化 : 区 域 列 表 R ← ∅ 可 获 取 点 的 列 表 { A } ← { 1 , . . . , ∣ P ∣ } 算 法 : W h i l e { A } i s n o t e m p t y d o 当 前 区 域 { R c } ← ∅ 当 前 种 子 集 合 { S c } ← ∅ { A } 中 最 小 曲 率 的 点 → P m i n { S c } ← { S c } ∪ P m i n { R c } ← { R c } ∪ P m i n { A } ← { A } ∖ P m i n f o r i = 0 t o s i z e ( { S c } ) d o 找 在 当 前 种 子 点 中 的 最 近 邻 接 点 { B c } ← Ω ( S c { i } )