目录
本文篇幅较长,分为上下两篇,下篇详见基于超体素类型的三维点云区域生长分割(续)
前言
点云在数据形态上是一组离散的多维数据集,它能有效地描述三维物体的形 状、尺寸和位置。点云数据除具有三维坐标之外,根据获取原理的不同还可能包 含颜色、光照强度和时间等信息[1]。与二维图像相比,三维点云有着较强的空间 表示能力,能够更好地表示物体的空间位置以及形状等信息,因此被广泛的应用 于无人驾驶[2]、三维重建[3]、虚拟现实[4]和遥感监测[5]等领域。但是,由于点云数据 是离散分布的,并不像二维图像一样具有纹理信息和规则的拓扑排列[6],所以对 点云数据的处理是更加复杂和更具挑战的。
点云分割是将点云数据分割成多个同质区域的过程,空间上相近的点如果符 合给定的合并准则将被分配到同一个分组中[1]。点云分割是点云数据处理过程中 的关键一步,通过对点云数据进行分割可以有效地降低数据量并且提供更多的特 征信息。因此,点云分割对后续的分类、识别、场景理解或者重建都有着重大的 影响[7]。然而由于点云数据中的点分布较为稀疏,并且还具有数据量大、分布无 序等特点[8],使得在点云分割时面临诸多的困难,主要表现为&#x