基于meanshift实现点云聚类附matlab代码

最新推荐文章于 2023-05-30 23:51:32 发布

天天Matlab代码科研顾问

最新推荐文章于 2023-05-30 23:51:32 发布

阅读量412

点赞数

文章标签： matlab 聚类开发语言数据挖掘机器学习

本文链接：https://blog.csdn.net/m0_57702748/article/details/130224832

版权

文章介绍了MeanShift算法的基本原理，它是一种寻找数据密集区域的聚类方法，常用于视觉领域的后处理。文中通过代码展示了如何在Matlab中实现MeanShift算法，包括数据读取、点云可视化以及聚类过程。此外，还提供了算法的搜索半径和停止阈值设定，并给出了运行结果。

摘要由CSDN通过智能技术生成

✅作者简介：热爱科研的Matlab仿真开发者，修心和技术同步精进，matlab项目合作可私信。

🍎个人主页：Matlab科研工作室

🍊个人信条：格物致知。

更多Matlab仿真内容点击👇

智能优化算法神经网络预测雷达通信无线传感器电力系统

信号处理图像处理路径规划元胞自动机无人机

⛄ 内容介绍

MeanShift作为聚类方法之一，在视觉领域有着广泛的应用，尤其是作为深度学习回归后的后处理模块而存在着。

接下来，我们先介绍下基本功能流程，然后会用代码的形式来分析。

一、算法原理：

MeanShift，顾名思义，由Mean(均值)和shift(偏移)组成。也就是有一个点x，周围有很多点xi，我们计算点x移动到每个点所需要的偏移量之和，求平均，就得到平均偏移量。该偏移量包含大小和方向，方向就是周围分布密集的方向。然后点x往平均偏移量方向移动，再以此为新起点，不断迭代直到满足一定条件结束。

基于meanshift实现点云聚类附matlab代码_点云

中心点就是我们上面所说的基于meanshift实现点云聚类附matlab代码_点云_02 周围的小红点就是黄色的箭头就是我们求解得到的平均偏移向量。那么图中“大圆圈”是什么东西呢？我们上面所说的周围的点基于meanshift实现点云聚类附matlab代码_偏移量_04 周围是个什么概念？总的有个东西来限制一下吧。那个“圆圈”就是我们的限制条件，或者说在图像处理中，就是我们搜索迭代时的窗口大小。

步骤1、首先设定起始点，我们说了，是球，所以有半径，所有在球内的点就是 , 黑色箭头就是我们计算出来的向量 , 将所有的向量进行求和计算平均就得到我们的meanshift 向量，也就是图中黄色的向量。

接着，再以meanshift向量的重点为圆心，再做一个高维的球，如下图所示，重复上面的步骤，最终就可以收敛到点的分布中密度最大的地方

基于meanshift实现点云聚类附matlab代码_聚类_05

⛄ 代码

load A     %读取点云数据
load POINT  %读取点云边界点数据
figure(1);
plot3(A(:,1),A(:,2),A(:,3),'g.');
hold on;
plot3(POINT(:,1),POINT(:,2),POINT(:,3),'r.');
OX=[50,0,0]';
OY=[0,50,0]';
OZ=[0,0,50]';
xlabel('X轴');
ylabel('Y轴');
zlabel('Z轴');
axis equal;rotate3d on;
quiver3(0,0,0,OX(1),OX(2),OX(3),'color',[1 0 0 ],'LineWidth',2);
quiver3(0,0,0,OY(1),OY(2),OY(3),'color',[0 1 0 ],'LineWidth',2);
quiver3(0,0,0,OZ(1),OZ(2),OZ(3),'color',[0 0 1 ],'LineWidth',2);
title('原始点云与边界点')
hold off;
[cc]=Mean_shift_7171(POINT,A);    %对边界点聚类,返回值为每个类簇的中心

function [CC]=Mean_shift_7171(c,A)
data=c;
%mean shift 算法  
[m,n]=size(data);  
index=1:m;  
radius=10;                         %搜索半径设定
stopthresh=1e-3*radius;    %阈值设定
visitflag=zeros(m,1);%标记是否被访问  
count=[];  
clustern=0;  
clustercenter=[];  

while length(index)>0  
    cn=ceil((length(index)-1e-6)*rand);%随机选择一个未被标记的点，作为圆心，进行均值漂移迭代  
    center=data(index(cn),:);  
    this_class=zeros(m,1);%统计漂移过程中，每个点的访问频率  
    %步骤2、3、4、5  
    while 1  
        %计算球半径内的点集  
        dis=sum((repmat(center,m,1)-data).^2,2);  
        radius2=radius*radius;  
        innerS=find(dis<radius*radius);  
        visitflag(innerS)=1;%在均值漂移过程中，记录已经被访问过得点 
        this_class(innerS)=this_class(innerS)+1; 
        newcenter=zeros(1,3);
        sumweight=0;  
        for i=1:length(innerS)  
            w=exp(dis(innerS(i))/(radius*radius));  
            sumweight=w+sumweight;  
            newcenter=newcenter+w*data(innerS(i),:);
         end  
        newcenter=newcenter./sumweight;  
        if norm(newcenter-center) <stopthresh %计算漂移距离，如果漂移距离小于阈值，那么停止漂移  
            break;  
        end  
        center=newcenter;
    end  
     %步骤6 判断是否需要合并，如果不需要则增加聚类个数1个  
    mergewith=0;  
    for i=1:clustern  
        betw=norm(center-clustercenter(i,:));  
        if betw<radius/2  
            mergewith=i;   
            break;  
        end  
    end  
    if mergewith==0           %不需要合并  
        clustern=clustern+1;  
        clustercenter(clustern,:)=center;  
        count(:,clustern)=this_class;  
    else                      %合并  
        clustercenter(mergewith,:)=0.5*(clustercenter(mergewith,:)+center);  
        count(:,mergewith)=count(:,mergewith)+this_class;    
    end  
    %重新统计未被访问过的点  
    index=find(visitflag==0);  
end%结束所有数据点访问 

%绘制分类结果，仅只画出前4个类簇，可根据自己需要作调整画图。
for i=1:m  
    [value index]=max(count(i,:));  
    Idx(i)=index;  
end  
figure(2);  
plot3(A(:,1),A(:,2),A(:,3),'g.');
hold on;  
for i=1:m  
    if Idx(i)==1;  
        plot3(data(i,1),data(i,2),data(i,3),'o','MarkerEdgeColor','k','MarkerFaceColor','y', 'MarkerSize',5);
    elseif Idx(i)==2;  
        plot3(data(i,1),data(i,2),data(i,3),'o','MarkerEdgeColor','k','MarkerFaceColor','b', 'MarkerSize',5);
    elseif Idx(i)==3;  
         plot3(data(i,1),data(i,2),data(i,3),'o','MarkerEdgeColor','k','MarkerFaceColor','r', 'MarkerSize',5);
    elseif Idx(i)==4;  
         plot3(data(i,1),data(i,2),data(i,3),'o','MarkerEdgeColor','k','MarkerFaceColor','w', 'MarkerSize',5);
% elseif Idx(i)==5;
%      plot3(data(i,1),data(i,2),data(i,3),'o','MarkerEdgeColor','k','MarkerFaceColor','w', 'MarkerSize',5);
%         '
%         '
%         '
    end  
end  


for k = 1:clustern
    CC(k,:)=[clustercenter(k,1),clustercenter(k,2),clustercenter(k,3)];
end  
OX=[50,0,0]';
OY=[0,50,0]';
OZ=[0,0,50]';
xlabel('X轴');
ylabel('Y轴');
zlabel('Z轴');
axis equal;rotate3d on;
quiver3(0,0,0,OX(1),OX(2),OX(3),'color',[1 0 0 ],'LineWidth',2);
quiver3(0,0,0,OY(1),OY(2),OY(3),'color',[0 1 0 ],'LineWidth',2);
quiver3(0,0,0,OZ(1),OZ(2),OZ(3),'color',[0 0 1 ],'LineWidth',2);
hold off
title('Mean shift对边界点聚类');