激光点云SAM多角度点云分割

        点云分割和分类不能仅采用基于正射影像（单方向）的方法，而应采用多方向的方法进行分割并生成不同角度的弧线。因此，我们仍然继续开发和增强全自动 SAM 模型的分割过程，然后为不同的点云使用提供预分类结果。

多角度解决方案

        基于正射影像的方法可能不考虑点云数据的复杂性并完全采用，相反，多角度解决方案可以完全捕获、分割和处理点云，以使用 SAM 进行自动监督分割。

然而，单角度可能只能在 ALS 的 DEM（机载激光雷达产生的数字高程模型）中完成，对于手持设备（如 Geo-SLAM 和 iPhone 扫描）和 TLS（地面激光雷达），正射影像方法可能无法覆盖所有点，仅覆盖最高的 z 点被覆盖。因此，采用和开发多角度解决方案比单一正射影像要好得多。

现有的点云多角度分割方案

SegmentAnything3D,SAM3D,分割 3D 场景中的任何内容,下载SegmentAnything3D的源码_GitHub_帮酷

SAM3D 解决方案示例

SAM3D 的总体方法和工作流程

SAM3D 的方法和工作流程

应用 SAM 模型从点云图像中提取 RGB

• 捕获整个点云的多角度图像
• 对每一帧的RGB图像使用SAM模型
• 产生图像的像素级掩模

从分段结果中获取非重叠掩码

• 由于 SAM 分段结果可能包含不同的版本和完整性（整个部分、子部分甚至不是它）
• 一旦像素被多重掩模覆盖，就获得不重叠的掩模，同时将预测交并集（IoU）最高的掩模ID分配给该像素