点云分割六类方法

① 基于属性的分割算法使用点云属性作为聚类阈值得到分割结果，过于依赖点云密度且相当耗时；
② 基于图的分割算法利用点云的数据结构构造图，用权值表示点之间的相似性，利用权值进行点云分割，分割精确度高，但是分割效率低；
③ 基于模型的分割算法将点云拟合成球、圆柱等数学模型，分割范围有限，对于复杂场景点云分割效果欠佳；
④ 基于边缘检测的方法通过扫描线、梯度等方法检测点云区域的边界来获取分割区域，分割速度快，但是分割准确率低，且易受噪声干扰；
⑤ 基于机器学习的分割算法利用机器学习算法分割，需离线训练，而且需要足够的训练集；
⑥ 基于区域生长的分割算法，通过选取种子点，以法向量夹角或曲率作为阈值进行区域生长，能够保持良好的边界性与区域连通性，分割效率高，但算法性能依赖于种子选取。

作者：自信侠
链接：https://www.jianshu.com/p/272e3462dee1
来源：简书