一、算法原理
1、概述
CPC方法是Constrained Planar Cuts缩写,与LCCP方法不同,此方法能够将物体分成有意义的块:比如人的肢体等。CPC方法可作为AI的前处理并且不需要额外训练,自底向上地将点云分割成有明确意义部分。算法大致可以分成两个部分:
- 基于超体聚类的过分割。
- 在超体聚类的基础上再聚类。
关于超体聚类相关内容见:PCL 基于超体素的点云分割
和其他基于凹凸性的方法相同,本方法也需要先进行超体聚类。在完成超体聚类之后,采用和LCCP相同的凹凸性盘踞获得各个块之间的凹凸关系。在获得凹凸性之后,CPC方法与LCCP方法所采取的措施是不同的,其操作称为半全局分割。
在分割之前,首先需要生成EEC(Euclidean edge cloud),EEC的想法比较神奇,因为凹凸性定义在相邻两个“片”上,换言之,定义在相邻两片的edge上。将每个edge抽象成一个点云,则得到了附带凹凸信息的点云。如图所示,