基于超体素的图聚类用于室内点云的精确对象分割
摘要
(1)RAANSC去除背景
(2)除去背景后点云过分割为超体素
(3)基于纯几何特征的图聚类
(4)交叉边界处理细化
方法
(1)RANSAC——平面检测算法,阈值为0.01
去除背景
(2)VCCS
首先使用固定体素大小的八叉树对输入点云进行体素化,然后根据超体素大小统一放置种子点,并基于K-mean聚类生成具有自然表情的超体素。
(3)图聚类
EVD计算特征值(文献15)
(4)边缘细化
找到边界交叉点的超体素,重新细化(文献16)
实验
可视化分割结果
对分割精度、召回率、F1分数和运行时间进行了定量评估(文献17)
结论
(1)去除背景和超体素化处理,在减少数据量的同时减少对环境的影响,以满足实时操作
(2)使用纯几何特征进行图形聚类,并对分割结果进行细化,以满足操作精度要求。
数据集
(1)OCID数据集(文献18)
RGB-D数据集 对象杂乱室内数据集
(2)自收集数据集
环境
(1)Azure Kinect摄像头
(2)Intel I7-10710U CPU@1.10GHz
(3)16GB 运行内存