基于超体素的图聚类用于室内点云的精确对象分割

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

参考文献