一种新的点云平面混合分割方法

美国《工程索引》（EI）核心期刊
美国《剑桥科学文摘》（CSA）收录期刊
荷兰斯高帕斯数据库（Scopus）收录期刊
英国INSPEC数据库（SA）收录期刊

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

一种新的点云平面混合分割方法

闫利, 谢洪, 胡晓斌, 鲍秀武

文章导航 > 武汉大学学报 ( 信息科学版) > 2013 > 38(5): 517-521

闫利, 谢洪, 胡晓斌, 鲍秀武. 一种新的点云平面混合分割方法[J]. 武汉大学学报 ( 信息科学版), 2013, 38(5): 517-521.

引用本文:

闫利, 谢洪, 胡晓斌, 鲍秀武. 一种新的点云平面混合分割方法[J]. 武汉大学学报 ( 信息科学版), 2013, 38(5): 517-521.

YAN Li, XIE Hong, HU Xiaobin, BAO Xiuwu. A New Hybrid Plane Segmentation Approach of Point Cloud[J]. Geomatics and Information Science of Wuhan University, 2013, 38(5): 517-521.

Citation:

YAN Li, XIE Hong, HU Xiaobin, BAO Xiuwu. A New Hybrid Plane Segmentation Approach of Point Cloud[J]. Geomatics and Information Science of Wuhan University, 2013, 38(5): 517-521.

一种新的点云平面混合分割方法

¹武汉大学测绘学院,武汉市珞喻路129号,430079

基金项目: 国家自然科学基金资助项目（40971192）；武汉大学博士研究生自主科研资助项目（214275573）

作者简介:
闫利，教授，博士生导师。现从事摄影测量、遥感图像处理和三维激光扫描测量技术的研究。

中图分类号: P237.3

A New Hybrid Plane Segmentation Approach of Point Cloud

¹School of Geodesy and Geomatics, Wuhan University, 129 Luoyu Road, Wuhan 430079,China

Funds: 国家自然科学基金资助项目（40971192）；武汉大学博士研究生自主科研资助项目（214275573）

摘要: 为了同时提高点云平面分割效率与可靠性，提出了一种新的将区域增长与RANSAC相结合的点云平面分割方法。该方法通过对八叉树节点进行平面度测试实现种子平面的自动遴选，将节点平面参数作为区域增长约束得到初始分割结果。实验证明了该方法能够高效可靠地实现散乱点云平面分割
- 散乱点云 /
- 八叉树结构 /
- 平面分割 /
- 区域增长 /
- RANSAC
Abstract: To improve the efficiency and reliability of plane segmentation for point cloud simultaneously,a novel segmentation approach with the combination of region growing and RANSAC is presented.For the automatic selection of the seed plane,the octree nodes are verified for their flatness,the parameters of which are using as the region growing constraints to get the initial segmentation results. Then the nodes are checked for the need of further division and segmentation according to the initial results.The final results are gained after the post processing of merging and refining parameters using RANSAC.During the segmentation process,the computation of the points’ properties such as normal vector is not required. The implemented experiment shows that our method is efficient and robust.
- point cloud /
- octree structure /
- plane segmentation /
- region growing /
- RANSAC

[1]	李健, 曹垚, 王宗敏, 王广印. 融合k-means聚类和Hausdorff距离的散乱点云精简算法 . 武汉大学学报 ( 信息科学版), 2020, 45(2): 250-257. doi: 10.13203/j.whugis20180204
[2]	蒋腾平, 杨必胜, 周雨舟, 朱润松, 胡宗田, 董震. 道路点云场景双层卷积语义分割 . 武汉大学学报 ( 信息科学版), 2020, 45(12): 1942-1948. doi: 10.13203/j.whugis20200081
[3]	王鹏, 刘如飞, 马新江, 卢秀山, 田茂义. 一种车载激光点云中杆目标自动提取方法 . 武汉大学学报 ( 信息科学版), 2020, 45(7): 1035-1042. doi: 10.13203/j.whugis20170421
[4]	袁修孝, 袁巍, 陈时雨. 基于图论的遥感影像误匹配点自动探测方法 . 武汉大学学报 ( 信息科学版), 2018, 43(12): 1854-1860. doi: 10.13203/j.whugis20180154
[5]	梁栋, 王红平, 刘修国, 沈永林. 基于平面基元组的建筑物场景点云自动配准方法 . 武汉大学学报 ( 信息科学版), 2016, 41(12): 1613-1618. doi: 10.13203/j.whugis20140682
[6]	庞世燕, 刘亚文, 左志奇, 陈正富. 结合区域增长法和TIN边缘分割的建筑物立面几何特征提取 . 武汉大学学报 ( 信息科学版), 2015, 40(1): 102-106.
[7]	陈金磊, 康志忠. 高分辨率三维激光扫描数据的微小变形统计分析 . 武汉大学学报 ( 信息科学版), 2015, 40(6): 744-750. doi: 10.13203/j.whugis20130358
[8]	高广, 马洪超, 张良. 利用合成算法从LiDAR数据提取屋顶面 . 武汉大学学报 ( 信息科学版), 2014, 39(10): 1225-1230.
[9]	韩贤权, 朱庆, 丁雨淋, 周东波. 散乱点云数据精配准的粒子群优化算法 . 武汉大学学报 ( 信息科学版), 2014, 39(10): 1214-1220.
[10]	王密, 常学立, 朱映, 应荷香, 成世文. 光学影像自动几何精校正中控制点粗差检测方法比较 . 武汉大学学报 ( 信息科学版), 2014, 39(12): 1395-1400.
[11]	方芳, 程效军. 海量散乱点云快速压缩算法 . 武汉大学学报 ( 信息科学版), 2013, 38(11): 1353-1357.
[12]	王结臣, 张辉, 吴文周, 王豹. 一种平面散乱点集的自适应空间划分算法 . 武汉大学学报 ( 信息科学版), 2012, 37(7): 770-774.
[13]	孙殿柱, 刘健, 李延瑞, 孙永伟. 三维散乱点云的Voronoi拓扑近邻点集查询算法 . 武汉大学学报 ( 信息科学版), 2011, 36(1): 86-91.
[14]	谢顺平, 冯学智, 王结臣, 周立国. 一种基于优势属性存储的四叉树结构及其构建算法 . 武汉大学学报 ( 信息科学版), 2009, 34(6): 663-666.
[15]	程亮, 龚健雅, 韩鹏, 宋小刚. 遥感影像仿射不变特征匹配的自动优化 . 武汉大学学报 ( 信息科学版), 2009, 34(4): 418-422.
[16]	曾齐红, 毛建华, 李先华, 刘学锋. 激光雷达点云平面拟合过滤算法 . 武汉大学学报 ( 信息科学版), 2008, 33(1): 25-28.
[17]	袁修孝, 宋妍. 基于边缘特征匹配的遥感影像变化检测预处理方法 . 武汉大学学报 ( 信息科学版), 2007, 32(5): 381-384.
[18]	钱俊, 舒宁, 詹总谦. 基于区域增长的单幅雷达测图算法 . 武汉大学学报 ( 信息科学版), 2004, 29(7): 624-627.
[19]	毋河海. 基于多叉树结构的曲线综合算法 . 武汉大学学报 ( 信息科学版), 2004, 29(6): 479-483.
[20]	罗亚波, 陈定方, 肖田元. 虚拟加工环境中的工件动态建模方法研究 . 武汉大学学报 ( 信息科学版), 2003, 28(2): 238-241.

WeChat

点击查看大图

计量

文章访问数: 1608
HTML全文浏览量: 57
PDF下载量: 1365
被引次数: 0

一种新的点云平面混合分割方法

¹武汉大学测绘学院,武汉市珞喻路129号,430079

基金项目: 国家自然科学基金资助项目（40971192）；武汉大学博士研究生自主科研资助项目（214275573）

作者简介:
闫利，教授，博士生导师。现从事摄影测量、遥感图像处理和三维激光扫描测量技术的研究。

收稿日期: 2013-03-26
修回日期: 2013-03-26
刊出日期: 2013-05-05

中图分类号: P237.3

关键词:

八叉树结构 /

摘要: 为了同时提高点云平面分割效率与可靠性，提出了一种新的将区域增长与RANSAC相结合的点云平面分割方法。该方法通过对八叉树节点进行平面度测试实现种子平面的自动遴选，将节点平面参数作为区域增长约束得到初始分割结果。实验证明了该方法能够高效可靠地实现散乱点云平面分割

English Abstract

闫利, 谢洪, 胡晓斌, 鲍秀武. 一种新的点云平面混合分割方法[J]. 武汉大学学报 ( 信息科学版), 2013, 38(5): 517-521.

引用本文:

闫利, 谢洪, 胡晓斌, 鲍秀武. 一种新的点云平面混合分割方法[J]. 武汉大学学报 ( 信息科学版), 2013, 38(5): 517-521.

YAN Li, XIE Hong, HU Xiaobin, BAO Xiuwu. A New Hybrid Plane Segmentation Approach of Point Cloud[J]. Geomatics and Information Science of Wuhan University, 2013, 38(5): 517-521.

Citation:

YAN Li, XIE Hong, HU Xiaobin, BAO Xiuwu. A New Hybrid Plane Segmentation Approach of Point Cloud[J]. Geomatics and Information Science of Wuhan University, 2013, 38(5): 517-521.

全文HTML

/

下载: 全尺寸图片幻灯片

分享

用微信扫码二维码

分享至好友和朋友圈

返回

我要投稿

投稿攻略

联系我们

二维码