基于三維激光點(diǎn)云的室外場(chǎng)景分割與分類.pdf

1、三維室外場(chǎng)景的分割與分類是智能機(jī)器人和計(jì)算機(jī)視覺(jué)領(lǐng)域的兩個(gè)重要研究?jī)?nèi)容。近年來(lái)，人們提出了許多方法解決這兩個(gè)問(wèn)題，但是由于三維點(diǎn)數(shù)量眾多以及三維場(chǎng)景的復(fù)雜性，解決這兩個(gè)問(wèn)題仍然具有一定挑戰(zhàn)性。本文致力于實(shí)現(xiàn)快速準(zhǔn)確的三維點(diǎn)云場(chǎng)景分割并基于此分割結(jié)果實(shí)現(xiàn)點(diǎn)云場(chǎng)景的上下文分類。
　　本文提出了一種基于區(qū)域生長(zhǎng)算法的快速準(zhǔn)確的三維場(chǎng)景分割算法。本算法得到的分割塊總數(shù)取決于場(chǎng)景的復(fù)雜度而非人工設(shè)置，因此分割結(jié)果較為準(zhǔn)確合理。與傳統(tǒng)的諸如基

2、于k-means的分割方法相比，由于不存在對(duì)每個(gè)點(diǎn)的多次迭代過(guò)程，所以能夠進(jìn)行快速分割。分割之前需要根據(jù)序列化的二維激光數(shù)據(jù)得到三維點(diǎn)矩陣，此矩陣包含了所有的三維點(diǎn)。該矩陣的重要意義在于能夠從中快速找到所有三維點(diǎn)的相鄰關(guān)系。之后的分割過(guò)程可以分為四個(gè)部分:(1)根據(jù)每個(gè)點(diǎn)的相鄰點(diǎn)估計(jì)其法向量;(2)基于自身法向量與周圍點(diǎn)法向量的方向?qū)γ總€(gè)點(diǎn)賦予平面/非平面標(biāo)記;(3)基于高程和法向量方向提取地面點(diǎn);(4)使用區(qū)域生長(zhǎng)算法生成分割結(jié)果。<

3、br>　　在點(diǎn)云分類問(wèn)題中，上下文分類器已經(jīng)被證明優(yōu)于傳統(tǒng)局部分類器。條件隨機(jī)場(chǎng)(Conditional Random Filed，CRF)模型是一種著名的判別式模型，已經(jīng)廣泛應(yīng)用于計(jì)算機(jī)視覺(jué)和智能機(jī)器人領(lǐng)域的上下文分類中，本文的分類即采用此模型。當(dāng)建立二階團(tuán)結(jié)構(gòu)時(shí)，形成的隨機(jī)場(chǎng)會(huì)有過(guò)度復(fù)雜的連接關(guān)系，導(dǎo)致推斷時(shí)間過(guò)長(zhǎng)。為了降低推斷時(shí)間，本文僅建立CRF節(jié)點(diǎn)和高階團(tuán)，而不再建立二階團(tuán)，其中節(jié)點(diǎn)即為上述分割結(jié)果，高階團(tuán)生成算法采用類似于上