基于区域增长方法的点云分割

点云分割作为现在机器视觉中的热点问题是点云分类、识别以及三维重建的基础,分割结果对后续的场景分析有着重要作用。本文通过对点云分割展开研究,对三维点云数据进行体素化处理得到体素云,然后在体素空间内进行网格化处理来筛选种子体素,再利用聚类算法形成超体素,完成过分割的处理过程。根据区域增长算法原理,对过分割得到的超体素数据进行平面拟合,实现点云数据的分割。实验结果表明本文的分割算法可以提高处理效率,使计算量大大减少,并且使最后的分割结果更加精确。