基于密度比例增长一致性原理的车身构件点云分割算法

针对现有算法在车身构件点云分割过程中存在微小型面结构过分割,孔洞边缘、区域平缓过渡区域欠分割的问题,提出一种密度比例增长一致性(DPGC)分割算法,用于实现复杂型面构件点云的精确分割。该算法以密度比例增长一致性原理为核心,具体过程为:首先,对扫描点云数据进行主成分分析,计算标准密度点云,得到算法的密度比例基准;其次,通过建立自适应点云搜索半径函数模型,获得各区域最佳近邻搜索半径,提高算法对不同特征区域的分割准确性;然后,采用自适应半径密度分割算法,通过设置点云与主投影点云的密度比例阈值初步筛选平面区域;最后,采用等比例自适应半径密度分割算法,通过计算搜索半径内局部投影点云,并以原点云与局部投影点云的密度比值及其等比例缩放区域密度比值的关系为分割依据,对非平面区域进行进一步筛选,得到最终分割结果。实验结果表明,以汽车车门框为典型代表,DPGC分割算法具有更高交并比,在车门框强特征区域的分割效果优于RANSAC-LS和改进区域增长分割算法等主流算法,能够有效实现对车身构件点云的准确分割。