[发明专利]一种基于DBSCAN的分层点云分割方法

权利要求书

1.一种基于DBSCAN的分层点云分割方法，其特征在于，包括如下步骤：

步骤S0：通过地基激光扫描仪或者移动激光扫描仪获取侧视激光点云数据，并利用布料模拟滤波算法CSF对点云数据进行地面滤波分割地面点和非地面点；

步骤S1：对非地面点云基于层高H对点云数据进行垂直分层，且将每一层点云数据投影至XOY平面且进行一次DBSCAN聚类，并获取每个聚类簇的中心点；

步骤S2：根据大部分物体在不同高度的位置分布一致性，将所有中心点在XOY平面的投影进行一次DBSCAN聚类，提取每个物体主体；

步骤S3：基于每个物体的主体都是完整独立的假设，判断每一层每个簇中所包含的主体数，从而判断每一层的每个簇是否为多主体相交的簇；

步骤S4：遍历所有簇，如果簇中只包含一个物体，则认为该簇中所有点都属于该物体，而对于包含多个物体的簇，利用同一个物体之间垂直方向的连续性进行进一步分割处理；

所述步骤S1的具体实现步骤如下：

步骤S11：遍历点云数据从而获取点云数据Z值的最大值和最小值，基于每一层层高H计算总层数以及数据中每个点所属的层；

步骤S12：分别获取每一层的所有点在XOY平面上的投影点，并对每一个点进行标记，记录该点所在的层数；

步骤S13：对每一层在XOY平面上的投影点进行一次DBSCAN聚类，得到每一层的聚类簇，然后对每个聚类簇计算聚类簇中所有点的中心点；

所述步骤S2中DBSCAN聚类的具体实现步骤如下：

步骤S21：随机获取簇中一个未标记的点，获取该点的邻域半径Eps范围的近邻点，如果近邻点个数大于邻域内最小点数MinPts，则认为该点为核心点，加入核心点队列，且创建一个簇队列，否则为噪声点，重新开始步骤S21，其中Eps需要小于物体与物体之间的距离且大于预设值，而MinEps设置为0；

步骤S22：遍历核心点队列，获取每个核心点的Eps范围的近邻点，将所有近邻点加入簇中且标记，并对每个近邻点再次进行搜索Eps范围内的点，如果搜索到的点数大于MinPts，则认为该近邻点为核心点，加入核心点队列；

步骤S23：遍历核心点队列结束后，判定是否还存在未标记的点，如果存在，则重新开始步骤S21，否则结束循环；

所述步骤S3的具体实现步骤如下：

步骤S31：首先遍历每一个主体的每一层，判断该主体的每一层中是否存在主体点；

步骤S32：如果主体中的其中一层存在一个以上的主体点，则认为该主体点所对应的主体簇包含该主体所对应的物体的点，将该主体所对应的物体加入该主体簇包含物体的队列中；如果其中一层不存在主体点，则获取该层的位置簇，将位置簇与缺失主体的层中的每个簇分别进行一次AABB包围盒碰撞检测，如果检测与其中一个簇检测通过，则认为在该簇中包含该主体所对应的物体，将该主体所对应的物体加入该簇包含物体的队列中；

所述步骤S4中存在多个物体的簇进行分割的具体实现步骤如下：

步骤S41：获取每个物体相交簇所在层的位置簇，将每个物体的位置簇中的点云加入种子点云，并对每个种子点云中的点基于物体进行标记；

步骤S42：对相交簇中每个点搜索种子点云中的最近邻点，其最近邻点的标记作为该点的类别标记。

2.根据权利要求1所述的一种基于DBSCAN的分层点云分割方法，其特征在于，所述步骤S0中利用布料模拟滤波算法CSF对点云数据进行地面滤波需要多次迭代滤波，当地面点与非地面点明显分割时，结束迭代。

3.根据权利要求1所述的一种基于DBSCAN的分层点云分割方法，其特征在于：所述步骤S1中层高H的确定是基于点云数据垂直方向的稀疏程度，当点云稀疏时需要预设的H值来保证每个物体大部分层次中点云完整。

4.根据权利要求1所述的一种基于DBSCAN的分层点云分割方法，其特征在于：所述步骤S2中，主体指物体的主要部分，将对中心点聚类出的每一簇视为一个主体，将簇中的每一个中心点视为一个主体点，将每个主体点对应的簇称为主体簇。