[发明专利]一种基于超体素的点云数据分割方法有效
申请号: | 201611111975.7 | 申请日: | 2016-12-06 |
公开(公告)号: | CN106600622B | 公开(公告)日: | 2019-11-08 |
发明(设计)人: | 王泉;杨鹏飞;田玉敏;罗楠;姜媛媛 | 申请(专利权)人: | 西安电子科技大学 |
主分类号: | G06T7/162 | 分类号: | G06T7/162 |
代理公司: | 西安长和专利代理有限公司 61227 | 代理人: | 黄伟洪 |
地址: | 710071 陕西省*** | 国省代码: | 陕西;61 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | 本发明公开了一种基于超体素的点云数据分割方法,通过考虑点云数据的三维几何关系和区域连通性,利用聚类的方法将点云数据进行过分割,得到依附于目标边界的超体素;计算超体素数据平面拟合的残差值,依该值对其进行排序和筛选得到有效的种子超体素,并利用法线分布直方图、测地距离和欧式距离的差值进行区域增长,最终实现对点云数据的分割处理。以室内局部场景的点云数据作为输入,通过利用超体素和区域增长算法实现点云数据的精确分割。本发明与传统的点云分割方法相比,在保证分割效率的前提下,避免了直接处理点云数据所导致的欠分割和过分割问题,得到具有精确边界信息的分割结果,而且分割方法对点云数据的采样密度和噪音是健壮的。 | ||
搜索关键词: | 一种 基于 超体素 数据 分割 方法 | ||
【主权项】:
1.一种基于超体素的点云数据分割方法,其特征在于,所述基于超体素的点云数据分割方法通过考虑点云数据的三维几何关系和区域连通性,利用聚类的方法将点云数据进行过分割,得到依附于目标边界的超体素;计算超体素数据平面拟合的残差值,依该值对其进行排序和筛选得到有效的种子超体素,并利用法线分布直方图、测地距离和欧式距离的差值进行区域增长,最终实现对点云数据的分割处理。
下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于西安电子科技大学,未经西安电子科技大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/patent/201611111975.7/,转载请声明来源钻瓜专利网。
- 同类专利
- 一种基于超体素的点云数据分割方法-201611111975.7
- 王泉;杨鹏飞;田玉敏;罗楠;姜媛媛 - 西安电子科技大学
- 2016-12-06 - 2019-11-08 - G06T7/162
- 本发明公开了一种基于超体素的点云数据分割方法,通过考虑点云数据的三维几何关系和区域连通性,利用聚类的方法将点云数据进行过分割,得到依附于目标边界的超体素;计算超体素数据平面拟合的残差值,依该值对其进行排序和筛选得到有效的种子超体素,并利用法线分布直方图、测地距离和欧式距离的差值进行区域增长,最终实现对点云数据的分割处理。以室内局部场景的点云数据作为输入,通过利用超体素和区域增长算法实现点云数据的精确分割。本发明与传统的点云分割方法相比,在保证分割效率的前提下,避免了直接处理点云数据所导致的欠分割和过分割问题,得到具有精确边界信息的分割结果,而且分割方法对点云数据的采样密度和噪音是健壮的。
- 一种基于纹理块匹配的图案匹配方法-201910265008.3
- 陈佳舟;郑佳;陈樟樟;秦绪佳 - 浙江工业大学
- 2019-04-03 - 2019-07-23 - G06T7/162
- 基于纹理块匹配的图案匹配方法,能够允许用户通过极少的交互实现高精度、高一致性的民族文化图案分割,同时能够提高矢量化等民族文化图案数字化分析的质量。本发明包括以下步骤:首先使用全局的块匹配找到与用户指定的图案相似的所有图案;接着,利用局部块匹配检测相似图案之间的旋转关系,并进一步通过带约束的块匹配建立它们之间的稠密对应;最后,利用本文提出的协同优化模型,实现对所有相似图案的分割协同优化。本发明具有交互少、精度高、保结构等优点,还能保证相似图案之间的分割一致性,对改善诸如矢量化等民族文化图案的数字化分析有促进作用。
- 一种基于有监督显著性检测的目标跟踪方法-201710173134.7
- 杨育彬;朱尧;朱启海;毛晓蛟 - 南京大学
- 2017-03-22 - 2019-06-25 - G06T7/162
- 本发明公开了一种基于有监督显著性检测的目标跟踪方法,包含:将当前帧的搜索区域分割为超像素并提取目标和背景的超像素特征,利用SVM学习目标的判别式表观模型。每来新一帧的图像,对搜索区域进行超像素分割,利用基于图模型的流形排序进行第一阶段的显著性检测。根据判别式表观模型计算新一帧图像中每个超像素属于目标的概率,调整分类结果并结合第一阶段的显著性检测选取随机游走的种子点,通过随机游走得到第二阶段显著图。将显著图与分类结果加权得出置信图,对置信图进行处理后用积分图法估计目标新的位置和尺度。本发明能够有效处理快速运动和形变等问题,从而实现鲁棒的跟踪。
- 一种基于图构造的高光谱遥感影像异常目标探测方法-201610156118.2
- 杜博;赵锐;张良培;张乐飞 - 武汉大学
- 2016-03-18 - 2018-09-07 - G06T7/162
- 本发明公开了一种基于图构造的高光谱遥感影像异常目标探测方法,本发明将图构造方法运用于高光谱遥感影像异常目标探测可以在无需先验模型假设的情况下,对高光谱遥感影像数据从其自身特性出发进行数据自分析,从而得到高光谱遥感影像数据中的拓扑关系。通过不同的图构造方式可以得到高光谱遥感影像数据中相应的信息,如稳健背景与潜在异常目标的分割、表征数据本征维度的嵌入特征以及通过建立临近图获取影像数据中各像元异常度积分等。通过运用不同的图构造方式逐步提取高光谱遥感影像中的潜在异常信息、嵌入特征以及异常度积分,可在不需先验模型假设的情况下,通过数据自分析,对影像中的背景进行极好地抑制,同时突出异常目标。
- 一种基于深度学习的免交互式GrabCut舌体分割方法-201711133796.8
- 王丽冉;汤一平;何霞;陈朋;袁公萍;金宇杰 - 浙江工业大学
- 2017-11-16 - 2018-06-01 - G06T7/162
- 一种基于深度学习的免交互式GrabCut舌体分割方法,包括用于舌整体特征提取的深度卷积神经网络、用于对舌体区域初步检测的感兴趣区域定位网络、用于对感兴趣区域进行深层抽象特征提取的深度卷积神经网络以及用于对舌象进行分割的GrabCut算法。本发明有效的解决了现有的GrabCut算法在对舌体进行分割时过分依赖于人工交互的问题,提高了GrabCut算法在舌体分割中的自动化程度。
- 基于CUDA的多图谱三维脑图像快速分割方法-201710977831.8
- 黄海亮;颜成钢;付祖贤;赵崇宇 - 杭州电子科技大学
- 2017-10-17 - 2018-04-06 - G06T7/162
- 本发明公开了一种基于CUDA的多图谱三维脑图像快速分割方法。本发明运用块的稀疏表示方法进行多图谱标签融合算法的基础上,将特定的ROI区域的并集提取出来并进行适当的膨胀,并建立索引。在GPU中求取权重和标签,所有需要处理的点并行运行得到块向量、块的预选择、块的正则化、权重计算以及确定标签。同时利用NVIDIA的统一计算设备架构,转化为CUDA线程块并行计算过程,使部分程序在GPU中加速执行,在保证一定的分割精度下,显著地提高了算法的运算速度。本发明方法并行部分主要在解l1范数优化问题,很多只要是涉及到解l1范数优化的问题,都可以通过本发明方法更加快速地解决,所以本发明更加具有普适性。
- 基于节点匹配对的直线段与直线段的自动分割方法-201710904539.3
- 虞昌彬;夏俊;赵志刚;贺彪;李霖;董玉鹏 - 浙江大学宁波理工学院
- 2017-09-29 - 2018-03-23 - G06T7/162
- 本发明提供一种基于节点匹配对的直线段与直线段的自动分割方法,所述方法应用于第一直线段与第二直线段的自动分割过程,所述方法包括步骤S1、构建节点至直线段的节点匹配对的总个数;S2、构建第一直线段和第二直线段之间的所有顶点匹配类型;S3、将第一直线段与第二直线段之间的所有顶点匹配类型进行形式化表达;S4、确定第一直线段和第二直线段之间所有的顶点匹配类型的实现方式;S5、于第一直线段与第二直线段实交时计算交点的坐标。利用上述基于节点匹配对的直线段与直线段的自动分割方法,将匹配对概念引入直线段与直线段的自动分割方法中,提供了一种新的方法来实现了直线段与直线段的自动分割。
- 一种基于交互式图像分割的立体匹配方法-201510373989.5
- 刘侍刚;王雅宁 - 陕西师范大学
- 2015-06-30 - 2018-03-06 - G06T7/162
- 本发明涉及一种基于交互式图像分割的立体匹配方法,其是采用基于交互式图像分割的图割算法分割出用户感兴趣物体,由分割模版生成优化的网络图,调用图割算法对网络图进行最小分割计算,生成视差图,得到立体匹配结果,本发明有效利用了分割信息,减少了运算量,利用图割算法全局最优的特性得到了精确的匹配结果,实验结果表明本发明方法对于遮挡、深度不连续、光照变化、低纹理、无纹理区域等均取得了良好的效果,并且在运算时间和计算精度上都有明显的提高。
- 专利分类
- 数据显示系统、数据中继设备、数据中继方法、数据系统、接收设备和数据读取方法
- 数据记录方法、数据记录装置、数据记录媒体、数据重播方法和数据重播装置
- 数据发送方法、数据发送系统、数据发送装置以及数据结构
- 数据显示系统、数据中继设备、数据中继方法及数据系统
- 数据嵌入装置、数据嵌入方法、数据提取装置及数据提取方法
- 数据管理装置、数据编辑装置、数据阅览装置、数据管理方法、数据编辑方法以及数据阅览方法
- 数据发送和数据接收设备、数据发送和数据接收方法
- 数据发送装置、数据接收装置、数据收发系统、数据发送方法、数据接收方法和数据收发方法
- 数据发送方法、数据再现方法、数据发送装置及数据再现装置
- 数据发送方法、数据再现方法、数据发送装置及数据再现装置