一种基于高斯曲率和局部凹凸性的改进LCCP点云分割方法

技术领域

本发明涉及三维点云分割技术领域，提供了一种基于高斯曲率和局部凹凸性的改进LCCP点云分割方法。

背景技术

目前，3D视觉技术在工业领域中的应用日渐成熟，尤其是深度相机的普及给相关科研带来了更多的机遇和挑战，“拣箱问题”便是其中备受关注的一个。顾名思义，“拣箱问题”要解决的即是如何分拣箱体内杂乱摆放的物体，通常的解决方法是使用深度相机等传感器获取目标的深度图像或点云数据，然后对数据进行处理，最后完成定位和抓取操作。在数据处理阶段点云分割发挥着重要作用，其不仅能够提高识别和定位的准确性，还大大降低了后续计算的复杂度。

基于区域生长的点云分割方法是一种简单且有效的点云分割技术。该方法通过将具有相似属性的附近点聚集成不同的区域，实现对点云数据的分割和分类。在该方法中，首先通过选择一个或多个种子点来初始化区域生成过程。然后，对于每个种子点，使用邻域信息将相邻的点加入该区域中。邻域信息可以采用基于欧式距离、基于法向量相似性、基于颜色相似性等不同的度量方式来定义。通过这种方式可以将点云划分成多个具有不同属性的区域，为后续的目标识别和定位提供有效的基础。

然而，通常的基于区域生长的点云分割方法在物体相互堆叠的复杂情况下极易产生过分割和欠分割。LCCP(Locally Convex Connected Patches)算法首先采用超体聚类将点云划分为超体素，再利用局部凹凸性判断相邻超体素是否属于同一物体，该方法对于堆叠物体的分割效果较为理想，但仍然会出现部分超体素跨越物体边界造成欠分割的情况。

发明内容

针对上述现有技术存在的问题，本发明提出了一种基于高斯曲率和局部凹凸性的改进LCCP点云分割方法，主要用于解决复杂环境下分割堆叠物体点云的准确率问题。

本发明解决上述技术问题采用的技术方案包括如下步骤：

步骤1，利用RGB-D相机获取堆叠物体点云数据，去除设定深度以下的背景；

步骤2，使用八叉树结构将无序的点云体素化，建立分辨率为

步骤3，将体素空间划分为分辨率为

步骤4，判断相邻超体素块间的凹凸性连接，按照CC准则和SC准则进行聚类，合并凸连接的超体素块，最终获得分割结果。

进一步的，步骤1中首先需要测量RGB-D相机与桌面的距离，并采用直通滤波去除该距离以下的背景。

进一步的，步骤2中高斯曲率采用基于相邻点法向量的曲率计算方法进行计算，具体步骤如下：

（1）对于点云中的每个点

（2）设

式中

式中

（3）设

根据欧拉公式，法向曲率和主曲率有如下关系：

式中

该式子可以转化为一个优化问题的求解：

令

主曲率

（4）求得高斯曲率

进一步的，步骤3中超体聚类采用流约束聚类方式，具体如下：

所有种子体素同时向外生长，根据如下公式计算与相邻体素的相似性距离，吸收距离最近的体素；继续向外搜索，计算下一个邻接体素与聚类中心所有体素的平均相似性距离，吸收距离最近的体素，继续搜索直至所有体素均被吸收。

式中

进一步的，步骤4中CC准则利用下式进行判断：

式中

进一步的，步骤4中SC准则用于判断两超体素块是否为奇异连接，解决CC准则判定错误的情况，判定公式如下：

，

式中

凸连接的最终判定公式为：

与现有技术相比，本发明有以下优点：

（1）本发明所述方法无需训练任何模型，主要通过点云数据的几何特征实施点云分割，算法鲁棒性强，能有效分割大多数场景下的堆叠物体点云；

（2）本发明通过改进原始的LCCP算法，在超体聚类时引入高斯曲率信息，增强了对物体边界的识别，使得超体素生长时优先朝更“平坦”的区域进行，有效解决了超体素生长时容易跨越物体边界导致过分割的问题，提高了分割结果的准确性。

附图说明

图1为本发明所述方法的流程图；

图2为流约束算法的聚类方式示意图；

图3为CC准则的判定方法示意图；

图4为SC准则的判定方法示意图。

具体实施方式

下面结合附图和实例对本发明的具体实施作进一步说明。

图1为本发明提出的一种基于高斯曲率和局部凹凸性的改进LCCP点云分割方法的流程图。算法具体步骤如下：

步骤1，利用RGB-D相机获取堆叠物体点云数据，去除特定深度以下的背景。

具体的，步骤1中首先需要测量RGB-D相机与桌面的距离，并采用直通滤波去除该距离以下的背景。

作为另一个实施例，点云数据也可由激光雷达等设备获取。

作为另一个实施例，也可采用其他方法去除点云背景，如预先获取背景点云，再通过减法减去背景。

步骤2，对于步骤1中去除背景后的点云数据，使用八叉树结构将点云体素化，建立分辨率为

具体的，步骤2中高斯曲率采用基于相邻点法向量的曲率计算方法进行计算，其具体步骤如下：

1）对于点云中的每个点

2）设

式中

式中

3）设

根据欧拉公式，法向曲率和主曲率有如下关系：

式中

该式子可以转化为一个优化问题的求解：

令

主曲率

4）求得高斯曲率

作为另一个实施例，可将基于相邻点法向量的曲率计算方法替换为基于二次曲面拟合的曲率计算方法。

步骤3，将体素空间划分为分辨率为

具体的，步骤3中超体聚类采用流约束聚类方式，如图2所示，具体如下：

所有种子体素同时向外生长，根据如下公式计算与相邻体素的相似性距离，吸收距离最近的体素；继续向外搜索，计算下一个邻接体素与聚类中心所有体素的平均相似性距离，吸收距离最近的体素，继续搜索直至所有体素均被吸收。

式中

步骤4，判断相邻超体素块间的凹凸性连接，按照CC准则和SC准则进行聚类，合并凸连接的超体素块，最终获得分割结果。

如图3所示，具体的，步骤4中CC准则用于判断两超体素块是凸连接还是凹连接，判断公式如下：

式中

如图4所示，具体的，步骤4中SC准则用于判断两超体素块是否为奇异连接，解决CC准则判定错误的情况，判定公式如下：

，

式中

凸连接的最终判定公式为：

将本发明方法与两种现有方法进行对比，方法一为基于区域生长的点云分割方法，方法二为原始的LCCP算法，选择总体准确率OA(Overall Accuracy)、平均准确率mAcc(Mean Accuracy)和平均交并比mIoU(mean Intersection-over-Union)作为指标对分割结果进行评价，指标计算方式如下：

，

其中

表1本发明方法与现有方法的分割效果对比表

基于区域生长的点云分割方法分割效果最差，且明显出现了欠分割和过分割；原始的LCCP算法也出现了欠分割的情况；本发明方法的分割效果优于前两种方法，可以基本上做到分割开所有的堆叠物体，未出现明显的欠分割和过分割，且各指标参数均高于另外两种方法。

应当指出，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。