[发明专利]点云分割方法及装置

说明书

本发明的实施例中公开了一种点云分割方法及装置，所述方法包括：将原始点云数据与对应的图像数据进行融合，获得待分割点云数据；对待分割点云数据进行粗分割，获得多个粗分割数据块；构建分割相似概率模型；根据所述相似概率模型，对多个粗分割数据块进行细分割。本发明能提高点云分割的精确度。

技术领域

本发明涉及数据处理领域，特别设计一种点云分割方法及装置。

背景技术

激光雷达是以发射激光光束来探测目标的位置、速度等特征量的雷达系统，其工作原理是先向目标发射探测激光光束，然后将接收到的从目标反射回来的信号与发射信号进行比较，作适当处理后，就可获得目标的有关信息，例如目标距离、方位、高度、速度、姿态、甚至形状等参数。

激光雷达采集到的信号是以点云的形式存在的，对点云数据的处理是激光雷达检测的基础。

对点云数据处理首先是对点云进行分割，传统的点云分割技术是利用点云的空间聚类信息作为分割依据。由于点云数据的稀疏性，仅仅利用空间信息对点云进行分割会出现过分割和欠分割。过分割指的是由于点云数据较为稀疏，一个物体被错误的分为了多个物体；欠分割指的是多个物体在空间中分布较为紧密，因此被错误的视为了一个物体。

可见，现有技术中的点云分割方法容易产生错误，精确度不高。

发明内容

本发明实施例中提供了一种点云分割方法，能提高点云分割的精确度。

为了解决上述技术问题，本发明实施例公开了如下技术方案：

一方面，提供了一种点云分割方法，所述方法包括：

将原始点云数据与对应的图像数据进行融合，获得待分割点云数据；

对待分割点云数据进行粗分割，获得多个粗分割数据块；

构建分割相似概率模型；

根据所述相似概率模型，对多个粗分割数据块进行细分割。

优选的，所述构建的分割相似概率模型为：

P＝α*exp(d/δ²)+β*d(H₁,H₂)

其中，H₁，H₂表示两个分割的直方图,

I表示在直方图中的像素值，0≤I≤255，

H₁(I)表示在直方图H₁中像素值为I的个数，

H₂(I)表示在直方图H₂中像素值为I的个数，

d(H₁,H₂)是两个直方图的相似概率，

α,β是预设权重系数，δ为预设参数。

优选的，根据所述相似概率模型，对多个粗分割数据块进行细分割，包括：

根据所述相似概率模型，计算每一个粗分割数据块与其相邻粗分割数据块之间的第一相邻相似概率；

若所述第一相邻相似概率大于或等于预设阈值，则将所述粗分割数据块与其相邻粗分割数据块合并，

若所述第一相邻相似概率小于所述预设阈值，则保持所述粗分割数据块不变；

所述获得的数据块为第一参考数据块。

优选的，对多个粗分割数据块进行细分割，还包括：