一种基于点云体素矩形栅格的火车车厢的定位与分割方法

基于体素的点云分割方法
基于体素的点云分割方法是一种处理点云数据的方法，它主要基于体素（voxel）的概念，将三维空间划分为一系列立方体，每个立方体称为一个
体素。

以下是基于体素的点云分割方法的一般步骤：
1. 建立体素空间：根据设定的体素分辨率，使用八叉树结构对输入的点云数据进行等分，将三维空间划分为一个体素化网络。

在这个过程中，点云数据中的最大和最小坐标点被用来建立包围盒，最小值点作为坐标轴的起始点，并且所有点云的体素中心坐标被记录下来。

2. 生成超体素种子：在规则的体素网络上均匀地生成超体素种子。

超体素种子分辨率（超体素半径）要远大于体素半径。

超体素种子分辨率决定超体素区域的大小，由于超体素包含多个体素，所以超体素半径远大于体素半径。

超体素种子分辨率越大，最后分割出来的结果中超体素的数目就越少。

3. 选择初始种子：在网络中选定一个距离网络中心最近的体素作为种子体素。

设定搜索范围，记录该范围内的体素数目。

当搜索范围内的体素数目超过设定的阈值时，就保留该种子点，否则删除该超体素种子点。

然后将种子体素移动到它范围内部梯度最小的体素的位置，作为新的种子体素的位置。

4. 进行超体素分割：以种子体素为起点，进行广度优先搜索（逐层搜索）邻近的体素。

根据特征距离对体素进行局部聚类。

聚类是在39维特征空间中
进行的。

这个过程迭代进行，直到将所有体素分配给超体素为止。

基于以上步骤，可以实现对点云数据的基于体素的分割。

这种方法能够有效地处理大规模点云数据，并且在三维重建、物体识别、机器人导航等领域有广泛的应用。

专利名称：一种基于体素点云融合的三维动态目标检测方法及装置
专利类型：发明专利
发明人：陶重犇,郑四发,曹杰程,周锋,张祖峰
申请号：CN202111250717.8
申请日：20211026
公开号：CN113989797A
公开日：
20220128
专利内容由知识产权出版社提供
摘要：本发明提出了一种基于体素点云融合的三维动态目标检测方法及装置，采用两阶段的多次、多尺度特征融合的检测架构,第一阶段对点云直接处理提78取关键点特征和划分体素空间提取多尺度体素特征,将两者特征进行初次融合生成预选框.第二阶段在每个体素中设置参考点并吸收周围的关键点进行第二次的特征融合,将最终特征输入检测模块,实现预选框的优化.另外,针对分类和定位置信度不一致的问题,提出一种强制一致性损失函数,可以进一步提高检测的准确性.本发明的算法在
Kitti,Waymo,Nuscene数据集中与其他算法进行了对比,并且通过实物车辆平台进行了可移植性和消融性研究,结果表明,本发明算法针对三维动态目标检测的准确率高,鲁棒性、可移植性和泛化能力强。

申请人：清华大学苏州汽车研究院(相城)
地址：215134 江苏省苏州市相城区高铁新城太阳路2266号一号楼
国籍：CN
代理机构：苏州创元专利商标事务所有限公司
代理人：孙周强
更多信息请下载全文后查看。

基于实测点云数据的隧道分割及形变检测方法安新 赵晓涛 胡琼中国安能集团第三工程局有限公司成都分公司 四川成都 611136摘要：随着现代测绘技术的进步，点云数据成为了隧道健康监测中不可或缺的工具。

针对西气东输这类的大型能源输送隧道，提出了一种基于实测点云数据的隧道分割与形变检测方法。

首先，通过结合几何和密度的分割策略，准确地从原始点云数据中提取隧道结构。

其次，采用时间序列和特征检测策略，实现了对隧道微小形变的准确识别。

此外，引入机器学习方法进一步提高了形变检测的准确性和自动化程度。

实验结果表明：此方法在实际工程应用中具有很高的准确性和稳定性，为隧道的安全运营提供了有力的技术支撑。

关键词：点云数据 隧道健康监测 形变检测 机器学习 西气东输中图分类号：U45文献标识码：A 文章编号：1672-3791(2024)05-0113-03 Segmentation and Deformation Detection Methods of TunnelsBased on Measured Point Cloud DataAN Xin ZHAO Xiaotao HU QiongChengdu Branch, China Anneng Group Third Engineering Bureau Co., Ltd., Chengdu, Sichuan Province,611136 ChinaAbstract:With the advancement of modern surveying and mapping technology, point cloud data has become an indispensable tool in the health monitoring of tunnels. A segmentation and deformation detection method of tun⁃nels based on measured point cloud data is proposed for large-scale energy transmission tunnels such as the west-east gas pipeline. Firstly, by a segmentation strategy which combines with geometry and density, tunnel structures are accurately extracted from original point cloud data. Secondly,time series and feature detection strategies are used to achieve the accurate recognition of the slight deformation of tunnels. In addition, the machine learning method is introduced to further improve the accuracy and automation degree of deformation detection. Experimental results show that this method has high accuracy and stability in practical engineering applications, providing strong techni⁃cal support for the safe operation of tunnels.Key Words: Point cloud data; Tunnel health monitoring; Deformation detection; Machine learning; West-east gas transmission隧道作为交通、能源传输和城市建设中的关键基础设施，在近年来得到了快速发展。

第５０卷　第１１期 激光与红外Ｖｏｌ．５０，Ｎｏ．１１　２０２０年１１月 ＬＡＳＥＲ　＆　ＩＮＦＲＡＲＥＤＮｏｖｅｍｂｅｒ，２０２０ 文章编号：１００１ ５０７８（２０２０）１１ １３３３ ０５·激光应用技术·利用车载激光点云的分车带识别及单木分割方法王　果１，王　成２，张振鑫３，刘绍堂１，赵光兴１（１．河南工程学院土木工程学院，河南郑州４５１１９１；２．中国科学院遥感与数字地球研究所，北京１０００９４；３．首都师范大学资源环境与旅游学院，北京１０００４８）摘　要：提出了一种基于车载激光点云数据的城区分车带识别及单木点云分割方法，首先通过布料模拟算法进行点云滤波去除地面点，然后利用基于八叉树连通性分析对非地面点进行聚类并构建聚类单元的最小包围矩形，基于先验知识和高差约束进行分车带识别，最后根据单木的空间几何特征，引入基于局部最高点的区域生长算法实现分车带内点云单木分割。

选取北京市某道路的车载激光点云数据进行实验，结果表明：该方法能够从车载激光点云中快速识别出分车带点云并完成单木分割，能达到较好的识别和分割效果，具有抗噪性强和提取精度高的特点。

关键词：车载激光；城市区域；分车带；单木分割中图分类号：Ｐ２３７ 文献标识码：Ａ ＤＯＩ：１０．３９６９／ｊ．ｉｓｓｎ．１００１ ５０７８．２０２０．１１．００８Ｓｉｎｇｌｅｔｒｅｅｓｅｇｍｅｎｔａｔｉｏｎｍｅｔｈｏｄｏｆｕｒｂａｎｄｉｓｔｒｉｂｕｔｉｎｇｂｅｌｔｂａｓｅｄｏｎｖｅｈｉｃｌｅ ｂｏｒｎｅｌａｓｅｒｐｏｉｎｔｃｌｏｕｄｄａｔａＷＡＮＧＧｕｏ１，ＷＡＮＧＣｈｅｎｇ２，ＺＨＡＮＧＺｈｅｎ ｘｉｎ３，ＬＩＵＳｈａｏ ｔａｎｇ１，ＺＨＡＯＧｕａｎｇ ｘｉｎｇ１（１．ＩｎｓｔｉｔｕｔｅｏｆＣｉｖｉｌＥｎｇｉｎｅｅｒｉｎｇ，ＨｅｎａｎＵｎｉｖｅｒｓｉｔｙｏｆＥｎｇｉｎｅｅｒｉｎｇ，Ｚｈｅｎｇｚｈｏｕ４５１１９１，Ｃｈｉｎａ；２．ＩｎｓｔｉｔｕｔｅｏｆＲｅｍｏｔｅＳｅｎｓｉｎｇａｎｄＤｉｇｉｔａｌＥａｒｔｈ，ＣｈｉｎｅｓｅＡｃａｄｅｍｙｏｆＳｃｉｅｎｃｅｓ，Ｂｅｉｊｉｎｇ１０００９４，Ｃｈｉｎａ；３．ＣｏｌｌｅｇｅｏｆＲｅｓｏｕｒｃｅＥｎｖｉｒｏｎｍｅｎｔａｎｄＴｏｕｒｉｓｍ，ＣａｐｉｔａｌＮｏｒｍａｌＵｎｉｖｅｒｓｉｔｙ，Ｂｅｉｊｉｎｇ１０００４８，Ｃｈｉｎａ）Ａｂｓｔｒａｃｔ：Ｉｎｔｈｉｓｐａｐｅｒ，ａｍｅｔｈｏｄｂａｓｅｄｏｎｔｈｅｖｅｈｉｃｌｅ ｂｏｒｎｅｌａｓｅｒｐｏｉｎｔｃｌｏｕｄｉｓｐｒｏｐｏｓｅｄｆｏｒｔｈｅｉｄｅｎｔｉｆｉｃａｔｉｏｎｏｆｕｒｂａｎｄｉｓｔｒｉｂｕｔｉｎｇｂｅｌｔｓａｎｄｔｈｅｓｅｇｍｅｎｔａｔｉｏｎｏｆｓｉｎｇｌｅｔｒｅｅｉｎｓｉｄｅｄｉｓｔｒｉｂｕｔｉｎｇｂｅｌｔｓ．Ｆｉｒｓｔｌｙ，ｔｈｅｐｏｉｎｔｃｌｏｕｄｉｓｆｉｌｔｅｒｅｄｂｙｃｌｏｔｈｓｉｍｕｌａｔｉｏｎａｌｇｏｒｉｔｈｍｔｏｒｅｍｏｖｅｔｈｅｇｒｏｕｎｄｐｏｉｎｔｓ，ｔｈｅｎｔｈｅｎｏｎ ｇｒｏｕｎｄｐｏｉｎｔｓａｒｅｃｌｕｓｔｅｒｅｄｂｙｏｃｔｒｅｅｃｏｎｎｅｃｔｉｖｉｔｙａｎａｌｙｓｉｓ，ａｎｄｔｈｅｄｉｓｔｒｉｂｕｔｉｎｇｂｅｌｔｓａｒｅｉｄｅｎｔｉｆｉｅｄｂｙｕｓｉｎｇｔｈｅｍｉｎｉｍｕｍｂｏｕｎｄｉｎｇｒｅｃｔａｎｇｌｅａｎｄｈｅｉｇｈｔｄｉｆｆｅｒｅｎｃｅｃｏｎｓｔｒａｉｎｔｓ．Ｔｈｅｎ，ａｃｃｏｒｄｉｎｇｔｏｔｈｅｓｐａｔｉａｌｇｅｏｍｅｔｒｉｃｃｈａｒａｃｔｅｒｉｓｔｉｃｓｏｆｓｉｎｇｌｅｔｒｅｅ，ｔｈｅｒｅｇｉｏｎｇｒｏｗｉｎｇａｌｇｏｒｉｔｈｍｏｆｔｈｅｈｉｇｈｅｓｔｐｏｉｎｔｉｓｕｓｅｄｔｏｓｅｇｍｅｎｔｔｈｅｐｏｉｎｔｃｌｏｕｄｉｎｔｈｅｄｉｓｔｒｉｂｕｔｉｎｇｂｅｌｔ．Ｔｈｅｖｅｈｉｃｌｅ ｂｏｒｎｅｌａｓｅｒｐｏｉｎｔｃｌｏｕｄｄａｔａｏｆａｒｏａｄｉｎＢｅｉｊｉｎｇｉｓｓｅｌｅｃｔｅｄｆｏｒｅｘｐｅｒｉｍｅｎｔｓ．Ｒｅｓｕｌｔｓｓｈｏｗｔｈａｔｔｈｅｐｒｏｐｏｓｅｄｍｅｔｈｏｄｃａｎｑｕｉｃｋｌｙｉｄｅｎｔｉｆｙｔｈｅｄｉｓｔｒｉｂｕｔｉｎｇｂｅｌｔｐｏｉｎｔｃｌｏｕｄｆｒｏｍｔｈｅｖｅｈｉｃｌｅｌａｓｅｒｐｏｉｎｔｃｌｏｕｄａｎｄｃｏｍｐｌｅｔｅｔｈｅｓｉｎｇｌｅｔｒｅｅｓｅｇｍｅｎｔａｔｉｏｎ，ｗｈｉｃｈｃａｎａｃｈｉｅｖｅｂｅｔｔｅｒｒｅｃｏｇｎｉｔｉｏｎｅｆｆｅｃｔ，ｗｉｔｈｔｈｅｃｈａｒａｃｔｅｒｉｓｔｉｃｓｏｆｓｔｒｏｎｇｎｏｉｓｅｒｅｓｉｓｔａｎｃｅａｎｄｈｉｇｈｅｘｔｒａｃｔｉｏｎａｃｃｕｒａｃｙ．Ｋｅｙｗｏｒｄｓ：ｖｅｈｉｃｌｅ ｂｏｒｎｅＬｉＤＡＲ；ｕｒｂａｎａｒｅａ；ｄｉｓｔｒｉｂｕｔｉｎｇｂｅｌｔ；ｓｉｎｇｌｅｔｒｅｅｓｅｇｍｅｎｔａｔｉｏｎ基金项目：国家自然科学基金项目（Ｎｏ ４１６７１４３４；Ｎｏ ４１７０１５３３）；河南省重点研发与推广专项项目（Ｎｏ １８２１０２３１０００１；Ｎｏ １９２１０２３１０００１）；河南省高等学校重点科研项目（Ｎｏ １８Ｂ１７０００３）；河南工程学院博士基金项目（Ｎｏ Ｄ２０１５０４０）资助。

专利名称：点云数据的分割方法、装置、计算机设备和存储介质
专利类型：发明专利
发明人：彭泊涵,李兵,周庆,吕扬,杨伯钢,侯庆明,赵博,王建楠,徐政,张良
申请号：CN202110794613.7
申请日：20210714
公开号：CN113436223B
公开日：
20220524
专利内容由知识产权出版社提供
摘要：本申请涉及一种点云数据的分割方法、装置、计算机设备和存储介质。

该方法包括：获取第一点云数据集；按照第一点云数据集的几何特性，分割第一点云数据集，得到第二点云数据集；获取第二点云数据集的主轴方向，并在第二点云数据集的主轴方向上对第二点云数据集进行拟合，得到拟合结果；根据拟合结果设置分割参数；按照分割参数，分割第二点云数据集，得到至少一个目标点云数据集。

能兼顾第二点云数据集的空间分布差异，提高点云数据的分割精度。

申请人：北京市测绘设计研究院
地址：100089 北京市海淀区羊坊店路15号
国籍：CN
代理机构：北京华进京联知识产权代理有限公司
代理人：吴娜娜
更多信息请下载全文后查看。

一种车载 LiDAR 建筑物立面点云精细分割方法李立雪;牛路标;黄腾达;李友鹏【摘要】车载LiDAR技术是智慧城市基础设施三维数据快速获取的重要手段，对于获取精细的城市建筑三维模型，实现车载点云数据的建筑物立面快速、精细分割具有重要作用。

文中提出一种建筑物车载立面点云自动精细分割方法，首先提取出建筑物的外轮廓线，通过设置轮廓线缓冲区实现立面点云的粗分割，然后采用RANSAC平面探测算法探测建筑物主立面，从而实现建筑物立面的精细分割。

试验结果表明，文中算法能快速、准确地从车载点云中分割出建筑物立面点云，为建筑物精细三维模型重建奠定基础。

%Mobile LiDAR technology is an important means for infrastructure rapid 3D data capture of smart city .In order to obtain a fine city building 3D model ,and to realize the mobile LiDAR point cloud data of the building facade fast ,a fine segmentation has important theoretical value and practical significance .In the paper ,a method of automatic fine segmentation of building mobile LiDAR point cloud is proposed :firstly ,extract building contour line ,by setting the contour line buffer to achieve the coarse segmentation of the facade point cloud ,and then use the RANSAC plane detection algorithm to detect the building main facade ,in order to realize the fine segmentation of the building facade . T he test result show s that the method can segment facade point cloud from mobile LiDAR data quickly and accurately .【期刊名称】《黑龙江工程学院学报（自然科学版）》【年(卷),期】2016(030)003【总页数】4页(P6-9)【关键词】车载LiDAR;轮廓线;立面分割;缓冲区;RANSAC【作者】李立雪;牛路标;黄腾达;李友鹏【作者单位】河南理工大学测绘与国土信息工程学院，河南焦作 454000;河南理工大学测绘与国土信息工程学院，河南焦作 454000;河南理工大学测绘与国土信息工程学院，河南焦作 454000;河南理工大学测绘与国土信息工程学院，河南焦作 454000【正文语种】中文【中图分类】P237三维激光扫描在数字化文物保护、工业测量、数字城市、地形可视化、智能交通、土木工程等领域有着广泛的应用[1]。