标签:RANSAC 分割 假设性 基于 聚类 点云 割个 3D
点云分割的目的是分块,便于后续的单独处理。一般做法是根据空间、几何和纹理等特征信息进行划分,使同一划分内的点云具有相同或相似的特征。
目前,点云分割有2条路径可选:
即经典的分割方法和基于深度学习的分割方法。
首先,我们看一下有哪些经典的分割方法:
- 随机采样一致性算法,大名鼎鼎的RANSAC
- 欧式聚类分割算法
- 条件欧式聚类分割
- 基于区域生长的分割
- 基于颜色的区域生长分割
- 最小图割的分割
- 基于法线微分的分割
- 基于超体素的分割
除了RANSAC是基于概率的分割,其余几种都是基于聚类的分割。这里我们重点介绍下3种分割方法:
1、RANSAC
该算法核心思想是随机性和假设性。随机性是根据正确数据出现的概率去随机选取抽样数据;假设性是假设选出的抽样数据都是正确数据,然后用这些正确数据通过问题满足的模型,去计算其它点,然后对这次结果进行一个评分。
标签:RANSAC,分割,假设性,基于,聚类,点云,割个,3D 来源: https://blog.csdn.net/lxy_2011/article/details/122826351
本站声明: 1. iCode9 技术分享网(下文简称本站)提供的所有内容,仅供技术学习、探讨和分享; 2. 关于本站的所有留言、评论、转载及引用,纯属内容发起人的个人观点,与本站观点和立场无关; 3. 关于本站的所有言论和文字,纯属内容发起人的个人观点,与本站观点和立场无关; 4. 本站文章均是网友提供,不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属;如您发现该文章侵犯了您的权益,可联系我们第一时间进行删除; 5. 本站为非盈利性的个人网站,所有内容不会用来进行牟利,也不会利用任何形式的广告来间接获益,纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。