公开(公告)号：CN111832582B

公开(公告)日：2023-07-21

申请号：CN201910297809.8

申请日：2019-04-15

Applicant: 中国矿业大学(北京)

Inventor： 阎跃观 ,  严海旭 ,  戴华阳 ,  苏晓茹 ,  杨倩 ,  袁梅

IPC: G06V10/764 ,  G06V10/778 ,  G06V10/26

Abstract: 本发明公开一种利用点云密度与旋转信息对稀疏点云进行分类与分割的方法，包括如下步骤：预处理点云；对稀疏点云的坐标信息进行分析；对稀疏点云的空间和密度信息进行分析；结合点云空间坐标特征与密度及旋转特征进行点云分类与分割。本发明通过对点云的预处理方式以及对稀疏点云空间信息和旋转信息的挖掘与利用，从而提升点云分类与分割的工作模式，采用本算法对不同密度的点云(稀疏点云，密集点云)的分类和分割进行对比，效率提高十倍以上；用本方法对稀疏点云的分类和分割与传统机器学习方法(滤波)的分类和分割进行对比，精度提升7％，由87％提升至93％；与PoineNet算法和3DCNN算法相比，精度提高4％。

公开(公告)号：CN111832582A

公开(公告)日：2020-10-27

申请号：CN201910297809.8

申请日：2019-04-15

Applicant: 中国矿业大学(北京)

Inventor： 阎跃观 ,  严海旭 ,  戴华阳 ,  苏晓茹 ,  杨倩 ,  袁梅

IPC: G06K9/62

Abstract: 本发明公开一种利用点云密度与旋转信息对稀疏点云进行分类与分割的方法，包括如下步骤：预处理点云；对稀疏点云的坐标信息进行分析；对稀疏点云的空间和密度信息进行分析；结合点云空间坐标特征与密度及旋转特征进行点云分类与分割。本发明通过对点云的预处理方式以及对稀疏点云空间信息和旋转信息的挖掘与利用，从而提升点云分类与分割的工作模式，采用本算法对不同密度的点云(稀疏点云，密集点云)的分类和分割进行对比，效率提高十倍以上；用本方法对稀疏点云的分类和分割与传统机器学习方法(滤波)的分类和分割进行对比，精度提升7％，由87％提升至93％；与PoineNet算法和3DCNN算法相比，精度提高4％。