?點云PCL免費知識星球，點云論文速讀。

標題：Fast 3D point cloudsegmentation using supervoxels with geometry and color for3D scene understanding

作者：Francesco Verdoja1, Diego Thomas2, Akihiro Sugimoto3

來源：ICME

歡迎各位加入免費知識星球，獲取PDF論文，歡迎轉發朋友圈分享快樂。

本文提出了一種新的三維點云快速分割方法。它從點云的超體素分割開始，即首先對點云進行過分割。然后，它利用一種新的度量方法，同時利用幾何和顏色信息來迭代合并超體素，從而實現準確的三維分割，其中保持了分割的層次結構。該算法的計算復雜度與輸入的大小成線性關系。對兩個公開數據集的實驗結果表明，提出的方法優于最新技術。

github:https://github.com/fverdoja/Fast-3D-Pointcloud-Segmentation

依賴的庫有：PCL1.8+ Opencv4,并且可以支持ROS，基于傳統的分割方法的基礎上改進的算法。

主要貢獻：

?提出基于傳統的分割方法改進的三維點云分割算法，并且在公開的數據集上分割更為準確。

?利用一種新的度量方法，同時利用幾何和顏色信息來迭代合并超體素，從而實現準確的三維分割。
論文圖集

分割的基本方法就是根據點云之間的凹凸性以及角度

分割結果
英文摘要
Segmentation of 3D colored point clouds is a research field with renewed interest thanks to recent availability of inexpensive consumer RGB-D cameras and its importance as an unavoidable low-level step in many robotic applications. However, 3D data’s nature makes the task challenging and, thus, many different techniques are being proposed, all of which require expensive computational costs. This paper presents a novel fast method for 3D colored point cloud segmentation. It starts with supervoxel partitioning of the cloud, i.e., an oversegmentation of the points in the cloud. Then it leverages on a novel metric exploiting both geometry and color to iteratively merge the supervoxels to obtain a 3D segmentation where the hierarchical structure of partitions is maintained. The algorithm also presents computational complexity linear to the size of the input. Experimental results over two publicly available datasets demonstrate that our proposed method outperforms state-of-the-art techniques.

如果你對本文感興趣，請點擊“原文閱讀”獲取知識星球二維碼，務必按照“姓名+學校/公司+研究方向”備注加入免費知識星球，免費下載pdf文檔，和更多熱愛分享的小伙伴一起交流吧！

以上內容如有錯誤請留言評論，歡迎指正交流。如有侵權，請聯系刪除

掃描二維碼
讓我們一起分享一起學習吧！期待有想法，樂于分享的小伙伴加入免費星球注入愛分享的新鮮活力。分享的主題包含但不限于三維視覺，點云，高精地圖，自動駕駛，以及機器人等相關的領域。

總結

以上是生活随笔為你收集整理的【开源方案共享】三维点云快速分割算法的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。