一种基于激光测量点云的室内物体提取方法与流程

技术特征：

1.一种基于激光测量点云的室内物体提取方法，其特征在于，包括以下步骤：

步骤1，利用区域生长算法对室内点云进行类平面分割，得到分割后的类平面点簇；

步骤2，对每一个类平面点簇做邻域分析，并连接相邻类平面点簇，生成邻接图集；

步骤3，针对邻接图集中的每个邻接图，提取图中的节点属性与边属性，节点属性包括主截面标识、类平面中心点与主截面节点描述子，边属性包括主边标识与边描述子；主截面标识为邻接图中相邻节点最多的节点，将该节点定义为主截面节点，主边标识为连接主截面中心点与其他类平面中心点的边；

步骤4，根据提取的每个邻接图的节点属性与边属性，计算任意两个邻接图的相似性，根据相似性以超图分割的方法进行图分割和图匹配；

步骤5，对步骤4处理后的邻接图，沿主截面节点的法向量方向上下延伸，做主截面包围盒，将包围盒内未分类的点云加入主截面所在类别，完成室内物体的提取。

2.根据权利要求1所述的基于激光测量点云的室内物体提取方法，其特征在于，步骤4具体包括以下步骤：

步骤4.1，从邻接图集中任取两个邻接图，计算两个邻接图对应主截面节点的几何相似性，若两个邻接图主截面节点的几何相似性大于阈值，则将两个邻接图归为一类，得到粗分类集合gs＝{gs1,gs2,…gsh}，h表示粗分类的聚类数目；

步骤4.2，针对每一类gsi∈gs，任取两个邻接图，以超图分割的方法对两个邻接图进行匹配，找到两个邻接图中对称节点，并删除非对称节点。

3.根据权利要求2所述的基于激光测量点云的室内物体提取方法，其特征在于，步骤4.1中节点的几何相似性计算公式如下：

式中，v^a和分别为两个邻接图对应的主截面节点，表示对应的主截面节点描述子f1，f2，f3，f4和f5的相似度大小，f1为节点的外接矩形面积l*w，f2为节点的外接矩形长宽比：w/l，f3为节点的点簇面积与节点外接矩形面积的比值，f4为节点的点簇法向量，f5为节点中心点到外接矩形的距离比该距离与外接矩形长、宽之和：d/(l+w+d)，其中d表示主截面中心点沿主截面法向量到外接矩形的距离，w表示主截面节点的外接矩形的宽度，l表示主截面节点的外接矩形的长度；为主截面节点v^a的节点描述子，为主截面节点的节点描述子。

4.根据权利要求2所述的基于激光测量点云的室内物体提取方法，其特征在于，步骤4.2具体为：

针对每一类gsi∈gs，任取两个邻接图g(e,v)与gt(et,vt)，g(e,v)的节点数|v|少于gt(et,vt)的节点数，将两个邻接图g(e,v)与gt(et,vt)的主截面通过一个边连接，形成超图sg，从超图sg对称轴的两方分别对应任选多对节点进行节点相似度计算，找到超图sg的相似度最大值，以及使相似度最大的对应节点对，若相似度最大值大于阈值，则该对应节点对为同一类型物体，保留两个邻接图中为同一类型物体的对应节点，删除两个邻接图中的其余节点；

节点相似度score计算公式如下：

ws+wc＝1

其中，g为从超图sc对称轴的两方分别对应选取的节点对数；为对应节点的几何相似度，为对应节点的连接相似度，v和vt分别为两个邻接图中的节点，e和et为两个邻接图中的边；

连接相似度计算公式如下；

计算方法如下：

其中，c1、c2和c3为边描述子，c1为边的长度，c2为边的朝向与主截面法向量夹角，c3为边的朝向与另一连接面法向量夹角，emk∈e,

技术总结
本发明公开了一种基于激光测量点云的室内物体提取方法，属于地图制图技术领域，首先基于区域生长算法对室内输入点云进行分割，将输入的点云转化为类平面单元，再根据分割后类平面单元之间的邻接关系，形成邻接图；并提取邻接图内节点和边的几何特征与邻接关系；根据提取的邻接图特征，以一种超图分割方法，实现室内物体的要素分割与分类。本发明通过类平面单元之间的邻接关系，将点云的室内物体分割问题，转换为室内邻接图匹配问题；通过图与图的链接，将室内邻接图匹配问题，转换为超图分割问题，并以超图内边与节点的对称性，实现超图分割。本发明可以快速高效的实现点云的室内物体分割与分类，可以更好的处理室内复杂环境下的点云数据。

技术研发人员：彭会湘;苏飞;关俊志;陈韬亦;朱海红;左辛凯;梁一帆
受保护的技术使用者：中国电子科技集团公司第五十四研究所
技术研发日：2020.04.30
技术公布日：2020.08.25