三維點云分割方法綜述

烏佳彤　羅毛欣　張奇　趙杰　郭會會

關鍵詞：三維點云；點云分割；數據處理

中圖分類號：TP3 文獻標識碼：A

文章編號：1009-3044（2023）08-0026-03

0 引言

3D點云的分割任務常用來理解三維環境，對于自動駕駛、機器人、虛擬現實等人工智能方向領域的應用有著重要的意義。而充分探索點云中點之間的相關性是對點云特征建模的基礎。現如今，三維點云語義分割方法可被分為兩類：傳統點云分割方法和深度學習點云分割方法。傳統方法主要通過探索點的坐標、顏色等信息來進行類別判斷[1]。但傳統方法過于依賴人工來設計特征，計算成本較大，且傳統卷積方式無法直接對3D點云數據進行處理，在深度學習技術引入之后便逐漸淡出學者的研究視線。深度學習點云分割方法是將三維點云數據轉換成適合卷積神經網絡處理的序列從而對每個點賦予對應的語義屬性。隨著2015年基于多視圖的深度學習模型[2]和基于體素化的3D卷積神經網絡[3]被提出，深度學習開始廣泛應用于3D點云數據的處理中，并顯示出了良好的分割效果，所以基于深度學習框架下的三維點云分割是未來點云分割領域發展的大方向。

1 傳統點云分割算法

根據分割計算方式的差異，分割算法大致分為以下幾類：基于邊緣檢測算法、基于區域增長分割算法、基于特征聚類分割算法。

1.1 基于邊緣檢測方法

基于邊緣檢測算法在三維圖像的應用可以大致分為兩種：（1） 直接法[4]。該方法直接對三維點云中的物體進行辨別，對其邊緣進行提取完成分割工作。……