散乱点云的边界提取

摘要：

基于Kinect体感技术获取的周围环境点云数据量大,其中点云的边界是重要特征,是机器人导航的重要参数.为获得复杂散乱点云的边界特征,提出了一种基于点云库(PCL)的物体分割以及边缘轮廓提取算法.该算法通过建立散乱点云的kd-tree空间拓扑结构,经直通滤波、表面平滑处理对点云数据进行去噪、填补空洞.由于实际环境包含大量的平面,因此采用基于随机采样算法(RANSAC)可寻找种子点确定平面,进而应用平面分割找出平面上的感兴趣区域,并计算k邻域点的法线夹角,若大于阈值则为边界特征点.为验证算法的有效性,基于机器人操作系统(ROS),通过PCL点云库,快速、准确地对场景中的物体进行分割以及边缘轮廓提取.实验结果表明,所提出的算法能够快速、准确、有效地提取散乱点云的边界.

关键词：散乱点云、kd-tree、边界特征提取、分割

所属期刊栏目：27

分类号：TP391(计算技术、计算机技术)

资助基金：天津市科技支撑计划项目13ZCZDGX01200;天津市产学研合作项目14ZCZDSF00025;天津市863成果转化项目13RCHZGX01116,14RCHZGX00862

在线出版日期：2017-08-16（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：83-86