摘要：点云分割是点云识别与建模的基础。为提高点云分割准确率和效率,提出一种结合超体素和区域增长的自适应分割算法。根据三维点云的空间位置和法向量信息,利用八叉树对点云进行初始分割得到超体素。选取超体素的中心体素组成一个新的重采样后的密度均匀点云,降低原始点云数据处理量,从而减少运算时间。建立重采样后点云数据的K-D树索引,根据其局部特征得到点云簇。最后将聚类结果返回到原始点云空间。分别选取植物三个物候期的激光扫描点云,对该方法的有效性进行验证。实验结果表明,该方法分割后点云与手工分割平均拟合度达到93.38%,高于其他同类方法,且算法效率得到明显提升。

注：因版权方要求，不能公开全文，如需全文，请咨询杂志社