RGB-D三维点云目标分割方法提高精度研究

"基于RGB-D三维点云目标分割_陈国军1" 本文主要探讨了在三维点云处理中如何实现精确的目标分割，特别是在解决过分割和欠分割问题上提出了一种新的基于RGB-D数据的背景点云目标分割方法。作者陈国军及其团队运用Kinect相机获取包含深度信息和颜色信息的三维场景点云数据，以此为基础进行点云模型的分割和分析。 首先，通过使用Kinect设备，研究人员能够获得物体不同角度的点云数据以及两帧背景点云（A0和B0）。这种数据采集方式有助于后续的背景点云分割，因为深度信息和颜色信息的一一对应关系提供了区分前景和背景的基础。 接着，算法利用背景帧（如B0）进行深度信息比对，对点云模型执行背景分割，从而提取出前景物体。这一过程旨在剔除背景点，使目标点云更加突出。背景分割特别关注深度值小于背景的点，这些点通常属于前景物体。 然后，结合图像分割技术，文章提到了使用GrabCut算法处理背景图像，以获取目标物体的RGB数据。GrabCut是一种交互式图像分割算法，能有效地分离目标物体和背景，提供准确的色彩信息。 在获取了RGB数据后，算法进一步对比点云模型中各点的颜色信息和法向量。通过对给定范围内的点进行比较，实现点云数据的精细分割和合并。法向量信息有助于识别点云表面的朝向，对物体边界进行更精确的判断，从而减少过分割和欠分割的情况。 实验结果显示，该方法能有效分割深度值小于背景的点云，同时结合图像分割技术，显著改善了分割的准确性，有效避免了常见的分割不精确问题。这种方法对点云模型的分割精度有显著提升，对于三维点云处理领域具有重要的实践意义。 关键词：Kinect；点云分割；背景分割；图像分割；GrabCut；法向量 中图分类号：TP391.9 文献标识码：A 文章编号：1673-629X(2018)12-0038-05 doi：10.3969/j.issn.1673-629X.2018.12.008 该文的研究成果来源于国家"863"高技术发展计划项目(2015AA016403)，由陈国军（副教授，研究方向为图形图像处理、虚拟现实）、孔李燕（硕士研究生，研究方向为图形图像处理）等多位学者共同完成。