一种融合区域生长和RANSAC的稠密点云平面分割方法

为提高三维信息的准确度,提出一种在稠密的点云数据中采用融合区域生长和随机抽样一致性(RANSAC)的平面分割方法。利用统计滤波、体素滤波对稠密点云去噪和精简,通过邻域统计特性剔除孤立点。采用点域区域生长分割出平面点,并采用面域区域生长合并平面附近点。采用曲率值检测出异常弯曲的平面。在异常弯曲的平面中采用RANSAC评估平面点的模型误差并剔除粗差点。实验选取公寓、阁楼、办公室等4个典型室内场景数据进行测试。实验表明,该方法可有效从稠密点云中分割出平面结构,分割结果准确度均值可达到95%以上。相比于传统RANSAC方法,可以更好地保证平面结构的连通性。相比于传统区域生长方法分割结果,准确度提升约2%,完整度平均提高约17%,对于后续三维重建和机器人的导航有着借鉴作用。