【2019-12-29-挖坑】matlab实现区域生长的点云分割

参考

区域生长算法的一种C++实现

区域生长算法原理及MATLAB实现

【C++】pcl中的Region Growing（区域生长）算法

区域生长的原理

1、排序，基于曲率对点云进行排序，曲率最小的点叫做初始种子点，区域生长算法从曲率最小的种子点开始生长，初始种子点所在区域为最平滑区域，从初始种子点所在的区域开始生长可减小分割片段的总数，从而提高算法的效率。

2、设置一个种子集合Q，聚类区域C，对种子点的邻域点进行分析，如果和种子点的法向量差值小于阈值，就把这个点放到C中；再计算曲率，若小于曲率阈值，就把这个点放入到Q中。对邻域计算完后再种子点的集合Q中剔除原来的种子点。

3、若Q非空，则重复2（找种子点的邻域点，进行判断）。直到Q为空集合。

论文

PCL封装的效果

matlab实现代码

------------------------------------------------------------

更新：2020-1-15

思路比较简单，pcl的代码实在看不下去，便参考了二维图像的区域生长分割，采用最简单的一种方法：手工指定一个初始种子点，在matlab中给出了实现

-------------------------------------------------------------

主函数building_Example2_Region_Grow_Segment.m

% 读取txt文件，将txt文件保存为pcd文件并以点云的格式显示
clear;clear all;close all;

pt=pcread('region_growing_tutorial.pcd');
pcData=pt.Location;




% pcData=load('building_Example2.txt');
% pcData=load('Building1.txt');

color=zeros(size(pcData,1),3);
pcData=[pcData color];
ptCloud = pointCloud(pcData(:,1:1:3),'Color',pcData(:,4:1:6));%读取txt文件的坐标信息以及颜色信息

% ptCloud = pointCloud(pcData(:,1:1:3));%读取txt文件的坐标信息
pcwrite(ptCloud, 'building_Example2_color.pcd', 'Encoding', 'ascii'); %将程序中的xyz数据写入pcd文件中

% pc = pcread('building_Example2_color.pcd');
pcshow(ptCloud); %显示点云
view(-37.5,30);

% 计算法向量
normals=pcnormals(ptCloud,10);

%2020-1-9  
%使用PCA计算法向量和曲率pw 
k=8;%近邻点数量为8
[pn,pw]