基于霍夫变换的点云分割方法
2017-08-09 11:25
127 查看
基于霍夫变换的点云平面分割方法
(1)标准霍夫变换方法
(2)概率霍夫变换
(3)渐进概率霍夫变换
(4)随机霍夫变换
(5)自适应霍夫变换
参考文献:
1. Borrmann, D., et al., The 3D Hough Transform for plane detection in point clouds:A review and a new accumulator design.
区域生长是选择种子点,然后根据近邻信息不断向周围延伸生长。
Ransac方法是随机选择最小一致集,计算model,判断其余的点是否满足这个Model,结果和时间存在不确定性。
霍夫变换是将点变换到霍夫空间,然后离散化霍夫空间形成累加器计算累积的数目,Pick一个峰值点。初步测试了标准霍夫变换和随机霍夫变换提取平面,感觉非常慢。思考一下认为,即使是随机霍夫变换能达到的速度水平也只有Ransac一般,实际效果可能更差。
(1)标准霍夫变换方法
(2)概率霍夫变换
(3)渐进概率霍夫变换
(4)随机霍夫变换
(5)自适应霍夫变换
参考文献:
1. Borrmann, D., et al., The 3D Hough Transform for plane detection in point clouds:A review and a new accumulator design.
区域生长是选择种子点,然后根据近邻信息不断向周围延伸生长。
Ransac方法是随机选择最小一致集,计算model,判断其余的点是否满足这个Model,结果和时间存在不确定性。
霍夫变换是将点变换到霍夫空间,然后离散化霍夫空间形成累加器计算累积的数目,Pick一个峰值点。初步测试了标准霍夫变换和随机霍夫变换提取平面,感觉非常慢。思考一下认为,即使是随机霍夫变换能达到的速度水平也只有Ransac一般,实际效果可能更差。
相关文章推荐
- 基于投影点密度的车载激光扫描距离图像分割方法
- 基于图像分割的立体匹配方法
- 基于图像分割的立体匹配方法
- 基于vc的数字图像分割——基于阙值的分割方法
- 基于深度学习的图像语义分割技术概述之4常用方法
- 计算机视觉之基于聚类的分割方法(2)
- 基于图像分割的立体匹配方法
- 基于水平集的图像分割方法
- 基于图像分割的立体匹配方法
- 基于图像分割的方法
- 基于几何特征的地面点云分割方法(汇总)
- 基于阈值的图像分割方法
- 中层视觉:基于聚类的分割方法
- 基于分块技术的图像分割方法
- 推荐 | 基于深度学习的图像语义分割方法回顾(附PDF下载)
- 基于谱聚类的图像分割方法简介
- 基于HALCON的视频对象分割及跟踪方法总结
- 基于深度学习的图像语义分割技术概述之常用方法
- Lucene中文分词实现方法:基于StopWord分割分词
- 图像分割—基于图像数据的自动选择阈值(基本全局阈值处理方法)