PCL点云分割：Region Growing Segmentation

最新推荐文章于 2025-06-20 13:55:06 发布
最新推荐文章于 2025-06-20 13:55:06 发布
阅读量8.4k 收藏 21
点赞数 5
CC 4.0 BY-SA版权
分类专栏： PCL 点云分割
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/AmbitiousRuralDog/article/details/80267519
本文详细介绍了PCL库中的Region Growing Segmentation算法，适用于分割规则物体，如房屋轮廓。算法通过设置聚类点数、搜索范围、面平滑阈值和曲率阈值进行点云分割。在实际应用中，调整这两个阈值对分割效果影响显著，过高或过低都可能导致分割失败。面对有噪声的点云和物体转折处，算法表现欠佳，调参要求较高，鲁棒性和普适性较低。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

背景：

pcl官方教程：http://www.pointclouds.org/documentation/tutorials/region_growing_segmentation.php#region-growing-segmentation


1. 使用感受

这个算法适合分割规则的物体或者说四四方方的东西，像房屋轮廓，纸箱折叠的情景。如官方给的效果图：

这个算法主要有4个参数来设置，我个人觉得算法还算是使用者友好的。主要要设置聚类点数上下界，蔓延时候搜索出来多少个附近点，面平滑阈值还有面的曲率阈值。


2. 算法细节

为了了解设置这些参数，让我们来了解一下如何内部细节。从官方的介绍里，算法的流程是写的很仔细的。为了让你更直观的明白，我概括的来说，就是从曲率小的面播种，从种子的位置出发，开始往四周搜索点，然后比对点于点之间的曲率和法线方向，如果差距小于阈值就视为同一个cluster。如果一个cluster无法再蔓延，在剩下的点云里再找曲率小的面播种，然后继续重复直到遍历完毕。


3. 调参

面平滑阈值（用于对比法线）还有面的曲率阈值（用于对比曲率）是最重要的参数。如果调大了，不仅仅是同一个平面，两个平面（它们的连着处弧度变化小的）都被视为同一个cluster.

可以参考

https://github.com/PointCloudLibrary/pcl/blob/master/segmentation/include/pcl/segmentation/region_growing.h


4.跑自己的数据集

      reg.setSmoothnessThreshold (3.0 /

最低0.47元/天 解锁文章

200万优质内容无限畅学
PCL：官方程序 Region growing segmentation
m0_37957160的博客
03-03 419
区域增长分割（算法不是很懂，有特别明白的可以给我讲讲疑问部分？？？） 在本教程中，我们将学习如何将pcl:: regiongrow cla在用实现区域增长算法。该算法的目的是在平滑约束条件下，将足够接近的点进行归并。因此，该算法的输出是一组簇，每个簇是一组点，这些点被认为是同一光滑曲面的一部分。该算法的工作是基于各点法线夹角的比较。 理论基础： 让我们看看这个算法是如何工作的。 首先，它根...
PCL 点云分割 区域生长算法分割
纵马踏花向自由
11-12 290
区域生长算法（Region Growing Algorithm）是一种基于点的局部特征（如法线、曲率、颜色等）进行点云分割的技术。它通过从一个种子点出发，检查其邻域中的点是否满足特定的生长条件（如法线方向相似、点之间的距离较小等），将邻域中的点加入到当前簇中，从而逐步扩展出一个完整的区域。这种方法特别适用于处理具有相似几何特征的点云区域，例如平面区域、曲面区域等。
PCL中分割方法的介绍（3）
weixin_34221112的博客
04-20 186
（3）上两篇介绍了关于欧几里德分割，条件分割，最小分割法等等还有之前就有用RANSAC法的分割方法，这一篇是关于区域生成的分割法， 区 域生长的基本 思想是： 将具有相似性的像素集合起来构成区域。首先对每个需要分割的区域找出一个种子像素作为生长的起点，然后将种子像素周围邻域中与种子有相同或相似性质的像素 （根据事先确定的生长或相似准则来确定）合并到种子像素所在的区域中。而新的像素继续作为种子向四周...
3D点云--分割算法详解（Segmentation）
最新发布
weixin_45590420的博客
06-20 847
3D点云分割是理解场景结构的关键任务，主要分为语义分割、实例分割和部件分割三类。传统方法包括基于区域生长的平面分割（适用于平面检测）和欧式聚类分割（用于物体级分割）。深度学习方法中，PointNet通过逐点特征提取实现语义分割，但缺乏局部上下文；PointNet++通过层次化采样改进局部特征；PointCNN则利用χ-Transform实现高效卷积。实例分割方面，3D-BoNet直接预测实例框和掩码，而PointRCNN采用两阶段方法。部件分割则可通过DGCNN的动态图卷积捕捉局部几何特征。这些方法在代码实
PCL中分割方法的介绍（2）
weixin_34235457的博客
04-20 246
（2）关于上一篇博文中提到的欧几里德分割法称之为标准的距离分离，当然接下来介绍其他的与之相关的延伸出来的聚类的方法，我称之为条件欧几里德聚类法，（是我的个人理解），这个条件的设置是可以由我们自定义的，因为除了距离检查，聚类的点还需要满足一个特殊的自定义的要求，就是以第一个点为标准作为种子点，候选其周边的点作为它的对比或者比较的对象，如果满足条件就加入到聚类的对象中，至于到底怎么翻译我也蒙了，只能这...
PCL中的区域生长分割(region growing segmentation)
aishuirenjia的博客
05-08 1万+
在本博文中，我主要介绍如何在pcl::RegionGrowing类中调用区域增长算法。首先注意一点，这里是region growing segmentation，不是color-based region growing segmentation.算法核心：该算法是基于点法线之间角度的比较，企图将满足平滑约束的相邻点合并在一起，以一簇点集的形式输出。每簇点集被认为是属于相同平面。工作原理：首先需要明...
【PCL】Segmentation 模块—— 区域生长分割（Region Growing Segmentation）
old_power的博客
01-14 800
【PCL】Segmentation 模块——Region Growing Segmentation（区域生长分割）的简介和代码实现，以及代码解读
基于区域生长算法的点云分割（pcl::RegionGrowing）
A_L_A_N
06-27 4880
算法原理： 算法流程： 代码： #include <iostream> #include <vector> #include <pcl/point_types.h> #include <pcl/io/pcd_io.h> #include <pcl/search/search.h> #include <pcl/se...
PCL点云分割：Conditional Euclidean Clustering
AmbitiousRuralDog的博客
05-11 9062
背景：pcl官方教程:http://www.pointclouds.org/documentation/tutorials/conditional_euclidean_clustering.php#conditional-euclidean-clustering1.使用感受这个算法实际就是region growing segmentation的扩展版。你可以先看看我的另一个文章，关于region ...
区域生长分割 Region growing segmentation（一）
席小贱
11-30 4290
理论入门 首先要用各点的曲率值对点进行排序，因为一个区域要从它曲率最小值的点开始生长。因为从曲率最小点可以定位到平坦的区域，而从最平坦区域的增长可以减少分割区域的数量。 因此先对点云进行一下排序。在云中存在未标记（这个标记我认为是人工手动标记）的点之前，算法会选择具有最小曲率值的点并开始该区域的增长。此过程如下：       选择的点被添加到称为种子的集合中。 对于每个种子点...
PCL学习笔记，区域生长分割(region growing segmentation)
jacke121的专栏
08-27 2636
在本博文中，我主要介绍如何在pcl::RegionGrowing类中调用区域增长算法。首先注意一点，这里是region growing segmentation，不是color-based region growing segmentation. 算法核心：该算法是基于点法线之间角度的比较，企图将满足平滑约束的相邻点合并在一起，以一簇点集的形式输出。每簇点集被认为是属于相同平面。 工作原理：首先需要明白，区域增长是从有最小曲率值(curvature value)的点开始的。因此，我们必须计算出所有曲..
Region Growing - Segmentation：基于区域增长算法的分割代码-matlab开发
05-30
此代码根据所选像素（种子）的值及其所属的阈值区域对区域进行分段。 基于考虑四个相邻像素的区域生长算法。
PCL 区域生长分割（Segmentation_RegionGrowing）
xhm01291212的博客
09-12 611
对于分割建筑物或地面的各个平面，有较好的效果，工作中经常使用。3.关键函数（1）法向量夹角的阈值，超过这个夹角，即认为不在一个平面上（2）曲率的阈值，超过这个阈值，即认为不在一个平面上。
点云的区域增长分割算法（Region Growing Segmentation for Point Cloud）
MrVoider的博客
06-27 1884
关于点云的区域增长分割算法 简单的读取点云文件 上文有提及这个算法需要计算法向量，这里的 类就是用来计算这个的。 因为 是派生于 ，所以可以使用索引。这意味着我们可以仅分割索引数...
pcl小知识（四）——区域生长分割原理(region growing segmentation)
liukunrs的博客
05-28 1万+
对官网代码做了一点修改。算法核心：该算法是基于点法线之间角度的比较，企图将满足平滑约束的相邻点合并在一起，以一簇点集的形式输出。每簇点集被认为是属于相同平面。
PCL教程-点云分割之区域生长分割算法
DayDayUp
09-09 1万+
Inputs: Point cloud= Point normals= Points curvatures= Neighbour finding function Curvature threshold Angle threshold Initialize: Region list Available points list Algorithm: While is not emptydo Current re...
PCL 基于法线微分（DoN）的点云分割【2025最新版】
热门推荐
点云侠的博客
07-27 39万+
基于法线微分的分割。博客长期更新，本文最新更新时间为：2025年1月·日。代码在PCL1.14.1中测试通过，新增2024年本人对该算法的论文阅读和最新理解。
【PCL】Segmentation 模块—— 平面模型分割（Plane model segmentation）
old_power的博客
01-15 1607
PCL（Point Cloud Library）中的平面模型分割（Plane Model Segmentation）是一种从点云数据中提取平面结构的方法。它通过识别点云中符合平面模型的点集，将场景中的平面区域分割出来。
PCL 点云分割
m0_37302966的博客
09-29 910
PCL 点云分割
pcl::RegionGrowing<pcl::PointXYZ, pcl::Normal> 使用
01-25
### 使用 PCL 库中 `RegionGrowing` 类进行点云分割 #### 创建 CMake 文件 为了编译和链接程序，创建或编辑项目的 `CMakeLists.txt` 文件如下所示： ```cmake cmake_minimum_required(VERSION 3.5 FATAL_ERROR) ...
评论 4
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值