10、三维姿态估计与分割方法详解

三维姿态估计与分割方法详解

1. 引言

在许多场景中，我们会得到场景的三维点云描述，比如通过立体图像分析或激光扫描设备等。但初始的点云通常不包含场景中物体的信息，因此将点云分割成不同物体是一项重要任务。这可以在不使用先验信息的情况下进行，也可以基于对场景中物体的（弱或强）模型假设来完成。

2. 点云分割方法概述

• 基于点的三维姿态估计方法 ：需要明确三维模型点和二维图像点之间的对应关系，此时姿态估计问题等同于确定相机的外部方位。
• 基于外观的姿态估计方法 ：不依赖明确的对应关系，而是最小化根据估计姿态得到的物体预期外观与真实物体外观之间的差异。

3. 点云分割的聚类方法

3.1 聚类的基本概念

聚类是将数据集划分为子集（簇），使得每个子集具有共同属性。常见的相似性准则是使用适当定义的度量距离，如三维空间中场景点的欧几里得距离。聚类技术也可应用于三维以上的空间。

3.2 层次聚类技术

• 凝聚式聚类 ：从每个数据点作为一个簇开始，逐步将小簇合并成大簇，直到簇之间的差异准则得到满足。
• 分裂式聚类 ：从整个数据集开始，将其分割成小簇，直到每个簇内的元素足够相似。

聚类层次的表示是树状图，一端是单个数据点，另一端是包含所有数据点的单个簇。

3.3 经典的凝聚式和分裂式聚类方法