Open3D DbScanClustering聚类算法

DBSCAN聚类算法，是基于密度的聚类算法。该算法需要两个参数。

labels = np.array(pcd.cluster_dbscan(eps=0.02, min_points=10, print_progress=True))

入参：

eps：定义到聚类邻居的距离

min_points：定义形成聚类所需的最小点数。

出参：

该函数返回一个标签，其中标签-1表示噪音。

该算法定义以选中的点开始蔓延，邻居点距离<=0.02米，最小有10个点就可以构成一个簇；适用于原始点云分隔的比较开的，有明显界限的点云。

原始点云被分成了10个聚簇，每个聚簇不同的颜色，只有3个聚簇的点数比较巨大，明显一些。另外右边角落有一块比较小的片段。

官方例子算法效果：

输出：

Format = auto
Extension = ply
geometry::PointCloud with 196133 points.
[Open3D DEBUG] Precompute Neighbours
[Open3D DEBUG] Done Precompute Neighbours
[Open3D DEBUG] Compute Clusters
Precompute Neighbours[========================================] 100%
[Open3D DEBUG] Done Compute Clusters: 10
point cloud has 10 clusters

源代码：

# <DBSCAN聚类算法，是基于密度的聚类算法。>
# 该算法需要两个参数。
# -eps： 定义到聚类邻居的距离
# -min_points： 定义形成聚类所需的最小点数。
# 该函数返回一个标签，其中标签-1表示噪音。>import open3d as o3d
import matplotlib.pyplot as plt
import numpy as nppath =  "../pcds/fragment.ply"
print(path)pcd = o3d.io.read_point_cloud(path)
print(pcd)# 定义以选中的点开始蔓延，邻居点距离0.02米的，最小有10个点，可以构成一个簇；适用于点云分隔的比较开的，一块一块的点云。
with o3d.utility.VerbosityContextManager(o3d.utility.VerbosityLevel.Debug) as cm:labels = np.array(pcd.cluster_dbscan(eps=0.02, min_points=10, print_progress=True))max_label = labels.max()
print(f"point cloud has {max_label + 1} clusters")
colors = plt.get_cmap("tab20")(labels / (max_label if max_label > 0 else 1))colors[labels < 0] = 0
pcd.colors = o3d.utility.Vector3dVector(colors[:, :3])
o3d.visualization.draw_geometries([pcd], "Open3D dbscanclusting")

参考：

http://www.open3d.org/docs/release/tutorial/Basic/pointcloud.html#Access-estimated-vertex-normal

Open3D DbScanClustering聚类算法相关推荐

机器学习-无监督学习-聚类：聚类方法（二）--- 基于密度的聚类算法【DBSCAN文本聚类算法，密度最大值文本聚类算法】
密度聚类方法的指导思想是,只要样本点的密度大于某阀值,则将该样本添加到最近的簇中. 基于密度的聚类算法假设聚类结构能够通过样本分布的紧密程度确定,以数据集在空间分布上的稠密程度为依据进行聚类,即只要一 ...
K-means 方法实现3D点云的聚类算法
K-means 方法实现3D点云的聚类算法 import numpy as np import open3d as o3d import copy import random from matplot ...
最小化局部边际的合并聚类算法（中篇）
作者:钱烽三.合并聚类算法基于定义2所提出的相似度定义,我们在图2中给出最小化局部边际的合并聚类算法详细执行过程.首先,针对数据集中可能存在的噪声数据,我们对所有样本点进行孤立点检测.然后,作为A ...
java iris_利用K-Means聚类算法实现对iris.data.ulab
该楼层疑似违规已被系统折叠隐藏此楼查看此楼利用K-Means聚类算法实现对iris.data.ulabel数据的聚类,这是在网上找到如果要换成我的iris.date iris.date.ulabl ...
机器学习中的聚类算法（1）：k-means算法
一文详解激光点云的物体聚类:https://mp.weixin.qq.com/s/FmMJn2qjtylUMRGrD5telw 引言: Q:什么是聚类算法? 现在我们在做的深度学习当中,比如图像的识别 ...
基于梯度方向、极化变换和聚类算法的图像主特征直线检测
基于梯度方向.极化变换和聚类算法的图像主特征直线检测基于机器学习和图像处理的直线检测代码主要思路: 1)借助类LSD直线检测,提取图像各个方向梯度:2)对像素中的各个梯度方向做极化变换:3)对计划 ...
【点云论文速读】点云分层聚类算法
点云PCL免费知识星球,点云论文速读. 标题:PAIRWISE LINKAGE FOR POINT CLOUD SEGMENTATION 作者:Lu, Xiaohu and Yao, Jian and ...
K-Means聚类算法原理
来自:https://www.cnblogs.com/pinard/p/6164214.html K-Means算法是无监督聚类算法,它有很多变体.包括初始化优化K-Means++,距离计算优化elk ...
关于机器学习中山峰聚类算法的说明
前言在之前关于聚类算法的文章中,笔者主要涉及的内容均是和参数求解相关的,如C均值(包括模糊C均值).混合高斯模型等,而对于一些无参数密度估计的算法尚未讨论,而且一般基于参数密度估计的算法均是建立在假 ...

Open3D DbScanClustering聚类算法

参考：

Open3D DbScanClustering聚类算法相关推荐

最新文章

热门文章