PAIRWISE LINKAGE FOR POINT CLOUD SEGMENTATION
- 1. INTRODUCTION
- - cluster
  - segment
  - Objectives and Motivation
- 2. PAIRWISE LINKAGE
- - CutoffDistance:截止距离的选取
  - Density：密度的计算
  - Pairwise Linkage:建立linkage关系，保存聚类中心点
  - Hierarchical Clustering:分层聚类
  - ClusterMerging:
- 3. P-LINKAGE FOR POINT CLOUD SEGMENTATION
- - Normal Estimation
  - Linkage Building
  - Slice Creating
  - Slice Merging
- 4. EXPERIMENTAL RESULTS
- 5. CONCLUSION

PAIRWISE LINKAGE FOR POINT CLOUD SEGMENTATION

Xiaohu Lu, Jian Yao∗, Jinge Tu, Kai Li, Li Li, Yahui Liu
School ofRemote Sensing and Information Engineering, Wuhan University, Wuhan, Hubei, P.R. China (xiaohu.lu,jian.yao,kaili,li.li,liuyahui)@whu.edu.cn http://cvrs.whu.edu.cn/

Commission III, WG III/2

1. INTRODUCTION

cluster

两大类：partitioning和hierarchical

partitioning

The partitioning clustering algorithms usually classify each data point to different clusters via a certain similarity measurement

1、k-means：参数来指定聚类的数目

2、CLARANS

3、mean-shift： k-means的改进，不需要参数

hierarchical

The hierarchical methods usually create a hierarchical decomposition of a dataset by iteratively splitting the dataset into smaller subsets until each subset consists of only one object

1、single-linkage

2、its variants

segment

three main categories: edge/border based, region growing based and hybrid

edge/border based

region growing

hybrid approaches

Objectives and Motivation

1、P-Linkage Clustering：

develop a simple, efficient point cloud segmentation algorithm

2、Point Cloud Segmentation：

employing the clustering algorithm on point cloud segmentation.

2. PAIRWISE LINKAGE

CutoffDistance:截止距离的选取

只有距离小于这个d才会被认为是neighbor

其中，For each data point pi, the distance between pi and its closest neighbor is recorded in Dcn。

where scale is a customized parameter which means the cutoff distance dc is scale times the value of the median value of the set Dcn.

Density：密度的计算

Pairwise Linkage:建立linkage关系，保存聚类中心点

Hierarchical Clustering:分层聚类

ClusterMerging:

判据：average densities of the adjacent points

如果两个cluster中的average densities of the adjacent points满足：

则合并两个cluster

总的算法流程：

对每一个点，在其邻域内寻找比它本身特征（这里是密度）大的点，如果有，那么讲这个点记为CNP，并将CNP-p之间的linkage保存到Table中；如果在其邻域内没有比他自身特征好的点，那么这个点就记为聚类中心。最后在聚类中心的集合中，根据Table找每一个聚类中心对应的点集合

3. P-LINKAGE FOR POINT CLOUD SEGMENTATION

将cluster算法应用到点云分割上面，和2维数据有三点不同：

1、使用KNN找k个最近的邻域点，而不是固定的距离的近邻点

2、使用点的平面度作为特征值

3、两个点之间的距离为他们法线方向的偏差

Normal Estimation

选取K个最近邻点，使用前K/2个进行PCA估计法向量；

使用Maximum Consistency with Minimum Distance (MCMD) algorithm (Nurunnabi et al., 2015)算法寻找inliers，其方法是：对这个p计算其邻域的K个点到估计的平面的距离N_OD，然后计算这些数据的MAD，进而计算出Rz_SCORE:

最后对每一给点p，得到法线，平面度，一致性集合CS§

Linkage Building

对每一个p在其CS中选取比他平坦并且距离p最近的点作为CNP(pi)，如果这个CNP(pi)存在那么创建一个linkage，并且保存在一个table T；如果这个点不存在并且当前点p的平坦度小于这个阈值：

那么p就是cluster center，并插入到list中。

Slice Creating

通过对cluster center中的点在Table中查找，形成初始的clusters，然后对每一个cluster，通过一个类似于RANSAC的平面拟合的方式（MCS method proposed by (Nurunnabi et al., 2015)），迭代求得每一个cluster的最优的plane，然后通过MCMD outlier removal得到内点（也就是Consistent Set (CS)），这样对于每一个slice S_p，我们就获得了normal n(Sp)，flatness λ(Sp)，Consistent Set CS(Sp)。

Slice Merging

1、search for the adjacent slices for each one

满足下式，则为adjacent slice

2、如果相邻的slice满足下面的公式：

那么合并。

4. EXPERIMENTAL RESULTS

高斯分布的二维数据

5. CONCLUSION

提出层次聚类方法P-linkage；将该算法应用到点云分割，可以处理通过不同场景捕获的大量数据点。

【论文阅读】PAIRWISE LINKAGE FOR POINT CLOUD SEGMENTATION-ISPRS-luxiaohu相关推荐

[深度学习论文笔记]Pairwise Learning for Medical Image Segmentation
[深度学习论文笔记]Pairwise Learning for Medical Image Segmentation 医学图像分割的成对学习 Published: October 2020 Publi ...
【论文阅读】Squeeze-and-Attention Networks for Semantic Segmentation（CVPR2020）
论文题目:Squeeze-and-Attention Networks for Semantic Segmentation(用于语义分割的挤压-注意网络) 下载链接:https://arxiv.org ...
（论文阅读笔记）Semantic-Aware Domain Generalized Segmentation
论文地址:https://arxiv.org/abs/2204.00822 源码地址:GitHub - leolyj/SAN-SAW: This is the code related to &quo ...
论文阅读：MNC：Instance-aware Semantic Segmentation via Multi-task Network Cascades
文章目录 1.论文总述 2.Regressing Mask-level Instances时与Deep Mask的不同 3.分类stage的一个细节 4.试用一款公式神器(MathpixSnip): ...
[论文阅读] Shallow Attention Network for Polyp Segmentation
论文地址:https://arxiv.org/abs/2108.00882 代码:https://github.com/weijun88/SANet 发表于:MICCAI'21 Abstract 准确 ...
[论文阅读] Adaptive Context Selection for Polyp Segmentation
论文地址:https://doi.org/10.1007/978-3-030-59725-2_25 代码:https://github.com/ReaFly/ACSNet 发表于:MICCAI'20 ...
论文阅读笔记：Retinal blood vessel segmentation using fully convolutional network with transfer learning
Retinal blood vessel segmentation using fully convolutional network with transfer learning 使用全卷积网络与迁 ...
[论文阅读] Adversarial Learning for Semi-Supervised Semantic Segmentation
[论文地址] [代码] [BMVC 18] Abstract 我们提出了一种使用对抗性网络进行半监督性语义分割的方法.虽然大多数现有的判别器都是在图像层面上对输入图像进行真假分类的训练,但我们以完全卷 ...
【论文阅读】Unsupervised Learning of Image Segmentation Based on Differentiable Feature Clustering
文章目录摘要目标贡献点介绍相关工作经典方法深度学习基于用户输入的图像分割基于CNN的弱监督分割端到端的可微分割CNN 方法问题建模网络结构损失函数网络更新实验结果连续性 ...

【论文阅读】PAIRWISE LINKAGE FOR POINT CLOUD SEGMENTATION-ISPRS-luxiaohu

目录