一种基于边缘增强的半监督k-means的点云分割方法

本发明提供一种基于边缘增强的半监督k‑means的点云分割方法，属于点云数据处理技术领域。本发明通过对原始点云数据进行去噪处理，分析所述点云数据集中法向量的变化，对所述点云数据中的几何边缘进行提取，获取边缘点云集形成的封闭区域，通过形态学闭运算选取质心，采用优化后的K‑means聚类算法对所述点云数据集进行分割，实现了点云数据的自适应高质量分割。形态学闭运算有效提升边缘连续性，基于封闭区域的质心初始化策略降低迭代次数且避免人工预设聚类数，边缘约束项的引入使边界匹配精度提升。与传统方法相比，本发明提供的方法在拼接探测器的点云分割方法上具有更高的稳定性和准确性。