赵夫群， 马 玉， 戴 翀

(1.西安财经大学信息学院， 西安 710100； 2.西北大学信息科学与技术学院， 西安 710127)

点云是三维图形数据的常见存在形式之一，它能够立体高效地存储三维物体的详细属性信息。点云分割是将三维空间中点云通过一系列算法，将散乱的点云数据划分为更加连贯的子集的过程。分割后的点云数据按照点云属性被划分为同一组别，从而方便进行下一步的数据处理。对三维点云模型的合理分割是后续数据分析的基础，便于后续的特征提取、目标识别、三维重建和虚拟现实等操作的处理。目前，点云分割已经在逆向工程、文物虚拟复原、医学研究等领域得到了广泛的应用[1-4]。

对于点云分割的研究，国内外学者提出了很多的相关算法。代璐等[5]提出一种点云分割神经网络NEPN(non-equivalent point network)，可以有效解决点云分割中的非等效性，提高分割精度； 张坤等[6]利用点云形状相关的特征参数实现了基于形状分割的点云分割方法，该方法提高了点云分割的精度和速度，并且具有较强的稳健性；李仁忠等[7]针对点云分割准确度低的问题，提出一种基于骨架点和外部特征点的点云分割算法，可以实现点云表面小范围内凸面体的有效分割，提高分割精度；傅欢等[8]提出基于八叉树和局部凸性的分割算法方，有效减少了分割的曲面数量同时提升了曲面质量；周炳南等[9]基于点云库，通过对比欧式距离点云分割算法、区域生长点云分割算法以及SegmenterLight分割算法的优缺点，对算法的优化提出相应的改进策略；……