点云数据分割致力于设计高效鲁棒的分割算法,实现点云场景中物体的精确分割,是目标检测、三维重建、场景理解、物体识别等视觉应用领域的关键基础步骤和重要研究课题。针对现有点云分割方法效率不高、物体分割边界粗糙以及分割不完整等问题,本文面对室内场景的三维点云数据,提出一种基于邻接区域凸融合的室内点云分割算法,高效实现点云场景中物体的精确语义分割。本文的主要工作及创新点归纳如下:提出基于边界约束的点云超体素过分割方法。针对现有过分割方法生成的点云超体素存在物体边界跨越的问题,通过提取点云数据的边界信息用于约束超体素的生成过程,从而得到严格依附于物体边界的超体素数据,提高后续分割的准确性。首先,对点云数据进行体素化,依据表面法向量的变化,使用Canny边界检测方法提取物体的边界,并确定边界体素;随后,筛选确定种子体素,综合考虑空间距离和几何特征进行体素相似性度量,利用流约束聚类算法,从种子体素开始迭代地进行体素聚类生成超体素,同时使用边界信息进行聚类约束,对于已扩展入超体素的边点体素不再进行邻域扩展,使得超体素的生成过程在遇到边界时停止,从而得到严格依附于物体边界的超体素。提出基于邻接面片凹凸性的区域融合方法。对过分割得到的超体素进行区域增长得到一系列分割面片,通过计算邻接面片的凹凸性,并将凸连接的面片进行区域融合,从而提高物体分割的完整性,实现场景点云中物体的精确语义分割。首先,使用最小二乘拟合方法计算超体素质心点的法线及曲率,选择具有最小曲率的超体素作为种子点,综合超体素法线和点特征直方图特征进行超体素相似性度量,以区域增长原理生成场景分割面;随后,通过分析室内物体的结构特点,根据邻接面片之间相邻超体素法向量的夹角关系,定义物体邻接面片的凹凸性,并将凸连接的邻接面片合并为同一个区域块,使得最终的分割结果对应与场景中的完整物体。本文提出的基于邻接区域凸融合的室内点云分割算法,采用“先过分割,再融合”的思想,实现了室内场景点云中物体的语义分割。其中,以点云边界信息约束超体素的生成过程、基于邻接面片凹凸性的区域融合方法具有创新性。实验结果显示,本文方法提取的超体素大小均匀且严格依附于物体边界,优于VCCS算法;最终的分割结果边界清晰,分割出的物体完整准确,避免了过分割与欠分割问题,有效提升了场景语义分割的精度。