FEC: Schnelle euklidische Clusterung zur Segmentierung von Punktwolken

Die Segmentierung aus Punktwolkendaten ist in vielen Anwendungen, wie z.B. der Fernerkundung, mobilen Robotern oder autonomen Fahrzeugen, unerlässlich. Die durch den 3D-Entfernungssensor erfassten Punktwolken sind jedoch häufig spärlich und unstrukturiert, was die effiziente Segmentierung erschwert. Eine schnelle Lösung für die Segmentierung von Punktwolkeninstanzen mit geringen Rechenanforderungen fehlt. Zu diesem Zweck schlagen wir einen neuartigen schnellen euklidischen Clusterungsalgorithmus (FEC) vor, der ein punktweises Schema anstelle des clusterweisen Schemas anwendet, das in bestehenden Arbeiten verwendet wird. Die vorgeschlagene Methode vermeidet es, jeden Punkt konstant in jeder geschachtelten Schleife zu durchlaufen, was zeit- und speicherintensiv ist. Unser Ansatz ist konzeptionell einfach, leicht zu implementieren (40 Zeilen in C++) und erreicht zwei Größenordnungen schneller als die klassischen Segmentierungsmethoden, während er qualitativ hochwertige Ergebnisse liefert.