特征提取的点云自适应精简

摘要：

作为一种反映物体形貌的三维信息,点云数据的原始数据量十分庞大,直接对过多的数据进行操作会影响后续重建等工作.本文提出了一种新的点云特征提取自适应精简算法.首先对原始点云进行空间划分,构建点的k邻域,设置特征参数,进行特征分析,识别不同区域的信息和数据.然后针对平面数据预先进行边界的检测和提取,对剩余部分进行精简.最后,针对非平面区域,先提取特征,再根据曲率的不同进行不同程度的精简.办公室数据扫描实验结果表明,处理大小为百万以内点的点云模型可以在几秒之内完成,精简比能够达到90％以上,与原始数据间的误差较小:平面部分在精简前后平均偏差均在0.02 mm以内,波动很小,为0.005 7 mm;非平面区域精简前后的平均偏差均在0.08 mm左右,差值仅为0.000 3 mm,精简精度得以保证.因此,利用提出的算法处理后的数据能更好地展示物体的形貌.

关键词：点云精简、自适应精简、k邻域、面拟合

所属期刊栏目：25

分类号：TH741;TP311.1(仪器、仪表)

资助基金：国家自然科学基金资助项目51675160,61171048;河北省应用基础研究计划重点基础研究资助项目15961701D;河北省高层次人才资助项目GCC2014049;河北省人才工程培养经费资助项目A201500503

在线出版日期：2017-03-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：245-254