保留几何特征的散乱点云简化算法

摘要：

针对散乱点云简化中易丢失几何特征及潜在曲面形状信息的问题，提出一种保留几何特征的散乱点云简化算法。首先以单位距离上的法向变化作为局部特征检测算子，采用基于泊松分布的区域生长法自适应地检测特征点，并计算潜在曲面的平均弯曲度；然后通过设定不同的聚类阈值，并利用共享近邻聚类算法对非特征点的邻域进行聚类分析，从而判定该点处潜在曲面的弯曲程度，同时检测噪声点；最后，删除噪声点，根据潜在曲面弯曲程度，采用不同的简化策略删除冗余点。该算法不但避免了在大量精简时造成孔洞，而且使得简化后模型尽可能保持原始潜在曲面的形状信息，降低简化误差。实验结果表明，文中算法简单、有效，能够同时保留原始点云的几何特征及潜在曲面的形状信息，具有较低的简化误差和良好的鲁棒性。

关键词：散乱点云、点云简化、特征提取、泊松分布

所属期刊栏目：28

分类号：TP391.41(计算技术、计算机技术)

资助基金：国家自然科学基金面上项目61373117;国家自然科学基金61305032,61572400;陕西省教育厅科研专项2013JK1180

在线出版日期：2016-09-13（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：1420-1427