基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
点云中提取的特征线在点云处理中具有重要的应用价值,已被应用于对称性检测、表面重建及点云与图像之间的注册等.然而,已有的点云特征线提取算法无法有效地处理点云中不可避免的噪声、外点和数据缺失,而随机采样一致性RANSAC由于具有较高的鲁棒性,在图像和三维模型处理中具有广泛的应用.为此,针对由建筑物或机械部件等具有平面特征的物体扫描得到的点云,提出了一种基于RANSAC的特征线提取算法.本算法首先基于RANSAC在点云中检测出多个平面,然后将每个平面参数化域的边界点作为候选,在这些候选点上再应用基于全局约束的RANSAC得到最终的特征线.实验结果表明,该算法对点云中的噪声、外点和数据缺失具有很强的鲁棒性.
推荐文章
基于三维点云模型的特征线提取算法
高斯映射
曲率计算
点聚类
自适应迭代
折线生长
一种改进的RANSAC图像拼接算法
图像拼接
RANSAC
单应性矩阵
双向互匹配
加权平滑
一种新的散乱点云尖锐特征提取方法
散乱点云
尖锐特征
张量投票
特征提取
基于点云数据的建筑特征线自动提取
三维建模
三维激光扫描技术
点云
自动提取
特征线
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 一种基于RANSAC的点云特征线提取算法
来源期刊 计算机工程与科学 学科 工学
关键词 点云 线特征 RANSAC 鲁棒
年,卷(期) 2013,(2) 所属期刊栏目 图形与图像
研究方向 页码范围 147-153
页数 7页 分类号 TP391.4
字数 6731字 语种 中文
DOI 10.3969/j.issn.1007-130X.2013.02.026
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 金士尧 14 223 7.0 14.0
2 李宝 2 140 2.0 2.0
3 程志全 2 140 2.0 2.0
4 党岗 2 140 2.0 2.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (6)
节点文献
引证文献  (40)
同被引文献  (69)
二级引证文献  (64)
1981(1)
  • 参考文献(1)
  • 二级参考文献(0)
2007(2)
  • 参考文献(2)
  • 二级参考文献(0)
2008(2)
  • 参考文献(2)
  • 二级参考文献(0)
2009(1)
  • 参考文献(1)
  • 二级参考文献(0)
2013(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2014(3)
  • 引证文献(3)
  • 二级引证文献(0)
2015(7)
  • 引证文献(4)
  • 二级引证文献(3)
2016(13)
  • 引证文献(5)
  • 二级引证文献(8)
2017(16)
  • 引证文献(9)
  • 二级引证文献(7)
2018(21)
  • 引证文献(8)
  • 二级引证文献(13)
2019(30)
  • 引证文献(11)
  • 二级引证文献(19)
2020(14)
  • 引证文献(0)
  • 二级引证文献(14)
研究主题发展历程
节点文献
点云
线特征
RANSAC
鲁棒
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
计算机工程与科学
月刊
1007-130X
43-1258/TP
大16开
湖南省长沙市开福区德雅路109号国防科技大学计算机学院
42-153
1973
chi
出版文献量(篇)
8622
总下载数(次)
11
总被引数(次)
59030
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导