基于K-means聚类的RGBD点云去噪和精简算法

• 作者: 彭玉升 盛敏 苏本跃 马金宇
• 来源期刊: 系统仿真学报
• 学科: 工学
• 关键词: K-means聚类 点云去噪 点云精简 RGBD数据
• 年，卷（期）: 2016,（10）
• 所属期刊栏目: 仿真建模理论与方法
• 页码范围: 2329-2334,2341
• 分类号: TP391.9
• 语种: 中文

摘要

针对Kinect等深度相机扫描获取的点云数据数量庞大、噪声较多的问题,提出一种特征保持的点云去噪和精简算法.使用K-D树快速分类点云;通过曲率估计算法得到局部曲面的曲率值;使用K-means聚类算法对点云进行聚类,对每个类中的点,根据点到聚类中心的欧式距离和邻近点曲率变化判断是否为噪声点;通过保持特征的点云精简算法实现对点云数据的简化.实验结果显示,算法快速有效,对于去除大量外部噪声有良好效果,且精简后的点云数据保持了原始点云特征.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	盛敏		24	137	7.0	11.0
3	苏本跃	安庆师范大学计算机与信息学院	69	398	12.0	17.0
5	彭玉升		6	52	3.0	6.0
7	马金宇	安庆师范大学计算机与信息学院	3	47	3.0	3.0