特征提取的点云自适应精简

• 作者: 刘迎 张宗华 王朝阳 高楠
• 来源期刊: 光学精密工程
• 学科: 工学
• 关键词: 点云精简 自适应精简 k邻域 面拟合
• 年，卷（期）: 2017,（1）
• 所属期刊栏目: 信息科学
• 页码范围: 245-254
• 页数: 10页
• 分类号: TH741|TP311.1
• 字数: 4872字
• 语种: 中文
• DOI: 10.3788/OPE.20172501.0245

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	高楠	河北工业大学机械工程学院	26	109	5.0	10.0
2	张宗华	河北工业大学机械工程学院	21	72	5.0	8.0
3	刘迎	河北工业大学机械工程学院	1	33	1.0	1.0
4	王朝阳	河北工业大学机械工程学院	1	33	1.0	1.0