基于多判别参数混合方法的散乱点云特征提取

• 作者: 向北平 张建生 蔡勇 陈龙
• 来源期刊: 计算机应用研究
• 关键词: 点云 特征提取 K邻域 边界点
• 年，卷（期）: 2017,（9）
• 所属期刊栏目: 图形图像技术
• 页码范围: 2867-2870
• 页数: 4页
• 分类号: TP391.41
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3695.2017.09.067

摘要

针对以往散乱点云特征提取算法存在尖锐特征点提取不完整以及无法保留模型边界点的问题,提出了一种多个判别参数混合方法的特征提取算法.对点云构建k-d tree,利用k-d tree建立点云K邻域;针对每个K邻域计算数据点曲率、点法向与邻域点法向夹角的平均值、点到邻域重心的距离、点到邻域点的平均距离,据此四个参数定义特征阈值和特征判别参数,特征判别参数大于阈值的点即为特征点.实验结果表明,与已有算法相比,该算法不仅可以有效提取尖锐特征点,而且能够识别边界点.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	蔡勇	西南科技大学制造科学与工程学院	111	1032	16.0	26.0
5	向北平	西南科技大学制造科学与工程学院	41	219	8.0	13.0
9	张建生	西南科技大学制造科学与工程学院	24	188	6.0	13.0
10	陈龙	西南科技大学制造科学与工程学院	2	38	2.0	2.0