欧氏聚类算法支持下的点云数据分割

• 作者: 向云飞 杨洋 陈向阳
• 来源期刊: 测绘通报
• 学科: 地球科学
• 关键词: 欧氏聚类 点云数据 分割 算法
• 年，卷（期）: 2017,（11）
• 所属期刊栏目: 学术研究
• 页码范围: 27-31,36
• 页数: 6页
• 分类号: P23
• 语种: 中文

摘要

欧氏聚类算法是多元统计中的一种重要分类方法,可以将其应用于测绘领域中点云数据的分割.本文首先计算点云数据中两点之间的欧氏距离,将距离小于指定阈值作为分为一类的判定准则;然后迭代计算,直至所有的类间距大于指定阈值,完成欧氏聚类分割.具体步骤为:①利用Octree法建立点云数据拓扑组织结构;②对每个点进行k近邻搜索,计算该点与k个邻近点之间的欧氏距离,最小归为一类;③设置一定的阈值,对步骤 ②迭代计算,直至所有类与类之间的距离大于指定阈值.试验证明,欧氏聚类算法对不同测量技术手段获取的点云数据均具有适用性,可以成功对点云数据进行分割,分割效果良好.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈向阳	南通职业大学建筑工程学院	23	55	4.0	6.0
2	向云飞		5	15	2.0	3.0
3	杨洋		2	19	2.0	2.0