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:
基于图像重建出的三维点云模型通常会包含许多离群点,这些离群点可能孤立存在或密集聚集在一起形成点簇,也可能分布在模型周围甚至附着在模型表面.通过一种检测方法很难有效滤除多种分布状态的离群点,因此,提出了综合的离群点监测算法.首先通过空间距离剔除与模型主体较远的离群点,并通过构建空间拓扑关系加快离群点搜索速度;然后利用边界匹配法,将较小点簇分别与最大点簇进行对比,滤除模型周围离群点簇;最后采用改进的K-m eans算法,根据RGB颜色值特征对点云数据进行聚簇分类,结合已识别的离群点,检测和滤除附着在模型表面的离群点.仿真实验结果表明,此方法能够有效滤除点云模型中多种分布状态的离群点.
推荐文章
基于距离统计的有序纹理点云离群点检测
离群点检测
距离统计
K邻域距离
正态分布3σ定理
有序点云
基于分化距离的离群点检测算法
离群点检测
分化距离
分化度
友邻点
一种基于多标记的局部离群点检测算法
机器学习
局部离群点
多标记
类别权重
基于聚类划分的两阶段离群点检测算法
层次聚类
K-均值
信息熵
距离和
离群点检测
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 基于图像的重建点云离群点检测算法
来源期刊 数据采集与处理 学科 工学
关键词 点云 三维重建 离群点 边界检测 聚类
年,卷(期) 2018,(5) 所属期刊栏目
研究方向 页码范围 928-935
页数 8页 分类号 TP391.72
字数 4696字 语种 中文
DOI 10.16337/j.1004-9037.2018.05.018
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 杨雨薇 云南师范大学信息学院 8 20 3.0 4.0
3 张亚萍 云南师范大学信息学院 21 52 4.0 6.0
4 李幸刚 云南师范大学信息学院 5 12 2.0 3.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (11)
共引文献  (24)
参考文献  (12)
节点文献
引证文献  (3)
同被引文献  (8)
二级引证文献  (0)
2003(2)
  • 参考文献(2)
  • 二级参考文献(0)
2005(2)
  • 参考文献(1)
  • 二级参考文献(1)
2006(4)
  • 参考文献(0)
  • 二级参考文献(4)
2007(5)
  • 参考文献(0)
  • 二级参考文献(5)
2008(2)
  • 参考文献(1)
  • 二级参考文献(1)
2009(3)
  • 参考文献(3)
  • 二级参考文献(0)
2015(2)
  • 参考文献(2)
  • 二级参考文献(0)
2016(3)
  • 参考文献(3)
  • 二级参考文献(0)
2018(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)
2019(2)
  • 引证文献(2)
  • 二级引证文献(0)
2020(1)
  • 引证文献(1)
  • 二级引证文献(0)
研究主题发展历程
节点文献
点云
三维重建
离群点
边界检测
聚类
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
数据采集与处理
双月刊
1004-9037
32-1367/TN
大16开
南京市御道街29号1016信箱
28-235
1986
chi
出版文献量(篇)
3235
总下载数(次)
7
总被引数(次)
25271
相关基金
国家自然科学基金
英文译名:the National Natural Science Foundation of China
官方网址:http://www.nsfc.gov.cn/
项目类型:青年科学基金项目(面上项目)
学科类型:数理科学
论文1v1指导