基于KD树散乱点云数据的Guass平均曲率精简算法

针对大数据散乱点云精简问题,提出基于平均曲率为判断依据的精简算法。采用KD树结构对点云数据建立k领域。在散乱点参数化的基础上,对k领域内的点进行二次曲面拟合,求出拟合平面的平均曲率,进而得出领域内所有数据点的平均曲率均值,以此为判断依据精简。构造曲率差函数,识别出边界数据点,对边界数据进行保护。试验结果表明,该算法对曲率变化大的点云数据精简有一定的理论和应用价值。