基于测量步距的散乱点云k近邻搜索算法

被引：4

作者：

刘大峰 ^{[1
]}

戴宁 ^{[1
]}

孙全平 ^{[2
]}

廖文和 ^{[1
]}

机构：

[1] 南京航空航天大学

[2] 淮阴工学院

来源：

中国机械工程 | 2008年 / 04期

关键词：

散乱点云; 曲面重建; k近邻; 范围搜索;

D O I：

暂无

中图分类号：

TP301.6 [算法理论];

学科分类号：

081202 ;

摘要：

提出了一种基于测量步距d的k近邻快速搜索算法。该算法根据三维测量原理,综合考虑了测量数据的密度ρ和测量误差δ,给出了散乱点云数据的临界搜索半径r,极大地缩小了k近邻的搜索区域。考虑到邻近点数k的取值,弹性地改变搜索半径r以满足不同k值的需要,实现散乱点云数据k近邻的快速最优搜索。

引用

页码：414 / 418

页数：5

共 6 条

[1] 海量散乱点的曲面重建算法研究 [J].

周儒荣 ;

张丽艳 ;

苏旭 ;

周来水 .

软件学报, 2001, (02) :249-255

[2] Development of a high-precision surface metrology system using structured light projection [J].

Tsai, MJ ;

Hung, CC .

MEASUREMENT, 2005, 38 (03) :236-247

[3] A new segmentation method for point cloud data [J].

Woo, H ;

Kang, E ;

Wang, SY ;

Lee, KH .

INTERNATIONAL JOURNAL OF MACHINE TOOLS & MANUFACTURE, 2002, 42 (02) :167-178

[4] Reverse engineering of geometric models - An introduction [J].

Varady, T ;

Martin, RR ;

Cox, J .

COMPUTER-AIDED DESIGN, 1997, 29 (04) :255-268

[5] VORONOI DIAGRAMS - A SURVEY OF A FUNDAMENTAL GEOMETRIC DATA STRUCTURE [J].

AURENHAMMER, F .

COMPUTING SURVEYS, 1991, 23 (03) :345-405

[6]

AnO（n logn） algorithm for the all-nearest-neighbors Problem[J] . Pravin M. Vaidya.Discrete ＆ Computational Geometry . 1989 (1)

← 1 →