散乱点云离群点的分类识别算法

被引：28

作者：

聂建辉

胡英

马孜

机构：

[1] 大连海事大学自动化研究中心

来源：

计算机辅助设计与图形学学报 | 2011年 / 23卷 / 09期

关键词：

散乱点云; 离群点; 区域增长; 局部离群系数;

D O I：

暂无

中图分类号：

TP391.72 [];

学科分类号：

080201 ; 080203 ; 081304 ; 1403 ;

摘要：

散乱点云离群点识别和滤除是重建高质量曲面的前提,也是散乱点云预处理的重要步骤.提出一种散乱点云区域增长策略和一个基于曲面变化度的局部离群指标SVLOF,并将其应用到离群点识别中.通过分析离群点产生的原因,根据离群点到点云主体的距离将离群点分为远离群点和近离群点2类;对远离群点采用基于三维区域增长的方法进行识别,而对于近离群点采用SVLOF系数进行识别.基于仿真数据和实测数据的实验均表明,采用文中算法能够快速、有效地检测出孤立离群点和小型聚类离群点.

引用

页码：1526 / 1532

页数：7

共 7 条

[1] 基于密度的离群噪声点检测
张毅
刘旭敏
关永
[J]. 计算机应用, 2010, 30 (03) : 802 - 805+809
[2] 基于局部线性加权的离群点检测方法
徐雪松
宋东明
张谞
张宏
刘凤玉
[J]. 计算机科学, 2008, (05) : 154 - 157
[3] 散乱点云数据配准算法
朱延娟
周来水
张丽艳
[J]. 计算机辅助设计与图形学学报, 2006, (04) : 475 - 481
[4] 叶片破损区域边界的自动提取算法研究
柯映林
陈曦
不详
[J]. 计算机辅助设计与图形学学报 , 2005, (06) : 1316 - 1321
[5] Automatic seeded region growing for color image segmentation
Shih, FY
Cheng, SX
[J]. IMAGE AND VISION COMPUTING, 2005, 23 (10) : 877 - 886
[6] Distance-based outliers: algorithms and applications[J] . Edwin M. Knorr,Raymond T. Ng,Vladimir Tucakov.The VLDB Journal . 2000 (3-4)
[7] Data clustering[J] . A. K. Jain,M. N. Murty,P. J. Flynn.ACM Computing Surveys (CSUR) . 1999 (3)

← 1 →