基于多判别参数混合方法的散乱点云特征提取

被引：17

作者：

陈龙 ^{[1
]}

蔡勇 ^{[1
,2
]}

张建生 ^{[1
]}

向北平 ^{[1
,2
]}

机构：

[1] 西南科技大学制造科学与工程学院

[2] 西南科技大学制造过程测试技术省部共建教育部重点实验室

来源：

计算机应用研究 | 2017年 / 34卷 / 09期

关键词：

点云; 特征提取; K邻域; 边界点;

D O I：

暂无

中图分类号：

TP391.41 [];

学科分类号：

080203 ;

摘要：

针对以往散乱点云特征提取算法存在尖锐特征点提取不完整以及无法保留模型边界点的问题,提出了一种多个判别参数混合方法的特征提取算法。对点云构建k-d tree,利用k-d tree建立点云K邻域;针对每个K邻域计算数据点曲率、点法向与邻域点法向夹角的平均值、点到邻域重心的距离、点到邻域点的平均距离,据此四个参数定义特征阈值和特征判别参数,特征判别参数大于阈值的点即为特征点。实验结果表明,与已有算法相比,该算法不仅可以有效提取尖锐特征点,而且能够识别边界点。

引用

页码：2867 / 2870

页数：4