三维散乱点云模型的特征点检测

被引:38
作者
王丽辉 [1 ,2 ]
袁保宗 [1 ,2 ]
机构
[1] 北京交通大学信息科学研究所
[2] 现代信息科学与网络技术北京市重点实验室
关键词
三维点云模型; 特征参数; 特征点检测; k近邻;
D O I
暂无
中图分类号
TP391.41 [];
学科分类号
080203 ;
摘要
随着三维点云模型越来越受到人们的关注,如何对数据量大,无序的三维点云模型进行特征点检测也是近几年的研究热点。本文提出了基于曲率和密度的特征点检测算法,为每个数据点定义一个特征参数,这个参数由三部分组成:点到邻居点的平均距离;点的法向与邻居点法向夹角的和;数据点曲率。然后通过八叉树方法计算模型的数据点密度,将这个密度与模型到中心点的最大距离相除得到特征阈值,特征参数大于阈值的点就是特征点。本文计算时,检测模型的特征点只需用到三维点云模型的几何特征,如数据点法向,曲率和邻居点。实例表明本算法可准确地检测出散乱数据点云的特征点。
引用
收藏
页码:932 / 938
页数:7
相关论文
共 5 条
[1]   保留几何特征的散乱点云简化方法 [J].
黄文明 ;
彭希为 ;
温佩芝 ;
吴晓军 .
计算机工程与应用 , 2009, (28) :168-170+186
[2]  
关于细分曲面造型的研究[D]. 刘颖.天津大学 2005
[3]   Detection of closed sharp edges in point clouds using normal estimation and graph theory [J].
Demarsin, Kris ;
Vanderstraeten, Denis ;
Volodine, Tim ;
Roose, Dirk .
COMPUTER-AIDED DESIGN, 2007, 39 (04) :276-283
[4]   Ridge-valley lines on meshes via implicit surface fitting [J].
Ohtake, Y ;
Belyaev, A ;
Seidel, HP .
ACM TRANSACTIONS ON GRAPHICS, 2004, 23 (03) :609-612
[5]  
Bilateral recovering of sharp edges on feature-insensitive sampled meshes. Charlie C L Wang. IEEE Transactions on Visualization and Computer Graphics . 2006