共 10 条
- [10] Adaptive simplification of point cloud using k-means clustering[J]. COMPUTER-AIDED DESIGN, 2011, 43 (08) : 910 - 922Shi, Bao-QuanLiang, JinLiu, Qing
基于K-means聚类的RGBD点云去噪和精简算法
被引：32
作者：
苏本跃
[1
,2
]
马金宇
[1
,2
]
彭玉升
[2
,3
]
盛敏
[2
,3
]
机构：
[1] 安庆师范大学计算机与信息学院
[2] 安徽省智能感知与计算重点实验室
[3] 安庆师范大学数学与计算科学学院
来源：
关键词：
K-means聚类;
点云去噪;
点云精简;
RGBD数据;
D O I：
10.16182/j.cnki.joss.2016.10.006
中图分类号：
TP391.41 [];
学科分类号：
080203 ;
摘要：
针对Kinect等深度相机扫描获取的点云数据数量庞大、噪声较多的问题,提出一种特征保持的点云去噪和精简算法。使用K-D树快速分类点云;通过曲率估计算法得到局部曲面的曲率值;使用K-means聚类算法对点云进行聚类,对每个类中的点,根据点到聚类中心的欧式距离和邻近点曲率变化判断是否为噪声点;通过保持特征的点云精简算法实现对点云数据的简化。实验结果显示,算法快速有效,对于去除大量外部噪声有良好效果,且精简后的点云数据保持了原始点云特征。
引用
收藏
页码：2329 / 2334+2341
+2341
页数：7
相关论文