融合k-means聚类和Hausdorff距离的散乱点云精简算法

被引：16

作者：

李健 ^{[1
]}

曹垚 ^{[2
]}

王宗敏 ^{[2
,3
]}

王广印 ^{[2
]}

机构：

[1] 郑州大学地球科学与技术学院

[2] 郑州大学水利与环境学院

[3] 中原工学院

来源：

武汉大学学报(信息科学版) | 2020年 / 45卷 / 02期

关键词：

点云精简; Hausdorff距离; k-means聚类; 曲面拟合;

D O I：

10.13203/j.whugis20180204

中图分类号：

TP301.6 [算法理论];

学科分类号：

摘要：

针对点云精简算法在处理点云数据时特征保留不完整和对小曲率点云精简造成数据空洞的问题,提出了一种融合k-means聚类和Hausdorff距离的点云精简算法。该算法在八叉树算法的基础上构建点云数据的拓扑关系,首先计算所有点云数据点的主曲率,然后计算点云数据点主曲率的Hausdorff距离,根据精简目标要求设定Hausdorff距离阈值,实现点云特征提取,最后对非特征区域进行k-means聚类提取特征点,并将两次提取的特征点融合得到精简结果。实验结果表明,该算法能较完整地保留模型的特征信息,并能避免形成空洞现象。

引用

收藏

页码：250 / 257

页数：8

相关论文

共 19 条

[1] Feature preserving multiresolution subdivision and simplification of point clouds: A conformal geometric algebra approach [J].

Yuan, Shuai ;

Zhu, Shuai ;

Li, Dong-Shuang ;

Luo, Wen ;

Yu, Zhao-Yuan ;

Yuan, Lin-Wang .

MATHEMATICAL METHODS IN THE APPLIED SCIENCES, 2018, 41 (11) :4074-4087

[2] Point cloud simplification with preserved edge based on normal vector [J].

Han, Huiyan ;

Han, Xie ;

Sun, Fusheng ;

Huang, Chunyan .

OPTIK, 2015, 126 (19) :2157-2162

[3] Rockfall detection from terrestrial LiDAR point clouds: A clustering approach using R [J].

Tonini, Marj ;

Abellan, Antonio .

JOURNAL OF SPATIAL INFORMATION SCIENCE, 2014, (08) :95-110

[4] Adaptive simplification of point cloud using k-means clustering [J].

Shi, Bao-Quan ;

Liang, Jin ;

Liu, Qing .

COMPUTER-AIDED DESIGN, 2011, 43 (08) :910-922

[5] Point data reduction using 3D grids [J].

Lee, KH ;

Woo, H ;

Suk, T .

INTERNATIONAL JOURNAL OF ADVANCED MANUFACTURING TECHNOLOGY, 2001, 18 (03) :201-210

[6] Cloud data modelling employing a unified, non-redundant triangular mesh [J].

Sun, W ;

Bradley, C ;

Zhang, YF ;

Loh, HT .

COMPUTER-AIDED DESIGN, 2001, 33 (02) :183-193

[7] Reverse engineering physical models employing wrap-around B-spline surfaces and quadrics [J].

Weir, DJ ;

Milroy, MJ ;

Bradley, C ;

Vickers, GW .

PROCEEDINGS OF THE INSTITUTION OF MECHANICAL ENGINEERS PART B-JOURNAL OF ENGINEERING MANUFACTURE, 1996, 210 (02) :147-157

[8] 车载LiDAR海量点云数据管理与可视化研究 [J].

闫利 ;

胡晓斌 ;

谢洪 .

武汉大学学报(信息科学版) , 2017, (08) :1131-1136

[9] 空间栅格动态划分的点云精简方法 [J].

傅思勇 ;

吴禄慎 ;

陈华伟 .

光学学报, 2017, 37 (11) :253-261

[10] 一种散乱点云的均匀精简算法 [J].

李仁忠 ;

杨曼 ;

刘阳阳 ;

张缓缓 .

光学学报, 2017, 37 (07) :97-105