保留几何特征的散乱点云简化算法

被引：23

作者：

张雨禾 ^{[1
]}

耿国华 ^{[1
]}

魏潇然 ^{[1
]}

苏惠明 ^{[1
]}

周明全 ^{[2
]}

机构：

[1] 西北大学信息科学与技术学院

[2] 北京师范大学信息科学与技术学院

来源：

计算机辅助设计与图形学学报 | 2016年 / 09期

关键词：

散乱点云; 点云简化; 特征提取; 泊松分布;

D O I：

暂无

中图分类号：

TP391.41 [];

学科分类号：

080203 ;

摘要：

针对散乱点云简化中易丢失几何特征及潜在曲面形状信息的问题,提出一种保留几何特征的散乱点云简化算法.首先以单位距离上的法向变化作为局部特征检测算子,采用基于泊松分布的区域生长法自适应地检测特征点,并计算潜在曲面的平均弯曲度;然后通过设定不同的聚类阈值,并利用共享近邻聚类算法对非特征点的邻域进行聚类分析,从而判定该点处潜在曲面的弯曲程度,同时检测噪声点;最后,删除噪声点,根据潜在曲面弯曲程度,采用不同的简化策略删除冗余点.该算法不但避免了在大量精简时造成孔洞,而且使得简化后模型尽可能保持原始潜在曲面的形状信息,降低简化误差.实验结果表明,文中算法简单、有效,能够同时保留原始点云的几何特征及潜在曲面的形状信息,具有较低的简化误差和良好的鲁棒性.

引用

页码：1420 / 1427

页数：8

共 15 条

[1] 基于模糊熵迭代的三维点云精简算法 [J].

陈璋雯 ;

达飞鹏 .

光学学报, 2013, 33 (08) :161-167

[2] 一种改进的点云数据精简方法 [J].

朱煜 ;

康宝生 ;

李洪安 ;

史芳玲 .

计算机应用, 2012, 32 (02) :521-523+544

[3] 保留边界的点云简化方法 [J].

黄文明 ;

肖朝霞 ;

温佩芝 ;

吴晓军 .

计算机应用, 2010, 30 (02) :348-350+384

[4] 点模型的几何图像简化法 [J].

王仁芳 ;

张三元 ;

叶修梓 .

计算机辅助设计与图形学学报, 2007, (08) :1022-1027

[5] 海量测量数据简化技术研究 [J].

张丽艳 ;

周儒荣 ;

蔡炜斌 ;

周来水 .

计算机辅助设计与图形学学报, 2001, (11) :1019-1023

[6]

A Statistical Approach for Extraction of Feature Lines from Point Clouds[J] . Yuhe Zhang,Guohua Geng,Xiaoran Wei,Shunli Zhang,Shanshan Li.Computers & Graphics . 2016

[7] 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

[8] 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

[9] A progressive point cloud simplification algorithm with preserved sharp edge data [J].

Hao Song ;

Hsi-Yung Feng .

The International Journal of Advanced Manufacturing Technology, 2009, 45 :583-592

[10]

A global clustering approach to point cloud simplification with a specified data reduction ratio[J] . Hao Song,Hsi-Yung Feng.Computer-Aided Design . 2007 (3)

← 1 2 →