利用kd_tree索引实现曲率自适应点云简化算法

被引：10

作者：

马振国 ^{[1
,2
]}

机构：

[1] 山东科技大学信息科学与工程学院

[2] 中国测绘科学研究院

来源：

测绘科学 | 2010年 / 35卷 / 06期

基金：

国家高技术研究发展计划(863计划);

关键词：

点云简化; kdtree; 曲率采样;

D O I：

10.16251/j.cnki.1009-2307.2010.06.019

中图分类号：

P209 [电子计算机的应用];

学科分类号：

摘要：

本文首先简要分析了现有点云简化算法的优缺点,接着设计了一种基于kd_tree数据索引与曲率采样结合的高效简化策略,充分利用曲率采样的精度优势与kd_tree索引的速度优势,实现了基于kd_tree索引的曲率自适应点云简化算法。试验表明,该算法在减少点云数据量的同时,能够较好地保证模型中的特征点,在速度与效果上都达到了较为理想的结果。

引用

页码：67 / 69

页数：3

共 6 条

[1] 基于k-d树的机载LIDAR点云滤波处理 [J].

刘艳丰 ;

王守彬 ;

汤仲安 ;

赵永统 .

测绘工程, 2009, 18 (05) :59-62

[2]

Experimental comparison of filter algorithms for bare-Earth extraction from airborne laser scanning point clouds.[J].George Sithole;George Vosselman.ISPRS Journal of Photogrammetry and Remote Sensing.2004, 1

[3]

The pre-processing of data points for curve fitting in reverse engineering.[J].Ming-Chih Huang;Ching-Chih Tai.The International Journal of Advanced Manufacturing Technology.2000, 9

[4]

Processing of laser scanner data—algorithms and applications.[J].Peter Axelsson.ISPRS Journal of Photogrammetry and Remote Sensing.1999, 2

[5]

点云数据的光顺去噪与简化技术的研究与实现.[D].杜小燕.苏州大学.2009, 10

[6]

基于kd-tree的点云数据空间管理理论与方法.[D].刘艳丰.中南大学.2009, 04

← 1 →