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
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
收藏
页码:67 / 69
页数:3
相关论文
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