首页 | 本学科首页   官方微博 | 高级检索  
相似文献
 共查询到10条相似文献,搜索用时 31 毫秒
1.
提出一种基于样点拓扑近邻的散乱点云曲面拓扑重建算法,对点云数据构建动态空间索引结构,采用动态扩展空心球算法查询样点k近邻,通过对样点的k近邻数据进行偏心扩展和自适应扩展获取样点的拓扑近邻参考数据,从中查询样点的拓扑近邻,从样点的同层拓扑近邻中获取符合Delaunay条件的匹配点,生成局部Delaunay三角网格,并通过增量扩展实现整个散乱点云的曲面拓扑重建.实例证明,该算法可对无隙、有边界等任意模型的散乱点云进行合理的曲面拓扑重建,有效解决了r-dense恰当采样点云中非均匀区域易产生非工艺孔洞的问题.  相似文献   

2.
杨文桥    郑力新    朱建清    董进华    郑义姚    刘颖    汪泰伸   《华侨大学学报(自然科学版)》2021,(1):97-102
设计一种散乱点云数据边缘检测算法,从而快速、精确地提取边缘特征.该算法以点云的局部特征为基础,通过分析点云数据各点的法向特性,构建各点k近邻法向夹角特征、曲率特征、距离特征,并在高斯函数的约束下完成点云边缘特征的检测.利用公共数据进行多组实验,对比不同算法下的检测效果.结果表明:该算法提取点云边缘特征的速度更快、效果更好.  相似文献   

3.
以LS方法为基础,在对已有的特征点提取方法研究的基础上,设计了一种改进的点云模型特征点提取算法。该方法以扫描到的每个数据点为中心建立一个δ-邻域,再以LS方法为基础,拟合此邻域的一个微切平面,然后将邻域内的点透视投影到此微切平面,计算这些点在微切面上的投影点的协方差值,从而构造一个协方差矩阵,并通过计算矩阵的相关值,设定阈值,把满足一定阈值范围内的点作为研究模型的边界特征点。  相似文献   

4.
为有效简化点云数据,提出保留边界特征的点云简化算法。该算法利用三维栅格划分法建立散乱点云的空间拓扑关系,计算每个数据点的近邻,通过球拟合法求得其曲率和具有方向性的法向量,采用投影点个数比值法找到并保留点云边界,根据具体情况设定所需阈值,对非边界点进行分类,通过对点的曲率与平均曲率比较、近邻保留点与近邻点个数比例,完成点云简化。实验结果表明:该算法不仅能对点云进行直接有效地简化,而且还能很好地保留点云模型的细节特征,简化比例达25%~40%。该方法可以满足不同种类点云简化的要求,能够提高计算机运行效率。  相似文献   

5.
针对基于微切面的点云边界提取方法在LiDAR点云边界提取中效率低,难以保证边界提取的精细度和完整性问题,提出了一种可调节滚动圆半径的α-shapes平面点云边界提取算法。该算法首先将点云数据栅格化,排除非边界点,并通过计算P点的K个邻近点平均距离和增设调节因子,设置滚动圆半径α,最后采用α-shapes算法提取点云边界。对近邻K值、点云形状和点云密度等分析,证明近邻K值与调节因子ω之间具有函数关系,及调节因子与点云密度和点云形状无关的结论。结果证明:该算法在准确提取点云边界情况下,能够快速提取完整点云边界,提高后续点云重建速度与效率,该算法具有良好的稳健性。  相似文献   

6.
一种新的散乱点云尖锐特征提取方法   总被引:2,自引:0,他引:2  
针对散乱点云的尖锐特征识别与提取问题,提出一种基于平均曲率运动的散乱点云尖锐特征提取算法.该算法利用采样点的加权邻域重心近似表示离散Laplacian算子;利用采样点邻域的主成分分析估算散乱点云法向量,通过张量投票的方法平滑估算得到的点云法向场,进一步提高了该算法识别细微尖锐特征的能力;将采样点和其对应加权邻域重心之间的距离投影到法向方向,消除了因为采样密度不均匀以及边界点所引起的尖锐特征点误判.该算法直接对散乱点云进行操作,不需要维护采样点之间的连接关系和任何全局的拓扑信息,简捷且易于实现,对点云中的噪声和局外点保持鲁棒.该算法应用于合成点云和实际扫描点云的实验结果表明了方法的有效性.  相似文献   

7.
提出了三维散乱数据微切平面逼近的算法.基于曲面形状信息反映在三维散乱点集中,用三维点集中某点的邻域点集构造微切平面来近似表示该点处的局部形状,所有点的微切平面集合则构成了待构曲面的近似表示.通过欧几里德最小生成树对微切平面法矢方向进行调整使其达到整体一致性,该算法在三维散乱数据曲面重构中具有重要意义.  相似文献   

8.
针对三维点云数据简化过程中边界特征容易丢失问题,研究了一种点云边界特征提取方法.首先,对点的k近邻进行查找,并进行点的球拟合计算,得到拟合球的半径、点的曲率、点到球心距离.其次,通过数据点周围点的分布均匀性、自适应调节参数公式中的阈值,可以达到检测边界特征的目的.由不同模型的实验数据表明,该算法提取的边界满足了后期数据简化所需.  相似文献   

9.
微切平面逼近三维散乱数据的研究   总被引:3,自引:0,他引:3  
提出了三维散乱数据微切平面逼近的算法。基于曲面形信息反映在三维散乱点集中,用维三点集中某点的邻 集构造微切平面来近似表示该点处的局部形状,所有点的微切平面集合则构成了待构曲面的近似表示。通过欧几里德最小生成树对微切平面法矢方向进行调整使其达到整体一致性,该算法在三维散乱数据曲面重构中具有重要意义。  相似文献   

10.
散乱点云数据的曲率精简算法   总被引:2,自引:0,他引:2  
针对海量散乱点云数据精简问题,提出了以平均曲率为判据的精简算法.采用八叉树结构对点云数据进行空间分割,由分割结果建立k邻域.在散乱数据点参数化的基础上,对k邻域内的散乱点进行二次曲面拟合,求出拟合曲面的平均曲率,进而得出邻域内所有数据点的平均曲率均值,以此为判据进行数据精简.构造曲率差函数,识别出边界数据点,对其进行数据保护.结果表明,该算法对具有曲率多样化特点的点云数据精简具有一定的理论意义和应用价值.通过实验验证了该算法的可靠性和准确性.  相似文献   

设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号