基于邻域点位置特征的点云数据精简

作者：章紫辉; 官云兰

来源：激光与光电子学进展, 2022, 1-13.

• 点云精简
• 点云分层
• 位置特征
• 曲率采样

海量点云数据给存储、传输、处理带来困难。针对现有算法在特征保留与精简后重建模型表面积、体积、重建误差不能兼顾的问题，提出一种基于邻域点位置特征的点云精简算法。该方法根据权值计算投影面、搜寻矩阵大小以及精简比例对目标点云进行精简。首先，将目标点云网格化处理；其次，寻找投影面垂直方向（正、负两个方向），以目标点为中心，获取搜寻矩阵范围内的点；接着，根据搜寻矩阵内点与目标点的位置关系确定其权值；最后，根据所设的精简比例对原始点云进行精简。将本文算法与曲率采样法、均匀网格法和随机采样法进行比较，并从特征保留、表面积和体积变化率三个方面进行评价。实验结果表明，本文算法的精简结果对特征区域效果优于均匀网格法和随机采样法，与曲率采样法一致；精简结果误差、重建模型的表面积差和体积差总体优于曲率采样法，与随机采样法基本一致，略差于均匀网格法。因此，本文算法既能较好地保留特征，同时也能使重建后的结果模型表面积和体积变化以及误差都较小，综合效果好。

• 单位
  东华理工大学