基于自适应邻域和局部贡献值的散乱点云精简算法

作者：郑茹丹; 李金龙^*; 张渝; 高晓蓉

来源：激光与光电子学进展, 2021, 58(16): 329-336.

• 图像处理
• 点云精简
• 自适应邻域
• 特征区域划分
• K-means

针对激光线结构光扫描仪等获取的复杂物体表面三维点云数据量大、冗余性高等问题,提出一种基于自适应邻域和局部贡献值的点云精简算法。首先,根据点云的局部几何特征确定每个区域的最佳邻域范围;其次,将最佳邻域与内部形状特征算法、局部表面斑块算法相结合,计算所有点云数据的局部贡献值,并提取出点云特征点;最后,使用K-means聚类算法划分点云数据,并按类别和贡献值对点云进行精简。实验结果表明,对于复杂表面被测物,所提算法能够在保证精简率的情况下调节特征区域与非特征区域的精简度,同时保证点云完整性与细节特征信息,精简结果精度较高并更贴合物体原始面貌。

• 单位
  西南交通大学