论文摘要
随着三维激光扫描技术的发展,人们可以快速准确的获得物体表面大量的采样点。但是这些数据非常庞大,对后续的实时和高效的处理带来了很大的挑战,因此准确且高效的处理这些点云数据,并最终生成逼真的实物模型成为研究的一个重点。本文在此背景之下,对散乱点云数据处理的相关算法进行了研究,其主要研究内容有以下几个方面:1.对空间包围盒分块中栅格边长的计算方法进行了改进。首先以给定边长进行首次划分,计算出划分栅格的黑体占有率;然后综合考虑数据集的范围、点的总数、最近点数k以及黑体占有率的情况下进行第二次划分,使得对不同点云数据的最佳边长计算更为精确。2.在分析了基于点距与基于曲率的精简方法的基础上,综合考虑了数据简化速度与简化精度的前提下给出了一种基于向量夹角的数据简化算法。算法首先计算出采样点及其邻域点的重心点,再计算采样点指向邻域点的向量与采样点指向重心点的向量的夹角,取这些夹角的平均值作为采样点的夹角,依据采样点的夹角值大小来识别特征点;实验结果表明该算法策略能够较好的识别特征点,既提高了简化的速度,又很好的保持了物体表面的几何特征。3.分析了各种已有散乱数据边界点提取算法。在此基础上根据边界点与其邻域点的分布特征,给出了一种基于点距的边界点快速提取算法。算法首先计算采样点及其邻域点的重心点,跟据采样点到重心点的距离与采样到最远邻域点的距离的比值来识别边界点。实验表明该算法能够快速准确的提取三维散乱数据点的边界点。
论文目录
相关论文文献
- [1].基于权值的散乱点云压缩算法[J]. 河南科学 2019(07)
- [2].面向3D散乱点云数据的曲面拟合综合实验平台[J]. 实验室科学 2019(05)
- [3].分布式环境下散乱点云数据挖掘改进算法[J]. 西安工程大学学报 2016(05)
- [4].海量散乱点云数据的模糊聚类挖掘方法研究[J]. 计算机技术与发展 2019(11)
- [5].散乱点云局部形貌标架量化及特征识别方法[J]. 中国机械工程 2020(19)
- [6].大规模散乱点云数据的曲率估算及计算机实现[J]. 苏州市职业大学学报 2011(03)
- [7].海量散乱点云快速压缩算法[J]. 武汉大学学报(信息科学版) 2013(11)
- [8].基于三维散乱点云的三角网格重构关键技术[J]. 电子技术与软件工程 2017(17)
- [9].基于八叉树编码的散乱点云数据压缩[J]. 武汉大学学报(工学版) 2020(08)
- [10].散乱点云数据区域分割综述[J]. 长沙大学学报 2010(05)
- [11].一种快速搜索散乱点云数据k邻近的算法[J]. 机电技术 2009(03)
- [12].基于散乱点云数据的曲面重构方法[J]. 南昌大学学报(工科版) 2008(02)
- [13].一种散乱点云的精准重建方法[J]. 西安工程大学学报 2019(01)
- [14].人体散乱点云数据的区域分割算法[J]. 机械设计与研究 2020(01)
- [15].散乱点云数据的可视化探究[J]. 科技创新导报 2013(10)
- [16].基于改进粒子群算法的散乱点云数据配准[J]. 科技通报 2016(10)
- [17].基于多判别参数混合方法的散乱点云特征提取[J]. 计算机应用研究 2017(09)
- [18].散乱点云精简的一种改进算法[J]. 计算机应用研究 2016(09)
- [19].一种快速三维散乱点云的三角剖分算法[J]. 计算机仿真 2009(09)
- [20].散乱点云线性八叉树结构在GPU中的实现[J]. 机械设计与制造工程 2013(04)
- [21].基于kd-tree的建筑物散乱点云平面分割[J]. 测绘科学 2008(01)
- [22].基于多判据的散乱点云特征点提取算法[J]. 计算机应用研究 2019(05)
- [23].一种散乱点云的均匀精简算法[J]. 光学学报 2017(07)
- [24].海量散乱点云out-of-core快速均匀精简算法[J]. 制造业自动化 2015(21)
- [25].一种基于法矢修正的散乱点云数据平滑处理算法[J]. 计算机时代 2009(11)
- [26].散乱点云谷脊特征提取[J]. 光学精密工程 2015(01)
- [27].基于参数自适应各向异性高斯核的散乱点云保特征去噪[J]. 计算机集成制造系统 2017(12)
- [28].基于散乱点云的网格生成方法在Rhino平台上的实现[J]. 南昌工程学院学报 2017(01)
- [29].微型复杂曲面零件散乱点云特征点提取[J]. 机械设计与研究 2019(05)
- [30].一种改进Ball Pivoting的散乱点云数据重建算法[J]. 系统仿真学报 2015(10)