摘要
提出一种以物体表面上不附加任何几何和拓扑信息的散乱点集为处理对象,特征保持的点云数据简化的方法。通过直接在散乱点上计算曲率的方法,将数据点分为特征点和非特征点两类,分别应用不同参数的均值漂移聚类算法进行简化。实验结果表明算法既能有效简化点云数据,而且很好地保留了原网格模型的特征信息。
A feature-preserving method to reduce point cloud data from different scans is proposed.The source data may include no additional information other than coordinates of the measured points.Based on the curvature estimation,the cloud data can be simplified with mean-shift clustering algorithm effectively.Experimental results show that the algorithm is efficient and features of the original mesh can be preserved perfectly.
出处
《计算机工程与应用》
CSCD
北大核心
2010年第21期202-204,共3页
Computer Engineering and Applications
基金
江苏省高校自然科学研究计划项目No.06KJB520022
江苏省教育厅自然科学研究指导性计划(No.06KJD310050)
江苏工业学院校基金(No.ZMF09020017)~~
关键词
点模型简化
曲率
均值漂移
point-sampled model simplification
curvatures on surface
mean-shift
作者简介
E-mail： hbxtntg-12@ 163.com倪彤光（1978-），男，讲师，主要研究方向：计算机图形学、网络安全
顾晓清（1981-），女，讲师，主要研究方向：计算机图形学、网络安全
杨长春（1963-），男，教授，主要研究方向：软件工程、数据库应用技术、计算机集成制造。
