针对目前隧道无序点云法线全局定向方法存在的问题,提出一种基于优先级队列的快速法线全局定向方法。首先,针对传统方法采用近邻搜索方法算法复杂度为O(lgn)的问题,提出一种新的Search Data Struct(SDS)空间搜索数据结构用于近邻搜索,...针对目前隧道无序点云法线全局定向方法存在的问题,提出一种基于优先级队列的快速法线全局定向方法。首先,针对传统方法采用近邻搜索方法算法复杂度为O(lgn)的问题,提出一种新的Search Data Struct(SDS)空间搜索数据结构用于近邻搜索,将算法复杂度降低到O(n),提升了海量点云的搜索效率;其次,针对传统方法计算复杂且不鲁棒等问题,提出一种新的优先级队列结构,优先级队列容纳多级类别,克服了传统方法的缺点;最后,针对传统方法需要对全局点云进行多次判断和效率低的问题,采用优先级队列策略和区域增长方法,引导点云沿着最平坦的方向进行法线定向,保证点云在奇异情况下定向正常,确保点云整体法线方向的一致性,同时每个点仅需进行一次判断即可完成定向,将算法复杂度降低到O(n),提高了法线全局定向的效率。试验结果表明,本文提出的算法效果与商业软件GeoMagic的效果相当,能够处理隧道无序点云的各种奇异情况,算法在平缓区域、尖锐特征区域和高曲率区域能得到正确的法线方向,且效率相对GeoMagic提高了14倍,大幅提升了无序点云处理的工程化水平。展开更多
文摘针对目前隧道无序点云法线全局定向方法存在的问题,提出一种基于优先级队列的快速法线全局定向方法。首先,针对传统方法采用近邻搜索方法算法复杂度为O(lgn)的问题,提出一种新的Search Data Struct(SDS)空间搜索数据结构用于近邻搜索,将算法复杂度降低到O(n),提升了海量点云的搜索效率;其次,针对传统方法计算复杂且不鲁棒等问题,提出一种新的优先级队列结构,优先级队列容纳多级类别,克服了传统方法的缺点;最后,针对传统方法需要对全局点云进行多次判断和效率低的问题,采用优先级队列策略和区域增长方法,引导点云沿着最平坦的方向进行法线定向,保证点云在奇异情况下定向正常,确保点云整体法线方向的一致性,同时每个点仅需进行一次判断即可完成定向,将算法复杂度降低到O(n),提高了法线全局定向的效率。试验结果表明,本文提出的算法效果与商业软件GeoMagic的效果相当,能够处理隧道无序点云的各种奇异情况,算法在平缓区域、尖锐特征区域和高曲率区域能得到正确的法线方向,且效率相对GeoMagic提高了14倍,大幅提升了无序点云处理的工程化水平。
