-
题名基于特征贡献值及曲面分级的点云简化算法
- 1
-
-
作者
赵夫群
余佳乐
-
机构
西安财经大学信息学院
-
出处
《计量学报》
北大核心
2025年第8期1097-1104,共8页
-
基金
国家自然科学基金(62271393)
陕西省教育科学“十四五”规划课题(SGH24Y2363)。
-
文摘
针对传统简化算法对点云数据的适用性不强、耗时较长、尖锐特征点的精简效果不佳等问题,提出一种基于特征贡献值及曲面分级的点云简化算法。首先利用体素化重心下采样算法对点云数据进行粗简化处理;然后根据局部几何特征确定出点云的最佳邻域范围,再根据该邻域范围计算点云数据的局部贡献值,并提取出点云特征点;最后,使用改进的k-means算法对点云数据分类,按照类别和贡献值对点云进行精简化。对斯坦福公共点云数据集和文物点云数据集分别进行了简化实验,结果表明,与曲率采样法、随机采样法和点特征保留精简法相比,所提算法的简化准确度分别提高了约70%、50%和20%,能够在保持特征区域的同时,较好地简化点云非特征区域并有效避免孔洞,实现点云准确简化。
-
关键词
光学计量
点云简化
特征贡献值
体素下采样
曲面分级
最佳邻域范围
文物点云数据
-
Keywords
optical metrology
point cloud simplification
feature contribution value
voxel downsampling
surface grading
best neighborhood range
cultural relics point cloud data
-
分类号
TB96
[机械工程—光学工程]
TP391.4
[自动化与计算机技术—计算机应用技术]
-
