一种改进的点云边界快速提取方法

发布时间：2021-03-08 10:19

　　为进一步提高提取边界点的效率,提出了一种k-均值聚类与象限识别相结合的点云边界快速提取方法,通过k-均值聚类将点云划分为许多个子集群,根据三维格网划分方法探测出边界集群,在边界集群中通过象限识别提取出边界点。两组边界提取实验结果表明,本方法不仅能够提取到分布均匀的边界特征点,且与传统方法比较,效率更高。 

【文章来源】：测绘地理信息. 2020,45(03)

【文章页数】：3 页

【部分图文】：

二维空间的边界集群识别方法

本文采用邻近点与聚类中心点的坐标差值作为判断标准。在确定边界聚类集群后,针对每个边界集群进行边界点的判断与提取。首先通过最小二乘拟合边界集群局部平面,然后依次判断边界集群内的每个点是否为边界点。对于集群内任一点p,将集群内的其他采样点分别与p进行坐标求差,即构建以采样中心点p为坐标原点的三维坐标系,并以差值结果作为点云的新坐标,即创建xpy,xpz和ypz三个空间平面,分别平行于xoy,xoz和yoz原点坐标轴平面。统计位于xpy、xpz、ypz三个平面两侧的点云数量,并分别计算每个平面两侧点云数量的比值,若有一个平面两侧的点云数量之比大于设定的阈值δ,则认为点p为边界点(图2)。2 实验与结果

利用来自Hoppe的个人主页的Nascar数据和Hypersheet数据来验证本文算法的有效性和可靠性。图3(a)和图3(d)分别为Nascar数据模型的两个侧面;图3(b)和图3(e)为本文改进算法提取到的Nascar数据的边界点。从图3中可以看出,Nascar模型的车窗、车轮及底部其他重要边界被准确地提取出来了,边界点分布均匀清晰。Nascar模型的顶部突起部分之所以没有保留,是因为本文定义的边界点是开放区域的边界,并不包含拐点和尖锐点。图4(a)为Hypersheet点云数据;图4(b)为该模型的边界点提取效果,从图中可以看出的Hypersheet的外边界圈也十分明显。图4 Hypersheet点云数据边界提取结果

【参考文献】：
期刊论文
[1]地面激光点云的建筑区域快速提取方法[J]. 董安国,黄亮.  测绘地理信息. 2018(03)
[2]基于三维激光扫描技术的桥塔挠度测量[J]. 徐进军,郭鑫伟,张洪波.  测绘地理信息. 2017(02)
[3]基于核密度估计的散乱点云边界特征提取[J]. 孙殿柱,刘华东,史阳,李延瑞.  农业机械学报. 2013(12)
[4]保留边界的点云简化方法[J]. 黄文明,肖朝霞,温佩芝,吴晓军.  计算机应用. 2010(02)
[5]空间网格面片可见边界提取方法研究与应用[J]. 郭爱斌,邓家禔.  中国图象图形学报. 2007(11)
[6]基于径向基函数的残缺点云数据修复[J]. 陈飞舟,陈志杨,丁展,叶修梓,张三元.  计算机辅助设计与图形学学报. 2006(09)
[7]基于点云的边界特征直接提取技术[J]. 柯映林,范树迁.  机械工程学报. 2004(09)
[8]空间三角网格曲面的边界提取方法[J]. 张献颖,周明全,耿国华.  中国图象图形学报. 2003(10)



本文编号：3070888