基于马尔科夫随机场的散乱点云全局特征提取

发布时间：2018-01-10 04:25

  本文关键词：基于马尔科夫随机场的散乱点云全局特征提取　出处：《自动化学报》2016年07期 　论文类型：期刊论文

  更多相关文章： 散乱点云 特征提取 马尔科夫随机场 标号

【摘要】：为了精确提取点云数据中的特征信息,针对激光扫描获取的三维散乱点云数据,提出一种基于马尔科夫随机场(Markov random field,MRF)的散乱点云特征提取方法.首先,根据散乱点的曲率估计及阈值初始化点标号并判定稳定点,将稳定点标记存储在数组中;然后,将优化不稳定点的标号问题转化为随机场标号的能量函数问题,引用贝叶斯估计求后验概率分布函数及MAP-MRF(Maximum a posteriori-Markov random field)框架归约得到目标函数;最后,根据图割法α-expansion算法,利用标号调整过程中标号集相对能量变化得到不稳定点的最优标号集,将其与存储稳定点的数组综合,根据点标号提取特征点.实验结果表明,该方法简单、高效、无需人工调参,能够依据全局能量的变化自适应提取特征,特征提取结果令人满意.
[Abstract]:In order to accurately extract the feature information of point cloud data, the 3D laser scanning point cloud data acquisition, based on Markov random field (Markov random, field, MRF) from scattered point cloud feature method. Firstly, based on curvature estimation and threshold value of the scattered point initialization point labels and determine the stability of point, will stable point mark stored in the array; then, the optimization is not stable transformation point of the labeling problem with the energy function of airport label, citing Bayesian estimation of probability distribution function and MAP-MRF (Maximum a posteriori-Markov random and field) frame reduction objective function is obtained; finally, according to the graph cut method is a -expansion algorithm, using the label in the process of adjusting the label set relative to the optimal energy change label unstable points set, and the storage stability of the array, according to the labeling feature point extraction experiments. The results show that the method is simple and efficient, without artificial parameters, and can extract features adaptively according to the changes of global energy, and the result of feature extraction is satisfactory.

【作者单位】： 西北大学信息科学与技术学院;北京师范大学信息科学与技术学院;
【基金】：国家自然科学基金(61373117,61305032) 高等学校博士学科点专项科研基金(20136101110019) 陕西省教育厅科研专项(2013JK1180)资助~~
【分类号】：TP391.41
【正文快照】：

【相似文献】

中国期刊全文数据库 前10条

1 梁新合;梁晋;郭成;曹巨名;王永信;;散乱点云的补偿滤波[J];西安交通大学学报;2011年11期

2 孙殿柱;朱昌志;李延瑞;田中朝;;散乱点云局部型面参考数据的快速查询算法[J];农业机械学报;2009年05期

3 黄文明;彭希为;温佩芝;吴晓军;;保留几何特征的散乱点云简化方法[J];计算机工程与应用;2009年28期

4 孙殿柱;朱昌志;范志先;李延瑞;;基于型面特征的三维散乱点云精简算法[J];中国机械工程;2009年23期

5 孙永伟;孙殿柱;朱昌志;朱宗伟;;散乱点云切片数据快速获取与优化[J];哈尔滨工程大学学报;2010年11期

6 周学礼;万旺根;;心内膜散乱点云边界点检测算法研究[J];计算机应用研究;2012年10期

7 王伟;唐民丽;吴恒玉;;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年03期

8 赵灿;汤春瑞;刘丹丹;;基于表面波变换的散乱点云去噪方法[J];组合机床与自动化加工技术;2009年02期

9 倪敏敏;何雪明;薛莹;邓杨;;散乱点云的拓扑结构重建算法的研究[J];机械设计与制造;2010年08期

10 吾守尔·斯拉木;曹巨明;;一种新的散乱点云尖锐特征提取方法[J];西安交通大学学报;2012年12期

中国重要会议论文全文数据库 前1条

1 孙殿柱;孙肖霞;李延瑞;范志先;;散乱点云内外边界的自动提取技术[A];全国先进制造技术高层论坛暨制造业自动化、信息化技术研讨会论文集[C];2005年

中国博士学位论文全文数据库 前4条

1 贺美芳;基于散乱点云数据的曲面重建关键技术研究[D];南京航空航天大学;2006年

2 张连伟;散乱点云三维表面重建技术研究[D];国防科学技术大学;2009年

3 钱归平;散乱点云网格重建及修补研究[D];浙江大学;2008年

4 刘宇;基于微分信息的散乱点云拼合和分割[D];华中科技大学;2008年

中国硕士学位论文全文数据库 前10条

1 白晨;基于线性约束的散乱点云配准技术的研究[D];西安建筑科技大学;2015年

2 俞涛;散乱点云精简与自动拼接技术研究[D];南昌大学;2015年

3 刘咏梅;基于三维散乱点云的三角网格重构关键技术研究[D];北京理工大学;2015年

4 张戈弋;散乱点云自修复重建与错误拓扑修正研究[D];西安电子科技大学;2014年

5 聂建辉;大规模散乱点云数据后处理技术研究[D];大连海事大学;2009年

6 尹丹;散乱点云的简化与变形研究[D];湖南师范大学;2008年

7 吕德亮;散乱点云分割及特征面片识别研究[D];北京建筑工程学院;2012年

8 陈艳;直接加工中散乱点云拓扑结构建立的研究[D];江南大学;2008年

9 葛源坤;基于曲率特征信息的散乱点云数据预处理技术研究[D];西南交通大学;2012年

10 朱煜;散乱点云数据简化及三角网格重构的研究[D];西北大学;2012年

，

本文编号：1403863