一种散乱点云的均匀精简算法

发布时间：2018-06-29 02:22

  本文选题：图像处理 + 点云精简　； 参考：《光学学报》2017年07期

【摘要】：针对散乱点云数据密度大、重建时间长、效率低等问题,提出了一种散乱点云的均匀精简算法。该算法基于开源C++编程库点云库(PCL),利用PCL的体素化栅格类创建一个K邻域三维体素栅格,结合包围盒法对输入的点云数据进行K邻域距离计算和法线估计,确定每个小立方栅格的重心,并以其来近似显示这个小立方栅格内所有的数据点,达到精简点云的目的,最后利用贪婪三角投影类对精简后的点云实现三角网格面重建并显示其效果。实验结果表明,该算法在充分保留点云数据几何特征的前提下,能有效滤除部分点云数据冗余量,且精简结果比较均匀,避免了大规模精简所出现的空白区域,提高了重建效率。
[Abstract]:Aiming at the problems of large data density, long reconstruction time and low efficiency of scattered point clouds, a uniform reduction algorithm for scattered point clouds is proposed. The algorithm is based on the open source C programming library point cloud library (PCL), using the voxel grid class of PCL to create a three-dimensional voxel grid with a K neighborhood, and combining the bounding box method to calculate the K-neighborhood distance and estimate the normal line of the input point cloud data. Determine the center of gravity of each small cube grid and approximate all the data points in the small cube grid to reduce the point cloud, Finally, using greedy triangular projection class to realize triangular mesh reconstruction and show its effect. Experimental results show that the proposed algorithm can effectively filter out the redundancy of some point cloud data on the premise of fully preserving the geometric characteristics of point cloud data, and the results of the reduction are more uniform, thus avoiding the large scale reduction of the blank area. The efficiency of reconstruction is improved.
【作者单位】： 西安工程大学电子信息学院;
【基金】：中国纺织工业联合会科技指导性项目(2013066) 西安工程大学研究生创新基金资助项目(CX201733)
【分类号】：TP391.41

【相似文献】

相关期刊论文 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

相关会议论文 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

相关博士学位论文 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

相关硕士学位论文 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 陈达枭;散乱点云数据预处理的研究[D];西南科技大学;2016年

6 张蓉;散乱点云的数据分割与特征提取技术研究[D];南昌大学;2016年

7 王妮;散乱点云自修复重建与3D打印分层算法研究[D];西安电子科技大学;2015年

8 王雅男;基于局部表面凸性的散乱点云分割算法研究[D];中国科学院长春光学精密机械与物理研究所;2016年

9 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

10 尹丹;散乱点云的简化与变形研究[D];湖南师范大学;2008年

，

本文编号：2080404