保留灰度特征的配准点云数据精简算法

发布时间：2024-03-23 08:54

　　论文提出了一种有效的点云精简算法,用于处理配准后的点云数据,解决其存在的数据量过大、点密度不均等问题,同时可以保留点云的灰度和几何特征。对于给定点云,首先基于体素栅格生成一个粗点云。然后,通过不动点迭代算法,将粗点云投影到给定的点云上,用每点邻域内的近似重心点来代替原点位置。同时,在正则化约束条件下,将局部排斥力掺入到距离过近的点用于增加惩罚项,保证了点云的均匀分布。最后,利用KDTree查找重采样后点的最邻近点,将最邻近点的灰度信息映射至重采样后的点。实验结果表明,该算法在充分保留点云数据几何特征和灰度特征的前提下,能有效滤除配准重叠区域的冗余数据,且保持点云的均匀分布。

【文章页数】：6 页

【部分图文】：

结果图2使用本文算法对水杯数据进行实验得到的结果（c）配准重叠区域（d）

龇植季?鹊男碌慵??缤迹?e）。最后，为了恢复重采样后丢失的灰度信息，利用KDTree在输入点云内搜索（e）内各点的最邻近点，并将灰度信息进行映射，最终得到的点云数据如图（b）所示。与原始数据相比，简化率约为71.36%，精简后的点云保留原始的几何特征和灰度特征。同时，根据图（a....

图4点云法向量估计（a）原始数据法向量估计（b）精简后点云的法向量估计

龆ǖ阍葡虏裳?剩?逅馗癖?长越大，点云的简化率越高。同时，通过对比处理前后σˉ的计算结果可知，精简后的点云分布较初始点云相比更加均匀。表2实验统计结果数据集水杯机械部件输入点220k459.7kσˉbefore0.8771.080降采样体素格边长/mm1.00.80.51.00.....

图3.2配准示意图

本文编号：3935679