基于曲率特征的点云快速简化算法

为了提高实体反求的效率,提出一种点云快速简化算法.该算法依据特征点群曲率变化的特点在点云邻域拟合曲面上搜寻特征点并进行储存,依据搜寻结果对点云进行特征点分布评估,并根据评估结果设定相应的简化距离对点云进行简化.算法充分保留了特征区域点云,使得简化后的点云能够较好地表达形状,整个搜寻过程只针对高斯曲率极值点的附近点,相对于需要在全局上进行曲率计算的传统简化算法,该算法在运行速度上具有明显优势.     

基于区域生长法的散乱点云分区方法

为高效精确处理散乱点云数据,改进了区域生长算法.首先分析散乱数据点云的高斯曲率和平均曲率,由二次提取法(即先提取平坦点再由高斯曲率和平均曲率的记号提取其他七种曲面类型)形成初始数据分块;再通过区域生长法使粗略数据分块进一步被提取,得到更小的噪声影响及更精确的区域分块.对于各个种子区域,反复控制生长并重建以使最多的点能拟合到单个面片,并由外部噪点来中断循环.实例验证表明该方法具有较强的可操作性和实用性.