共查询到20条相似文献,搜索用时 10 毫秒
1.
散乱点云谷脊特征提取 总被引:1,自引:0,他引:1
利用微分"化曲为直"的本质特性和离散计算方法,提出了一种基于局部重建的散乱点云谷脊特征提取算法。首先,利用离散Laplacian算子对点进行增强,通过阈值过滤标记潜在谷脊点。然后,在每个潜在谷脊点的局部邻域内构建紧附于潜在曲面、能反映该点局部几何特征信息的三角网格。最后,根据Weingarten映射的性质,估算潜在谷脊点的主曲率和主方向;将邻域大小作为尺度参数,利用简单直观的离散计算方法及线性插值方法,多尺度地判定一点是否为主方向上的曲率极值点,从而提取谷脊特征。实验结果表明:当点云规模为10 375个,谷脊点规模为1 129个时,执行时间仅为97.39ms;当点云规模达327 853个,谷脊点规模达到105 482个时,执行时间为3 956.12ms。该方法简单、稳定,避免了传统的利用拟合曲面再逼近微分量方法中由于曲面拟合带来的高时间代价,能快速有效地提取散乱点的云谷脊特征。 相似文献
2.
针对散乱点云特征识别结果存在噪声及特征遗漏的问题,提出一种基于曲面局部形貌标架的点云特征识别方法。基于点云局部中轴对样点的隔离作用,剔除样点欧氏邻域内的非测地邻域点,为曲面构造优化的局部样本模型。析取局部离散样本中的准共法截线点对集合,构造散乱点云的局部形貌标架。基于标架夹角的差异性,对曲面样本形貌进行量化分析,区分平滑、边界、棱边及尖角等特征区域,实现对中心样点属性的稳健判别。实验结果表明,该方法适用于不同采样密度的点云,可显著降低点云特征识别结果中的噪声点规模,且能有效减少特征遗漏现象。 相似文献
3.
针对在分层过程中,如何调节分层效率与成型精度之间矛盾的问题,通过对现有分层算法,分层过程中初始分层厚度确定、数据精简及轮廓线拟合等方法的研究,提出了一种基于点云距离变化的自适应分层算法。基于散乱点云模型,通过计算每层切片中各线段与最近点的距离,筛选出了距离的最大值;计算了相邻两层之间最大距离的变化率,然后与设定的阈值进行了比较,自动地调整了分层厚度;经过对斗齿点云模型的分层实验,验证了算法的有效性。实验结果表明:该算法能够在一定程度上平衡分层效率和成型精度之间的关系,并且适应于高精度、型面较复杂模型的分层。 相似文献
4.
散乱噪声点云的数据分割 总被引:4,自引:0,他引:4
提出基于边界曲线微分几何特征的新方法分割散乱噪声点云.改进TAUBIN方法以精确恢复散乱噪声数据的主曲率和主方向.通过分析散乱点在主方向的曲率变化,达到识别G1、G2连续边界点的目的.获得的边界点形成边界带,将点云分割为多块子区域.最后采用区域增长的方法提取各子区域.试验结果表明所提出的方法能够克服噪声影响,有效提取散乱噪声点云的G1、G2边界.对复杂曲面模型,该方法也能够直接获得较好的G2连续边界. 相似文献
5.
6.
逆向工程中,数据精简技术是进行曲面重构前的重要内容,文中在分析包围盒法和角度-弦差法的这两种精简方法特点的基础上,提出了基于这两种方法的改进型数据精简方法.最后对该算法的优缺点作了小结. 相似文献
7.
正确的人体点云数据分析不仅是人体3D测量的必要手段,更是未来服装数字化设计的基础,也是服装定制化智能生产的数据来源。人体散乱点云数据相比规整数据拥有更多的噪声及不规则性,这使得提取轮廓以及提取分割特征点更加困难。为了解决人体散乱点云数据分割难题,提出了基于移动最小二乘的切割算法。首先使用主成分分析法进行点云数据的调整,并使用夹角分析法提取投影到特定平面的二维轮廓。在此基础上,采用移动最小二乘法对部分二维数据点进行局部拟合并根据导数信息提取分割特征点。最后,利用VT K作为点云显示平台,对不同人体点云数据进行算法验证。实验结果表明,该分割方法实用可靠。 相似文献
8.
特征提取的点云自适应精简 总被引:1,自引:0,他引:1
作为一种反映物体形貌的三维信息,点云数据的原始数据量十分庞大,直接对过多的数据进行操作会影响后续重建等工作。本文提出了一种新的点云特征提取自适应精简算法。首先对原始点云进行空间划分,构建点的k邻域,设置特征参数,进行特征分析,识别不同区域的信息和数据。然后针对平面数据预先进行边界的检测和提取,对剩余部分进行精简。最后,针对非平面区域,先提取特征,再根据曲率的不同进行不同程度的精简。办公室数据扫描实验结果表明,处理大小为百万以内点的点云模型可以在几秒之内完成,精简比能够达到90%以上,与原始数据间的误差较小:平面部分在精简前后平均偏差均在0.02mm以内,波动很小,为0.005 7mm;非平面区域精简前后的平均偏差均在0.08mm左右,差值仅为0.000 3mm,精简精度得以保证。因此,利用提出的算法处理后的数据能更好地展示物体的形貌。 相似文献
9.
提出一种平面散乱点云凸包快速求解算法,该算法建立点云的最小外包围盒,分别求解距该外包围盒的四个顶点最近的点,依据该最近点集建立最大内包围盒,可证明该最大内包围盒内的点不是凸包,将其排除,实现点云精简,通过对精简后的点集求解凸包,近而实现对整个点云的凸包求解,实例表明该算法实现简单,且可显著提高凸包的求解效率. 相似文献
10.
基于特征线约束的曲面不仅比自由曲面表达的模型有更高的精度,而且能够捕捉到模型其他的几何关系。微型复杂曲面零件多由曲面构成,曲面曲率变化大,曲率估算难度大,是逆向工程的难点。以皮带头复杂曲面为例,对微型复杂曲面微分几何量的估算,特征点的提取进行了研究。通过改进的空间分块策略建立散乱点云的拓扑关系,采用多种曲面模型分别拟合采样点邻域的方法估算曲率,构造协方差矩阵计算特征值和点云法矢,对曲率和协方差矩阵的特征值设置交叉阈值提取特征点。将利用交叉阈值提取到的特征点与利用单一阈值提取的特征点进行对比,结果显示:交叉阈值提取特征点的方法能够较为准确、完整的提取特征点。 相似文献
11.
12.
13.
14.
为保证在去除点云数据噪声的同时不损失模型的细节特征,提出了一种基于特征信息的加权模糊C均值聚类去噪算法。首先,构建点云K-D树拓扑结构,根据点的r半径球邻域点统计特性去除大尺度离群噪声点。然后,利用主元分析法估算点云的曲率和法向量,根据曲率特征标识点云数据的特征区域,并采用特征加权模糊C均值聚类算法对特征区域去噪,采用加权模糊C均值聚类算法对非特征区域去噪。最后,使用双边滤波器对点云模型进行平滑。对提出的算法进行了验证实验,结果显示:去噪后点云模型的最大偏差保持在模型尺寸的0.15%以内;标准偏差保持在模型尺寸的0.03%以内。本文算法能够在有效去除不同尺度和强度的噪声的同时不损失点云模型的细节特征,去噪精度高,且对不同的噪声模型具有较强的鲁棒性。 相似文献
15.
聂乐魁孙殿柱薄志成尹逊刚 《制造业自动化》2015,(21):64-66
海量散乱点云的精简对其显示及交互性操作具有重要的意义。为快速有效地精简海量散乱点云,改进CR树结点分裂算法,将上溢结点子结点包围盒集转化为包围盒的中心点集,利用CR树与数据库SQLite构建主存-辅存分级存储机制,从而实现海量散乱点云的out-of-core管理,计算CR树目标结点层中每个结点所包含点集的均值点,将距离均值点最近的点作为该点集的精简结果,根据目标结点层的不同实现海量散乱点云不同程度的精简。实验证明,基于分级存储机制的快速均匀精简算法能够快速有效地精简海量散乱点云。 相似文献
16.
17.
18.
19.
20.
针对现有点云法向估计算法难以兼顾估计结果的精度与稳健性问题,以局部采样区域同构曲面作为样点邻域点集所反映曲面形状约束,提出一种散乱点云法向估计方法。该方法将目标样点的邻域点集作为局部样本进行曲面重建,获取插值于采样点集并与采样表面拓扑同构的局部网格曲面;对曲面局部区域高斯映射结果进行聚类分析,获取目标样点的各向同性邻域面;基于面片的正则度以及面片至目标样点的测地距离,确定目标样点各向同性邻域面片法向的加权均值,并将所得结果作为目标样点的法向估计结果。试验结果表明,该方法在点云数据信噪比为40 dB的情况下可保证98%以上样点法向估计偏差在以内,可稳健处理含有噪声以及采样不均匀等缺陷的散乱点云法向估计问题,对于含尖锐特征的点云亦能准确估计样点法向,且具有较高的计算效率。 相似文献