共查询到17条相似文献,搜索用时 187 毫秒
1.
2.
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
3.
4.
因点云数据中存在噪声,通常对不同特征的点云数据采用相同的处理方法,虽然能删除噪声但也会因删除尖锐特征造成过光顺。提出了一种基于模糊C均值(FCM)聚类算法且均值滤波的点云去噪算法。该算法使用模糊C均值聚类算法删除大尺度噪声后,再将均值滤波应用到点云光顺中,对数据点中的小尺度噪声进行光顺。实验结果表明,该算法去噪效果明显,在去噪光顺过程中较好地保持了边界特征,也避免了过光顺问题的产生。 相似文献
5.
6.
7.
8.
针对逆向工程领域中散乱点云模型过渡线及细节特征线提取不完整问题,提出一种法向量区域聚类的特征线提取方法。采用自适应邻域的主成分分析法估算模型的法向量,利用萤火虫算法优化的模糊C均值聚类算法对法向量的进行聚类实现模型的有效分割。构造点集剔除与合并准则从各分割块边界点集中析取候选特征点,再以局部邻域主轴方向为基准提取特征点。实验结果表明:简单模型的特征线基本可准确完整提取,相对复杂模型的特征线数量提取率可达90%,长度提取率达到了85%。算法具有良好的自适应性和准确性,能有效提取点云模型尖锐特征和细节特征,并尽可能多地保留模型过渡特征。 相似文献
9.
针对摄影测量过程及所得点云数据的特征,利用模板法计算曲面曲率以确定曲面的精简比,对曲率图像进行非均匀网格滤波,实现了对摄影测量点云数据的精简。计算过程简洁方便,实验结果保持了原有数据的形态。该方法适用于摄影测量点云数据的后期处理。 相似文献
10.
11.
点云数据的几何属性分析及区域分割 总被引:6,自引:0,他引:6
为了提高参数化反求建模的效率,提出一种基于微分几何量统计分析的区域自动分割算法。该方法将点云划入规则分布的三维栅格;将栅格中测量点的几何属性值映射到法曲率坐标系和高斯球上,利用假设检验法识别映射点的分布模式;基于映射点的聚类性质、栅格的拓扑关系和分布拟合的结果分割与二次曲面、拉伸面和直纹面等特征曲面对应的数据区域。实例表明:该算法可以稳定、高效地提取点云中的特征信息,能够广泛应用于虚拟现实、计算机视觉等领域。 相似文献
12.
三维激光扫描设备可以提供航空发动机外形实测点云,但其中包含的噪声会直接影响后期外形几何模型的重建精度。为保证在去除噪声的同时不模糊或破坏掉发动机复杂的外形几何特征,提出了一种基于深度学习的点云保特征去噪方法。将航空发动机外形噪声点云分割成特征数据和非特征数据之后,分别设计了特征去噪网络和非特征去噪网络,用于预测特征噪声点和非特征噪声点的位置修正向量,噪声点沿预测向量移动后被投影回模型真实的底层表面上,实现去噪。构建了用于特征去噪学习和非特征去噪学习的数据集。验证结果表明,在将该方法应用于各种噪声尺度的发动机外形点云时,相比现有的学习基方法,去噪效果得到提高,且有更好的几何特征保护能力,可以为后续重建提供高质量点云。 相似文献
13.
本文针对空间散乱数据, 提出一种基于RBF(Radial Basis Function)隐式模型的快速曲面重建方法,并实现了隐式曲面的可视化。三维离散数据由于分布稠密、不均匀,空间拓扑结构未知的特点,本文首先强调大规模散乱数据预处理的重要性。通过基于空间法向量约束和主元分析两种方法进行数据简化和特征提取。其次采用K-d tree数据结构进行空间数据分割,将全局模型转化为局部的RBF模型,从而通过求解线性方程组得到模型的权值系数。最后在局部交叠空间光滑拼接,得到一个代数表达形式的光滑曲面。实验结果表明,该方法适用于任意复杂物体的三维曲面重建,而且具有较高的重建精度。 相似文献
14.
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
15.
PDGI-BASED REGULAR SWEPT SURFACE EXTRACTION FROM POINT CLOUD 总被引:1,自引:0,他引:1
LI Jiangxiong KE Yinglin LI An ZHU Weidong College of Mechanical Energy Engineering Zhejiang University Hangzhou China 《机械工程学报(英文版)》2006,19(3):322-329
A principal direction Gaussian image (PDGI)-based algorithm is proposed to extract the regular swept surface from point cloud. Firstly, the PDGI of the regular swept surface is constructed from point cloud, then the bounding box of the Gaussian sphere is uniformly partitioned into a number of small cubes (3D grids) and the PDGI points on the Gaussian sphere are associated with the corresponding 3D grids. Secondly, cluster analysis technique is used to sort out a group of 3D grids containing more PDGI points among the 3D grids. By the connected-region growing algorithm, the congregation point or the great circle is detected from the 3D grids. Thus the translational direction is determined by the congregation point and the direction of the rotational axis is determined by the great circle. In addition, the positional point of the rotational axis is obtained by the intersection of all the projected normal lines of the rotational surface on the plane being perpendicular to the estimated direction of the rotational axis. Finally, a pattern search method is applied to optimize the translational direction and the rotational axis. Some experiments are used to illustrate the feasibility of the above algorithm. 相似文献
16.
尖锐特征曲面散乱点云法向估计 总被引:1,自引:0,他引:1
针对现有算法对尖锐特征曲面点云法矢估计不准确,点云处理时容易丢失曲面细节特征等问题,提出一种尖锐特征曲面散乱点云法向估计法。该方法用主成分分析法粗估计点云法向;然后,根据各邻域点的空间欧氏距离和法向距离对各邻域法向加权,用加权邻域法向之和来更新当前点的法向;最后,测试估计法向与标准法向的误差,评价估计法矢的准确性,并且将估计的法向应用到点云数据处理中来比较特征保留效果。实验结果表明:本文方法能够准确地估计尖锐特征曲面的法向,最小误差接近0。另外,该方法对噪声有较好的鲁棒性,点云处理时能保留曲面的尖锐特征。相比于其他特征曲面法向估计法,所提出的方法估计的法向误差更小、速度更快、耗时更少。 相似文献