本文關(guān)鍵詞： 點(diǎn)云 特征提取 基于密度空間聚類 全局約束性 反k近鄰　出處：《西安電子科技大學(xué)學(xué)報(bào)》2017年02期 　論文類型：期刊論文

【摘要】：針對現(xiàn)有點(diǎn)云特征提取算法中,采用全局特征度量閾值及僅使用點(diǎn)的局部信息進(jìn)行特征提取而造成的特征尖銳程度敏感、對潛在曲面差異較大模型效果差等問題,提出一種基于密度空間聚類的散亂點(diǎn)云特征提取方法.首先,對點(diǎn)的反k近鄰進(jìn)行定義,并提出一種新的特征檢測算子;然后,將反k近鄰的尺度作為點(diǎn)密度,引入特征的全局約束性信息;最后,對基于密度空間聚類方法中的相關(guān)概念進(jìn)行重定義并建立新的特征識(shí)別準(zhǔn)則,提取特征點(diǎn).實(shí)驗(yàn)結(jié)果表明,該算法簡單、有效、魯棒,同時(shí)考慮了特征的局部性信息及全局約束性信息,針對潛在曲面形狀差異較大的模型表現(xiàn)出了較強(qiáng)的優(yōu)越性.
[Abstract]:In the existing point cloud feature extraction algorithms, the global feature measurement threshold and the feature extraction using only the local information of the point are sensitive to the feature sharpness. In order to solve the problem of large difference of potential surfaces, a method of feature extraction of scattered point clouds based on density space clustering is proposed. Firstly, the inverse k-nearest neighbor of points is defined. A new feature detection operator is proposed. Then, the scale of the inverse k-nearest neighbor is taken as the point density, and the global constraint information of the feature is introduced. Finally, the related concepts in the density-based clustering method are redefined and a new feature recognition criterion is established. The experimental results show that the algorithm is simple, effective and robust. At the same time, the local information and the global constraint information of the feature are taken into account, and the model with large difference in the shape of the potential surface is shown to be superior.
【作者單位】： 西北大學(xué)信息科學(xué)與技術(shù)學(xué)院;
【基金】：國家自然科學(xué)基金資助項(xiàng)目(61373117,61572400);國家自然科學(xué)基金青年基金資助項(xiàng)目(61305032) 陜西省教育廳科研專項(xiàng)資助項(xiàng)目(2013JK1180)
【分類號(hào)】：TP311.13;TP391.7
【正文快照】： 三維掃描技術(shù)的出現(xiàn)使得快速方便地獲取能表達(dá)現(xiàn)實(shí)物體表面形狀的點(diǎn)云模型成為可能.點(diǎn)云模型處理已成為幾何造型領(lǐng)域內(nèi)的研究熱點(diǎn),并廣泛應(yīng)用于醫(yī)學(xué)、藝術(shù)、模式識(shí)別以及文物數(shù)字化保護(hù)等領(lǐng)域[1-3].特征點(diǎn)是最基本的曲面幾何形狀的特征基元,對于幾何模型的外觀及其準(zhǔn)確表達(dá)具

【參考文獻(xiàn)】

相關(guān)期刊論文 前7條

1 魏瀟然;耿國華;張雨禾;;幾何信息預(yù)測的三角網(wǎng)格模型拓?fù)鋲嚎s[J];西安電子科技大學(xué)學(xué)報(bào);2015年05期

2 張雨禾;耿國華;魏瀟然;;散亂點(diǎn)云谷脊特征提取[J];光學(xué)精密工程;2015年01期

3 李姬俊男;耿國華;周明全;康馨月;;文物碎塊虛擬拼接中的表面特征優(yōu)化[J];計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào);2014年12期

4 程效軍;方芳;;基于形態(tài)學(xué)的散亂點(diǎn)云輪廓特征線提取[J];同濟(jì)大學(xué)學(xué)報(bào)(自然科學(xué)版);2014年11期

5 馮筠;陳雨;仝鑫龍;賀小偉;周明全;;三維顱骨特征點(diǎn)的自動(dòng)標(biāo)定[J];光學(xué)精密工程;2014年05期

6 王小超;劉秀平;李寶軍;張紹光;;基于局部重建的點(diǎn)云特征點(diǎn)提取[J];計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào);2013年05期

7 吾守爾·斯拉木;曹巨明;;一種新的散亂點(diǎn)云尖銳特征提取方法[J];西安交通大學(xué)學(xué)報(bào);2012年12期

【共引文獻(xiàn)】

相關(guān)期刊論文 前10條

1 曾繁軒;閆勇;李亮;;三維激光掃描技術(shù)在礦區(qū)建筑物變形規(guī)律提取中的應(yīng)用[J];煤炭工程;2017年06期

2 周明全;袁潔;耿國華;張雨禾;;基于輪廓線特征點(diǎn)的交互式文物拼接[J];光學(xué)精密工程;2017年06期

3 董玉德;宋忠輝;陳進(jìn)富;鮑齊友;張榮團(tuán);白蘇誠;;面向輪胎點(diǎn)云的胎面花紋邊界特征提取[J];計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào);2017年05期

4 張雨禾;耿國華;魏瀟然;石晨晨;張順利;;采用密度空間聚類的散亂點(diǎn)云特征提取方法[J];西安電子科技大學(xué)學(xué)報(bào);2017年02期

5 程小龍;程效軍;劉燕萍;;建筑點(diǎn)云的平立剖圖生成方法[J];江西科學(xué);2017年02期

6 朱麗品;劉曉寧;劉雄樂;盧燕寧;;加入迭代因子的層次化顱骨配準(zhǔn)方法[J];中國圖象圖形學(xué)報(bào);2017年04期

7 張雨禾;耿國華;魏瀟然;張靖;周明全;;基于形狀骨架圖匹配的文物碎片自動(dòng)重組方法[J];自動(dòng)化學(xué)報(bào);2017年04期

8 李志雙;;健美操運(yùn)動(dòng)員足跡圖像快速識(shí)別仿真研究[J];計(jì)算機(jī)仿真;2017年03期

9 朱艷芳;劉曉寧;耿國華;;基于體素模型與多尺度約束的三維面皮點(diǎn)對應(yīng)[J];西北大學(xué)學(xué)報(bào)(自然科學(xué)版);2017年01期

10 童立靖;鄭俊朝;;散亂點(diǎn)云曲面邊界的二次提取算法[J];計(jì)算機(jī)工程;2017年02期

【二級(jí)參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 馮筠;陳雨;仝鑫龍;賀小偉;周明全;;三維顱骨特征點(diǎn)的自動(dòng)標(biāo)定[J];光學(xué)精密工程;2014年05期

2 方芳;程效軍;;海量散亂點(diǎn)云快速壓縮算法[J];武漢大學(xué)學(xué)報(bào)(信息科學(xué)版);2013年11期

3 劉志文;劉定生;劉鵬;;應(yīng)用尺度不變特征變換的多源遙感影像特征點(diǎn)匹配[J];光學(xué)精密工程;2013年08期

4 張潔;吳佳澤;鄭昌文;胡曉惠;;應(yīng)用哈密頓回路的三角網(wǎng)格拓?fù)鋲嚎s[J];計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào);2013年05期

5 王小超;劉秀平;李寶軍;張紹光;;基于局部重建的點(diǎn)云特征點(diǎn)提取[J];計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào);2013年05期

6 吾守爾·斯拉木;曹巨明;;一種新的散亂點(diǎn)云尖銳特征提取方法[J];西安交通大學(xué)學(xué)報(bào);2012年12期

7 王欣;張明明;于曉;章明朝;;應(yīng)用改進(jìn)迭代最近點(diǎn)方法的點(diǎn)云數(shù)據(jù)配準(zhǔn)[J];光學(xué)精密工程;2012年09期

8 王麗輝;袁保宗;;三維散亂點(diǎn)云模型的特征點(diǎn)檢測[J];信號(hào)處理;2011年06期

9 龐旭芳;龐明勇;肖春霞;;點(diǎn)云模型谷脊特征的提取與增強(qiáng)算法[J];自動(dòng)化學(xué)報(bào);2010年08期

10 李寶;程志全;黨崗;金士堯;;三維點(diǎn)云法向量估計(jì)綜述[J];計(jì)算機(jī)工程與應(yīng)用;2010年23期

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 馬少華,高峰,李敏,吳成東;神經(jīng)網(wǎng)絡(luò)分類器的特征提取和優(yōu)選[J];基礎(chǔ)自動(dòng)化;2000年06期

2 管聰慧,宣國榮;多類問題中的特征提取[J];計(jì)算機(jī)工程;2002年01期

3 胡威;李建華;陳波;;入侵檢測建模過程中特征提取最優(yōu)化評估[J];計(jì)算機(jī)工程;2006年12期

4 朱玉蓮;陳松燦;趙國安;;推廣的矩陣模式特征提取方法及其在人臉識(shí)別中的應(yīng)用[J];小型微型計(jì)算機(jī)系統(tǒng);2007年04期

5 趙振勇;王保華;王力;崔磊;;人臉圖像的特征提取[J];計(jì)算機(jī)技術(shù)與發(fā)展;2007年05期

6 馮海亮;王麗;李見為;;一種新的用于人臉識(shí)別的特征提取方法[J];計(jì)算機(jī)科學(xué);2009年06期

7 朱笑榮;楊德運(yùn);;基于入侵檢測的特征提取方法[J];計(jì)算機(jī)應(yīng)用與軟件;2010年06期

8 王菲;白潔;;一種基于非線性特征提取的被動(dòng)聲納目標(biāo)識(shí)別方法研究[J];軟件導(dǎo)刊;2010年05期

9 陳偉;瞿曉;葛丁飛;;主觀引導(dǎo)特征提取法在光譜識(shí)別中的應(yīng)用[J];科技通報(bào);2011年04期

10 王華,李介谷;人臉斜視圖象的特征提取與恢復(fù)[J];上海交通大學(xué)學(xué)報(bào);1997年01期

相關(guān)會(huì)議論文 前10條

1 尚修剛;蔣慰孫;;模糊特征提取新算法[A];1997中國控制與決策學(xué)術(shù)年會(huì)論文集[C];1997年

2 潘榮江;孟祥旭;楊承磊;王銳;;旋轉(zhuǎn)體的幾何特征提取方法[A];第一屆建立和諧人機(jī)環(huán)境聯(lián)合學(xué)術(shù)會(huì)議（HHME2005）論文集[C];2005年

3 薛燕;李建良;朱學(xué)芳;;人臉識(shí)別中特征提取的一種改進(jìn)方法[A];第十三屆全國圖象圖形學(xué)學(xué)術(shù)會(huì)議論文集[C];2006年

4 杜栓平;曹正良;;時(shí)間—頻率域特征提取及其應(yīng)用[A];2005年全國水聲學(xué)學(xué)術(shù)會(huì)議論文集[C];2005年

5 黃先鋒;韓傳久;陳旭;周劍軍;;運(yùn)動(dòng)目標(biāo)的分割與特征提取[A];全國第二屆信號(hào)處理與應(yīng)用學(xué)術(shù)會(huì)議專刊[C];2008年

6 魏明果;;方言比較的特征提取與矩陣分析[A];2009系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)會(huì)議論文集[C];2009年

7 林土勝;賴聲禮;;視網(wǎng)膜血管特征提取的拆支跟蹤法[A];1999年中國神經(jīng)網(wǎng)絡(luò)與信號(hào)處理學(xué)術(shù)會(huì)議論文集[C];1999年

8 秦建玲;李軍;;基于核的主成分分析的特征提取方法與樣本篩選[A];2005年中國機(jī)械工程學(xué)會(huì)年會(huì)論文集[C];2005年

9 劉紅;陳光，

本文編號(hào)：1442033