本文選題：信息相似度 + 有效鄰域　； 參考：《計算機(jī)集成制造系統(tǒng)》2017年12期

【摘要】：為解決傳統(tǒng)點(diǎn)云去噪算法造成的過光順及局部失真問題,提出一種基于各向異性高斯核的散亂點(diǎn)云保特征去噪算法。根據(jù)鄰域點(diǎn)在其切平面上的投影和采樣點(diǎn)法向構(gòu)建信息相似度函數(shù),并通過信息相似度函數(shù)定義有效鄰域;應(yīng)用主元分析理論研究曲面采樣點(diǎn)、棱線采樣點(diǎn)和角點(diǎn)的特征值及特征向量的分布特性;在此基礎(chǔ)上構(gòu)建以協(xié)方差矩陣的偽逆矩陣為帶寬矩陣的參數(shù)自適應(yīng)的各向異性高斯核函數(shù),并將其與雙邊濾波算法結(jié)合用于散亂點(diǎn)云去噪。實(shí)驗結(jié)果表明,該算法能夠根據(jù)點(diǎn)云的局部分布特性自適應(yīng)地調(diào)整濾波主方向和各主方向的衰減速度,在實(shí)現(xiàn)散亂點(diǎn)云去噪的同時可有效保持點(diǎn)云模型的原始尖銳特征。
[Abstract]:In order to solve the problem of over-fairing and local distortion caused by the traditional point cloud denoising algorithm, a feature preserving denoising algorithm for scattered point cloud based on anisotropic Gao Si kernel is proposed. According to the projection of neighborhood points on its tangent plane and the normal direction of sampling points, the information similarity function is constructed, and the effective neighborhood is defined by the information similarity function. On the basis of the eigenvalues and the distribution of eigenvector of prism sampling point and corner point, an anisotropic Gao Si kernel function with the parameter adaptive of the pseudo inverse matrix of covariance matrix as bandwidth matrix is constructed. It is combined with the bilateral filtering algorithm for scattered point cloud denoising. The experimental results show that the algorithm can adaptively adjust the attenuation speed of the main direction and each direction of the filter according to the local distribution characteristics of the point cloud, and it can effectively preserve the original sharp feature of the point cloud model while realizing the de-noising of the scattered point cloud.
【作者單位】： 燕山大學(xué)電氣工程學(xué)院;哈爾濱市科佳通用機(jī)電股份有限公司;
【基金】：國家自然科學(xué)基金資助項目(51305390,61501394) 河北省自然科學(xué)基金資助項目(F2016203312)~~
【分類號】：TP391.41

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 孫殿柱;朱昌志;李延瑞;;散亂點(diǎn)云邊界特征快速提取算法[J];山東大學(xué)學(xué)報(工學(xué)版);2009年01期

2 梁新合;梁晉;郭成;曹巨名;王永信;;散亂點(diǎn)云的補(bǔ)償濾波[J];西安交通大學(xué)學(xué)報;2011年11期

3 孫殿柱;朱昌志;李延瑞;田中朝;;散亂點(diǎn)云局部型面參考數(shù)據(jù)的快速查詢算法[J];農(nóng)業(yè)機(jī)械學(xué)報;2009年05期

4 黃文明;彭希為;溫佩芝;吳曉軍;;保留幾何特征的散亂點(diǎn)云簡化方法[J];計算機(jī)工程與應(yīng)用;2009年28期

5 孫殿柱;朱昌志;范志先;李延瑞;;基于型面特征的三維散亂點(diǎn)云精簡算法[J];中國機(jī)械工程;2009年23期

6 孫永偉;孫殿柱;朱昌志;朱宗偉;;散亂點(diǎn)云切片數(shù)據(jù)快速獲取與優(yōu)化[J];哈爾濱工程大學(xué)學(xué)報;2010年11期

7 周學(xué)禮;萬旺根;;心內(nèi)膜散亂點(diǎn)云邊界點(diǎn)檢測算法研究[J];計算機(jī)應(yīng)用研究;2012年10期

8 王偉;唐民麗;吳恒玉;;大規(guī)模散亂點(diǎn)云數(shù)據(jù)的曲率估算及計算機(jī)實(shí)現(xiàn)[J];蘇州市職業(yè)大學(xué)學(xué)報;2011年03期

9 趙燦;湯春瑞;劉丹丹;;基于表面波變換的散亂點(diǎn)云去噪方法[J];組合機(jī)床與自動化加工技術(shù);2009年02期

10 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;2012年12期

相關(guān)會議論文 前1條

1 孫殿柱;孫肖霞;李延瑞;范志先;;散亂點(diǎn)云內(nèi)外邊界的自動提取技術(shù)[A];全國先進(jìn)制造技術(shù)高層論壇暨制造業(yè)自動化、信息化技術(shù)研討會論文集[C];2005年

相關(guān)博士學(xué)位論文 前4條

1 賀美芳;基于散亂點(diǎn)云數(shù)據(jù)的曲面重建關(guān)鍵技術(shù)研究[D];南京航空航天大學(xué);2006年

2 張連偉;散亂點(diǎn)云三維表面重建技術(shù)研究[D];國防科學(xué)技術(shù)大學(xué);2009年

3 錢歸平;散亂點(diǎn)云網(wǎng)格重建及修補(bǔ)研究[D];浙江大學(xué);2008年

4 劉宇;基于微分信息的散亂點(diǎn)云拼合和分割[D];華中科技大學(xué);2008年

相關(guān)碩士學(xué)位論文 前10條

1 白晨;基于線性約束的散亂點(diǎn)云配準(zhǔn)技術(shù)的研究[D];西安建筑科技大學(xué);2015年

2 俞濤;散亂點(diǎn)云精簡與自動拼接技術(shù)研究[D];南昌大學(xué);2015年

3 劉詠梅;基于三維散亂點(diǎn)云的三角網(wǎng)格重構(gòu)關(guān)鍵技術(shù)研究[D];北京理工大學(xué);2015年

4 張戈弋;散亂點(diǎn)云自修復(fù)重建與錯誤拓?fù)湫拚芯縖D];西安電子科技大學(xué);2014年

5 陳達(dá)梟;散亂點(diǎn)云數(shù)據(jù)預(yù)處理的研究[D];西南科技大學(xué);2016年

6 張蓉;散亂點(diǎn)云的數(shù)據(jù)分割與特征提取技術(shù)研究[D];南昌大學(xué);2016年

7 王妮;散亂點(diǎn)云自修復(fù)重建與3D打印分層算法研究[D];西安電子科技大學(xué);2015年

8 王雅男;基于局部表面凸性的散亂點(diǎn)云分割算法研究[D];中國科學(xué)院長春光學(xué)精密機(jī)械與物理研究所;2016年

9 陳龍;散亂點(diǎn)云特征提取和聚類精簡技術(shù)研究[D];西南科技大學(xué);2017年

10 聶建輝;大規(guī)模散亂點(diǎn)云數(shù)據(jù)后處理技術(shù)研究[D];大連海事大學(xué);2009年

，

本文編號：1787627