本文選題：圖像處理 + 點(diǎn)云精簡��； 參考：《光學(xué)學(xué)報(bào)》2017年07期

【摘要】：針對(duì)散亂點(diǎn)云數(shù)據(jù)密度大、重建時(shí)間長、效率低等問題,提出了一種散亂點(diǎn)云的均勻精簡算法。該算法基于開源C++編程庫點(diǎn)云庫(PCL),利用PCL的體素化柵格類創(chuàng)建一個(gè)K鄰域三維體素柵格,結(jié)合包圍盒法對(duì)輸入的點(diǎn)云數(shù)據(jù)進(jìn)行K鄰域距離計(jì)算和法線估計(jì),確定每個(gè)小立方柵格的重心,并以其來近似顯示這個(gè)小立方柵格內(nèi)所有的數(shù)據(jù)點(diǎn),達(dá)到精簡點(diǎn)云的目的,最后利用貪婪三角投影類對(duì)精簡后的點(diǎn)云實(shí)現(xiàn)三角網(wǎng)格面重建并顯示其效果。實(shí)驗(yàn)結(jié)果表明,該算法在充分保留點(diǎn)云數(shù)據(jù)幾何特征的前提下,能有效濾除部分點(diǎn)云數(shù)據(jù)冗余量,且精簡結(jié)果比較均勻,避免了大規(guī)模精簡所出現(xiàn)的空白區(qū)域,提高了重建效率。
[Abstract]:Aiming at the problems of large data density, long reconstruction time and low efficiency of scattered point clouds, a uniform reduction algorithm for scattered point clouds is proposed. The algorithm is based on the open source C programming library point cloud library (PCL), using the voxel grid class of PCL to create a three-dimensional voxel grid with a K neighborhood, and combining the bounding box method to calculate the K-neighborhood distance and estimate the normal line of the input point cloud data. Determine the center of gravity of each small cube grid and approximate all the data points in the small cube grid to reduce the point cloud, Finally, using greedy triangular projection class to realize triangular mesh reconstruction and show its effect. Experimental results show that the proposed algorithm can effectively filter out the redundancy of some point cloud data on the premise of fully preserving the geometric characteristics of point cloud data, and the results of the reduction are more uniform, thus avoiding the large scale reduction of the blank area. The efficiency of reconstruction is improved.
【作者單位】： 西安工程大學(xué)電子信息學(xué)院;
【基金】：中國紡織工業(yè)聯(lián)合會(huì)科技指導(dǎo)性項(xiàng)目(2013066) 西安工程大學(xué)研究生創(chuàng)新基金資助項(xiàng)目(CX201733)
【分類號(hào)】：TP391.41

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 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(bào);2011年11期

2 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(bào);2009年05期

3 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(jì)算機(jī)工程與應(yīng)用;2009年28期

4 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

5 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(bào);2010年11期

6 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(jì)算機(jī)應(yīng)用研究;2012年10期

7 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(jì)算機(jī)實(shí)現(xiàn)[J];蘇州市職業(yè)大學(xué)學(xué)報(bào);2011年03期

8 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(dòng)化加工技術(shù);2009年02期

9 倪敏敏;何雪明;薛瑩;鄧楊;;散亂點(diǎn)云的拓?fù)浣Y(jié)構(gòu)重建算法的研究[J];機(jī)械設(shè)計(jì)與制造;2010年08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(bào);2012年12期

相關(guān)會(huì)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(dòng)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(dòng)化、信息化技術(shù)研討會(huì)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(dòng)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(cuò)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 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

10 尹丹;散亂點(diǎn)云的簡化與變形研究[D];湖南師范大學(xué);2008年

，

本文編號(hào)：2080404