【摘要】：作為一種反映物體形貌的三維信息,點(diǎn)云數(shù)據(jù)的原始數(shù)據(jù)量十分龐大,直接對(duì)過(guò)多的數(shù)據(jù)進(jìn)行操作會(huì)影響后續(xù)重建等工作。本文提出了一種新的點(diǎn)云特征提取自適應(yīng)精簡(jiǎn)算法。首先對(duì)原始點(diǎn)云進(jìn)行空間劃分,構(gòu)建點(diǎn)的k鄰域,設(shè)置特征參數(shù),進(jìn)行特征分析,識(shí)別不同區(qū)域的信息和數(shù)據(jù)。然后針對(duì)平面數(shù)據(jù)預(yù)先進(jìn)行邊界的檢測(cè)和提取,對(duì)剩余部分進(jìn)行精簡(jiǎn)。最后,針對(duì)非平面區(qū)域,先提取特征,再根據(jù)曲率的不同進(jìn)行不同程度的精簡(jiǎn)。辦公室數(shù)據(jù)掃描實(shí)驗(yàn)結(jié)果表明,處理大小為百萬(wàn)以內(nèi)點(diǎn)的點(diǎn)云模型可以在幾秒之內(nèi)完成,精簡(jiǎn)比能夠達(dá)到90%以上,與原始數(shù)據(jù)間的誤差較小:平面部分在精簡(jiǎn)前后平均偏差均在0.02mm以內(nèi),波動(dòng)很小,為0.005 7mm;非平面區(qū)域精簡(jiǎn)前后的平均偏差均在0.08mm左右,差值僅為0.000 3mm,精簡(jiǎn)精度得以保證。因此,利用提出的算法處理后的數(shù)據(jù)能更好地展示物體的形貌。
[Abstract]:As a kind of 3D information which reflects the shape of objects, the original data of point cloud data is very large, and direct operation of too many data will affect the work of subsequent reconstruction. In this paper, a new adaptive reduction algorithm for point cloud feature extraction is proposed. Firstly, the original point cloud is divided into space, the k-neighborhood of the point is constructed, the characteristic parameters are set up, the feature analysis is carried out, and the information and data of different regions are identified. Then, the edge of the plane data is detected and extracted in advance, and the remaining part is reduced. Finally, for non-planar regions, features are extracted first, then reduced to different degrees according to different curvature. The results of the office data scanning experiment show that the point cloud model can be completed in a few seconds, and the reduction ratio can reach more than 90%. The error between the plane part and the original data is small: the average deviation of the plane part is within 0.02mm, the fluctuation is very small, and the average deviation of the non-plane area is about 0.08mm, the difference is only 0.000 3 mm, so the precision of the reduction can be guaranteed. Therefore, the data processed by the proposed algorithm can better display the shape of the object.
【作者單位】： 河北工業(yè)大學(xué)機(jī)械工程學(xué)院;
【基金】：國(guó)家自然科學(xué)基金資助項(xiàng)目(No.51675160,61171048) 河北省應(yīng)用基礎(chǔ)研究計(jì)劃重點(diǎn)基礎(chǔ)研究資助項(xiàng)目(No.15961701D) 河北省高層次人才資助項(xiàng)目(No.GCC2014049) 河北省人才工程培養(yǎng)經(jīng)費(fèi)資助項(xiàng)目(No.A201500503)
【分類號(hào)】：TP391.41

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 葉愛(ài)芬;龔聲蓉;王朝暉;劉純平;;基于隨機(jī)分布估計(jì)的點(diǎn)云密度提取[J];計(jì)算機(jī)工程;2009年04期

2 梁新合;梁晉;郭成;曹巨明;;法向約束的多幅點(diǎn)云數(shù)據(jù)融合算法[J];西安交通大學(xué)學(xué)報(bào);2009年05期

3 孟凡文;吳祿慎;;用繼承與優(yōu)化算法精密拼接無(wú)序點(diǎn)云[J];光學(xué)精密工程;2009年04期

4 李海亮;鄧非;李剛;;攝影測(cè)量激光點(diǎn)云空洞修補(bǔ)[J];測(cè)繪科學(xué);2010年05期

5 張晶;楊云生;豐少偉;;基于點(diǎn)云法矢變化的點(diǎn)云簡(jiǎn)化方法研究[J];計(jì)算機(jī)與數(shù)字工程;2011年12期

6 李曉久;景曉寧;;基于非接觸式測(cè)量的人體點(diǎn)云簡(jiǎn)化方法[J];紡織學(xué)報(bào);2012年07期

7 高恩陽(yáng);鄭昊鴻;;點(diǎn)云數(shù)據(jù)濾波方法綜述[J];科技資訊;2012年33期

8 范然;金小剛;;大規(guī)模點(diǎn)云選擇及精簡(jiǎn)[J];圖學(xué)學(xué)報(bào);2013年03期

9 李偉;李旭東;趙慧潔;張穎;;基于姿態(tài)標(biāo)準(zhǔn)化的線特征點(diǎn)云提取方法[J];北京航空航天大學(xué)學(xué)報(bào);2013年08期

10 錢偉春;3DSMAX中動(dòng)態(tài)云的制作[J];多媒體世界;1999年03期

相關(guān)會(huì)議論文 前10條

1 李文濤;韋群;楊海龍;;基于圖像的點(diǎn)云生成和預(yù)處理[A];2011年全國(guó)通信安全學(xué)術(shù)會(huì)議論文集[C];2011年

2 蔡來(lái)良;李儒;;點(diǎn)云數(shù)據(jù)處理算法與實(shí)現(xiàn)初步研究[A];第四屆“測(cè)繪科學(xué)前沿技術(shù)論壇”論文精選[C];2012年

3 馬國(guó)慶;陶萍萍;楊周旺;;點(diǎn)云空間曲線的微分信息計(jì)算及匹配方法[A];第四屆全國(guó)幾何設(shè)計(jì)與計(jì)算學(xué)術(shù)會(huì)議論文集[C];2009年

4 江倩殷;劉忠途;李熙瑩;;一種有效的點(diǎn)云精簡(jiǎn)算法[A];第十五屆全國(guó)圖象圖形學(xué)學(xué)術(shù)會(huì)議論文集[C];2010年

5 解輝;張愛(ài)武;孟憲剛;;機(jī)載激光點(diǎn)云快速繪制方法[A];第二十五屆全國(guó)空間探測(cè)學(xué)術(shù)研討會(huì)摘要集[C];2012年

6 李凱;張愛(ài)武;;基于激光點(diǎn)云的糧倉(cāng)儲(chǔ)糧數(shù)量測(cè)量方法[A];第二屆“測(cè)繪科學(xué)前沿技術(shù)論壇”論文精選[C];2010年

7 朱曉強(qiáng);余燁;劉曉平;袁曉輝;Bill P.Buckles;;基于航拍圖像和LiDAR點(diǎn)云的城市道路提取[A];全國(guó)第19屆計(jì)算機(jī)技術(shù)與應(yīng)用（CACIS）學(xué)術(shù)會(huì)議論文集（上冊(cè)）[C];2008年

8 劉虎;;基于線性八叉樹的點(diǎn)云簡(jiǎn)化與特征提取研究[A];促進(jìn)科技經(jīng)濟(jì)結(jié)合，，服務(wù)創(chuàng)新驅(qū)動(dòng)發(fā)展——蚌埠市科協(xié)2012年度學(xué)術(shù)年會(huì)論文集[C];2012年

9 李濱;王佳;;基于點(diǎn)云的建筑測(cè)繪信息提取[A];第四屆“測(cè)繪科學(xué)前沿技術(shù)論壇”論文精選[C];2012年

10 楊雪春;;反求工程建模中點(diǎn)云切片技術(shù)研究[A];全國(guó)先進(jìn)制造技術(shù)高層論壇暨第八屆制造業(yè)自動(dòng)化與信息化技術(shù)研討會(huì)論文集[C];2009年

相關(guān)重要報(bào)紙文章 前2條

1 曹裕華 高化猛 江鴻賓;激光點(diǎn)云 亦真亦幻[N];解放軍報(bào);2013年

2 中國(guó)工程院院士 劉先林;四維遠(yuǎn)見(jiàn)的裝備創(chuàng)新[N];中國(guó)測(cè)繪報(bào);2012年

相關(guān)博士學(xué)位論文 前10條

1 彭檢貴;融合點(diǎn)云與高分辨率影像的城區(qū)道路提取與表面重建研究[D];武漢大學(xué);2012年

2 劉涌;基于連續(xù)序列自動(dòng)快速拼接的全方位三維測(cè)量技術(shù)研究[D];西南交通大學(xué);2013年

3 袁小翠;產(chǎn)品表面缺陷視覺(jué)檢測(cè)數(shù)據(jù)處理關(guān)鍵技術(shù)研究[D];南昌大學(xué);2015年

4 賴祖龍;基于LiDAR點(diǎn)云與影像的海岸線提取和地物分類研究[D];武漢大學(xué);2013年

5 王瑞巖;計(jì)算機(jī)視覺(jué)中相機(jī)標(biāo)定及點(diǎn)云配準(zhǔn)技術(shù)研究[D];西安電子科技大學(xué);2015年

6 段敏燕;機(jī)載激光雷達(dá)點(diǎn)云電力線三維重建方法研究[D];武漢大學(xué);2015年

7 韓峰;基于點(diǎn)云信息的既有鐵路狀態(tài)檢測(cè)與評(píng)估技術(shù)研究[D];西南交通大學(xué);2015年

8 金龍存;3D點(diǎn)云復(fù)雜曲面重構(gòu)關(guān)鍵算法研究[D];上海大學(xué);2012年

9 李揚(yáng)彥;基于點(diǎn)云的三維重建與形變事件分析[D];中國(guó)科學(xué)院深圳先進(jìn)技術(shù)研究院;2013年

10 楊德賀;面向虛擬測(cè)方系統(tǒng)的點(diǎn)云聚類與擬合理論[D];中國(guó)礦業(yè)大學(xué)（北京）;2014年

相關(guān)碩士學(xué)位論文 前10條

1 龔碩然;基于Delaunay三角剖分的點(diǎn)云三維網(wǎng)格重構(gòu)[D];河北大學(xué);2015年

2 楊紅粉;頻域技術(shù)應(yīng)用于點(diǎn)云配準(zhǔn)研究[D];北京建筑大學(xué);2015年

3 段紅娟;點(diǎn)云圖像交互式曲線骨架提取技術(shù)及其應(yīng)用[D];西南交通大學(xué);2015年

4 張永恒;散亂點(diǎn)云數(shù)據(jù)配準(zhǔn)方法研究[D];長(zhǎng)安大學(xué);2015年

5 吳愛(ài);面向特征擬合的點(diǎn)云簡(jiǎn)化方法研究[D];中國(guó)地質(zhì)大學(xué)(北京);2015年

6 薛廣順;基于立體視覺(jué)的牛體點(diǎn)云獲取方法研究與實(shí)現(xiàn)[D];西北農(nóng)林科技大學(xué);2015年

7 胡誠(chéng);精度約束下地表LiDAR點(diǎn)云抽稀方法研究[D];西南交通大學(xué);2015年

8 余明;三維離散點(diǎn)云數(shù)據(jù)處理技術(shù)研究[D];南京理工大學(xué);2015年

9 陳星宇;基于三維彩色點(diǎn)云的地形分類方法研究[D];南京理工大學(xué);2015年

10 朱東方;基于復(fù)雜拓?fù)浣Y(jié)構(gòu)點(diǎn)云的曲線擬合研究與應(yīng)用[D];山東大學(xué);2015年

本文編號(hào)：2252650