論文提出了一種有效的點(diǎn)云精簡算法,用于處理配準(zhǔn)后的點(diǎn)云數(shù)據(jù),解決其存在的數(shù)據(jù)量過大、點(diǎn)密度不均等問題,同時可以保留點(diǎn)云的灰度和幾何特征。對于給定點(diǎn)云,首先基于體素柵格生成一個粗點(diǎn)云。然后,通過不動點(diǎn)迭代算法,將粗點(diǎn)云投影到給定的點(diǎn)云上,用每點(diǎn)鄰域內(nèi)的近似重心點(diǎn)來代替原點(diǎn)位置。同時,在正則化約束條件下,將局部排斥力摻入到距離過近的點(diǎn)用于增加懲罰項(xiàng),保證了點(diǎn)云的均勻分布。最后,利用KDTree查找重采樣后點(diǎn)的最鄰近點(diǎn),將最鄰近點(diǎn)的灰度信息映射至重采樣后的點(diǎn)。實(shí)驗(yàn)結(jié)果表明,該算法在充分保留點(diǎn)云數(shù)據(jù)幾何特征和灰度特征的前提下,能有效濾除配準(zhǔn)重疊區(qū)域的冗余數(shù)據(jù),且保持點(diǎn)云的均勻分布。

【文章頁數(shù)】：6 頁

【部分圖文】：

結(jié)果圖2使用本文算法對水杯數(shù)據(jù)進(jìn)行實(shí)驗(yàn)得到的結(jié)果（c）配準(zhǔn)重疊區(qū)域（d）

齜植季?鵲男碌慵??繽跡?e）。最后，為了恢復(fù)重采樣后丟失的灰度信息，利用KDTree在輸入點(diǎn)云內(nèi)搜索（e）內(nèi)各點(diǎn)的最鄰近點(diǎn)，并將灰度信息進(jìn)行映射，最終得到的點(diǎn)云數(shù)據(jù)如圖（b）所示。與原始數(shù)據(jù)相比，簡化率約為71.36%，精簡后的點(diǎn)云保留原始的幾何特征和灰度特征。同時，根據(jù)圖（a....

圖4點(diǎn)云法向量估計(jì)（a）原始數(shù)據(jù)法向量估計(jì)（b）精簡后點(diǎn)云的法向量估計(jì)

齠ǖ閽葡虜裳?剩?逅馗癖?長越大，點(diǎn)云的簡化率越高。同時，通過對比處理前后σˉ的計(jì)算結(jié)果可知，精簡后的點(diǎn)云分布較初始點(diǎn)云相比更加均勻。表2實(shí)驗(yàn)統(tǒng)計(jì)結(jié)果數(shù)據(jù)集水杯機(jī)械部件輸入點(diǎn)220k459.7kσˉbefore0.8771.080降采樣體素格邊長/mm1.00.80.51.00.....

圖3.2配準(zhǔn)示意圖

本文編號：3935679