【摘要】：在計(jì)算機(jī)輔助設(shè)計(jì)與逆向工程應(yīng)用中,針對(duì)缺乏拓?fù)溥B接關(guān)系的點(diǎn)云數(shù)據(jù),提出了基于經(jīng)驗(yàn)?zāi)B(tài)分解(EMD)的點(diǎn)云數(shù)據(jù)平滑與增強(qiáng)算法。首先,以點(diǎn)云模型的拉普拉斯矩陣坐標(biāo)與法向的內(nèi)積作為EMD輸入信號(hào),提取點(diǎn)云模型輸入信號(hào)的極值點(diǎn)作為插值節(jié)點(diǎn)計(jì)算信號(hào)的上下包絡(luò);然后,為實(shí)現(xiàn)特征保持的EMD信號(hào)分解,通過(guò)檢測(cè)點(diǎn)云數(shù)據(jù)上特征點(diǎn),并在計(jì)算信號(hào)上下包絡(luò)的過(guò)程中作為約束,克服傳統(tǒng)EMD算法無(wú)法保持特征的局限;最后,迭代地從輸入信號(hào)中減去上下包絡(luò)的均值得到內(nèi)蘊(yùn)模態(tài)函數(shù)(IMF)和余量,并通過(guò)設(shè)計(jì)濾波器實(shí)現(xiàn)了點(diǎn)云數(shù)據(jù)平滑和增強(qiáng)。實(shí)驗(yàn)結(jié)果表明,本文算法有效地將EMD推廣到三維散亂點(diǎn)云數(shù)據(jù)中,擴(kuò)大EMD在三維幾何中的應(yīng)用范圍,并在點(diǎn)云數(shù)據(jù)平滑和增強(qiáng)方面取得了很好的效果。
[Abstract]:In the application of computer aided design and reverse engineering, a point cloud data smoothing and enhancement algorithm based on empirical mode decomposition (EMD) is proposed for point cloud data which lack topological connection. Firstly, the Laplacian matrix coordinates and the normal inner product of the point cloud model are used as the EMD input signal, and the extreme point of the input signal of the point cloud model is extracted as the interpolation node to calculate the upper and lower envelopes of the signal. Then, in order to decompose the EMD signal with feature preservation, the feature points on the point cloud data are detected and used as constraints in the process of calculating the upper and lower envelope of the signal to overcome the limitation that the traditional EMD algorithm can not maintain the feature. Finally, the intrinsic modal function (IMF) and margin are obtained iteratively by subtracted the mean value of the upper and lower envelopes from the input signal, and the point cloud data are smoothed and enhanced by designing a filter. The experimental results show that the algorithm effectively extends EMD to 3D scattered point cloud data, expands the application range of EMD in 3D geometry, and achieves good results in point cloud data smoothing and enhancement.
【作者單位】： 北京航空航天大學(xué)計(jì)算機(jī)學(xué)院;天津工業(yè)大學(xué)理學(xué)院;
【基金】：國(guó)家自然科學(xué)基金(61532002,61672149,61602341,11626169) 天津市自然科學(xué)基金(17JCQNJC00600) 虛擬現(xiàn)實(shí)技術(shù)與系統(tǒng)國(guó)家重點(diǎn)實(shí)驗(yàn)室(北京航空天大學(xué))開(kāi)放基金(BUAA-VR-17KF-04)~~
【分類號(hào)】：TN911.7

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 李振;張敏;黎力;;利用GPU加速的海量點(diǎn)云高效繪制[J];水資源與水工程學(xué)報(bào);2013年06期

2 譚志國(guó);魯敏;胡延平;郭裕蘭;莊釗文;;基于點(diǎn)云-模型匹配的激光雷達(dá)目標(biāo)識(shí)別[J];計(jì)算機(jī)工程與科學(xué);2012年04期

3 李云;鄭江華;王冠生;;利用powercrust算法對(duì)點(diǎn)云3D重建方法[J];黑龍江科技信息;2013年15期

4 李峰;崔希民;袁德寶;王強(qiáng);吳亞軍;;利用機(jī)載LiDAR點(diǎn)云提取復(fù)雜城市建筑物面域[J];國(guó)土資源遙感;2013年03期

5 王宗躍;馬洪超;徐宏根;楊志偉;;海量點(diǎn)云的邊緣快速提取算法[J];計(jì)算機(jī)工程與應(yīng)用;2010年36期

6 琚俏俏;程效軍;徐工;;基于橢圓擬合的隧道點(diǎn)云去噪方法[J];工程勘察;2014年09期

7 于海洋;余鵬磊;謝秋平;李寧;盧小平;;機(jī)載LiDAR數(shù)據(jù)建筑物頂面點(diǎn)云分割方法研究[J];測(cè)繪通報(bào);2014年06期

8 李峰;崔希民;袁德寶;劉甜甜;譚雪航;;窗口迭代的克里金法過(guò)濾機(jī)載LiDAR點(diǎn)云[J];科技導(dǎo)報(bào);2012年26期

9 李晉江;張彩明;范輝;;群體智能點(diǎn)云光順去噪算法[J];計(jì)算機(jī)集成制造系統(tǒng);2011年05期

10 韓文軍;左志權(quán);;基于三角網(wǎng)光滑規(guī)則的LiDAR點(diǎn)云噪聲剔除算法[J];測(cè)繪科學(xué);2012年06期

相關(guān)會(huì)議論文 前1條

1 朱曉強(qiáng);李琳;余燁;劉曉平;;基于LiDAR點(diǎn)云的城市地面提取[A];全國(guó)第20屆計(jì)算機(jī)技術(shù)與應(yīng)用學(xué)術(shù)會(huì)議(CACIS·2009)暨全國(guó)第1屆安全關(guān)鍵技術(shù)與應(yīng)用學(xué)術(shù)會(huì)議論文集（下冊(cè)）[C];2009年

相關(guān)博士學(xué)位論文 前3條

1 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

2 左志權(quán);顧及點(diǎn)云類別屬性與地形結(jié)構(gòu)特征的機(jī)載LiDAR數(shù)據(jù)濾波方法[D];武漢大學(xué);2011年

3 劉峰;基于機(jī)載LiDAR數(shù)據(jù)林木識(shí)別與重建[D];中南大學(xué);2012年

相關(guān)碩士學(xué)位論文 前10條

1 楊浩;基于機(jī)載LiDAR點(diǎn)云的真正射影像生成方法研究[D];中國(guó)工程物理研究院;2015年

2 馬利霞;森林三維點(diǎn)云的自動(dòng)分類及其結(jié)構(gòu)參數(shù)定量估算[D];南京大學(xué);2015年

3 魏田;基于靜態(tài)地基激光掃描點(diǎn)云的單樹(shù)結(jié)構(gòu)表征[D];華北理工大學(xué);2015年

4 郭雪;機(jī)載LiDAR點(diǎn)云數(shù)據(jù)濾波方法研究[D];西安電子科技大學(xué);2014年

5 白鑫鵬;激光雷達(dá)點(diǎn)云采集和三維重建軟件系統(tǒng)實(shí)現(xiàn)[D];西安電子科技大學(xué);2014年

6 伍陽(yáng);利用對(duì)稱性進(jìn)行LiDAR點(diǎn)云配準(zhǔn)[D];南京大學(xué);2016年

7 陳姝文;基于Plücker直線的機(jī)載LiDAR點(diǎn)云與航空影像配準(zhǔn)研究[D];南京航空航天大學(xué);2016年

8 吳學(xué)剛;基于激光雷達(dá)的運(yùn)動(dòng)目標(biāo)檢測(cè)與識(shí)別方法研究[D];華中科技大學(xué);2015年

9 彭麗;植被密集的陡坡區(qū)機(jī)載LiDAR數(shù)據(jù)濾波方法研究[D];重慶大學(xué);2015年

10 李煉;機(jī)載LiDAR點(diǎn)云濾波及分類算法研究[D];成都理工大學(xué);2014年

，

本文編號(hào)：2475004