一种新的鲁棒三维点云平面拟合方法

摘要：

针对三维点云中的异常值和粗差点对平面拟合精度产生的影响,文章提出一种将随机采样一致(ran-dom sample consensus,RANSAC)算法与主成分分析(principal component analysis,PCA)方法相结合的点云平面拟合新方法.通过RANSAC算法剔除原始点云数据中的异常值和粗差,保留质量好的点云数据;再利用PCA方法对留下的点云数据进行平面拟合,以获得更为精确的拟合平面参数解.仿真模拟算例与实测数据实验结果表明,相比于传统的拟合算法,该拟合方法可以消除异常值和粗差点的影响,并且能够得到更为准确的拟合参数,是一种具有鲁棒性和适用性的新方法.

关键词：点云数据、异常值、平面拟合、随机采样一致(RANSAC)算法、主成分分析(PCA)方法

所属期刊栏目：43

分类号：TP301.6(计算技术、计算机技术)

资助基金：国家自然基金资助项目;淮南矿业集团有限责任公司基金资助项目HNKY-JTJS2017-122

在线出版日期：2021-02-25（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：1684-1688