基于Hausdorff距离的点云分片精简算法

摘要：

提出一种基于 Hausdorff距离的点云分片精简算法。对点云模型进行 X-Y 边界获取，保留形状特征；计算除边界外其余数据点对应的曲率，根据平均曲率构造点云模型的模糊集，引入模糊集合理论得到曲率分片的最佳阈值；以曲率最大、最小值差值的1%作为点云的曲率间隔，依次对点云数据进行分片，使某一数据点对当前分片点云的归属程度达到最大；计算各分片内数据点主曲率的 Hausdorff距离，获取并保留特征点。实验结果表明，该算法提高了点云精简率，有效缩短了精简时间，较好保留了点云细节特征。

关键词：Hausdorff距离、点云分片、数据精简、模糊集合理论、特征点

所属期刊栏目：37

分类号：TP391(计算技术、计算机技术)

资助基金：总装预研基金

在线出版日期：2016-09-27（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：2105-2109