10.16208/j.issn1000-7024.2016.08.024
基于Hausdorff距离的点云分片精简算法
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。
Hausdorff距离、点云分片、数据精简、模糊集合理论、特征点
37
TP391(计算技术、计算机技术)
总装预研基金
2016-09-27(万方平台首次上网日期,不代表论文的发表时间)
共5页
2105-2109