向量相似度可复原三维点云压缩算法

摘要：

针对三维点云数据压缩中细节特征不易保留,模型平缓部位存在过度压缩以及压缩后的点云模型不易复原等问题,提出一种基于向量相似度的三维点云压缩算法和复原算法CVS.向量相似性度量采用提出的L3A进行度量.CVS把每个三维坐标点看作是连接其坐标和原点的三维向量,按照三维坐标点的读入顺序选取参考向量,生成覆盖整个点云区域的采样区域,进行分区压缩.在采样区域中使用最小二乘曲面拟合算法对包含其中的点云进行曲面拟合,设置曲率阈值剔除坐标点,并存储曲面方程参数用于复原.通过控制L3A向量相似度中的长度和角度的变化阈值,使得密集点云区域的压缩率高于非密集区域的压缩率,通过控制曲率阈值,使得低曲率区域的压缩率高于高曲率区域的压缩率,最大程度保留模型细节特征.CVS使用压缩阶段产生的复原信息生成点云来恢复模型的细节特征,使得模型特征更加明显.

关键词：点云压缩、点云复原、向量相似度

所属期刊栏目：14

分类号：TP391(计算技术、计算机技术)

资助基金：The National Natural Science Foundation of China under Grant No. 61572345 国家自然科学基金;the International CooperationProject of the Major Research & Development Program of Shanxi Province under Grant No. 201603D421015 山西省重点研发计划国际合作项目

在线出版日期：2020-04-24（万方平台首次上网日期，不代表论文的发表时间）

页数：共12页

页码：657-668