一种大规模点云k邻域快速搜索算法

摘要：

针对大规模点云数据k邻域搜索效率低和分块不均匀的问题,提出了一种新的k邻域快速搜索算法.首先,根据设定的子空间内点云数目上限对点云空间在坐标轴方向自适应分块;然后,以待搜索点到所对应子空间6个面的最小距离作为边长生成初始自身小立方体,根据小立方体内采样点数目的控制阅值动态控制小立方体大小,缩小k邻域的搜索范围;最后,以搜索不成功的点到子空间边界的最小距离所对应的面的外法向量方向作为此面的扩展方向,并以所有搜索不成功点到该面距离的最大值作为该方向的扩展步长对子空间定量扩充.实验结果表明,该算法不仅具有较强的稳定性,而且自动化程度较高,能更快地完成k邻域搜索.

关键词：动态网格、k最近邻域、曲面重建、点云、搜索步长

所属期刊栏目：41

分类号：P208;TP391.4(一般性问题)

资助基金：国家自然科学基金61462059;中国博士后科学基金面上项目2013M542396;人社部留学人员科技活动项目择优资助2013277;甘肃省财政厅基本科研业务费214142;The National Natural Science Foundation of China,No.61462059;China Postdoctoral Science Foundation Funded Project,No.2013M542396;the Technology Foundation for Selected Overseas Chinese Scholar,Ministry of Human Resources and Social Security,No.2013277;the Fundamental Research Funds of Department of Finance of Gansu Province,No.214142.

在线出版日期：2016-07-06（万方平台首次上网日期，不代表论文的发表时间）

页码：656-664