一种考虑平面特征的室内稠密点云精简方法

摘要：

针对室内稠密点云数据海量、信息冗余、处理难度大等问题,提出一种顾及平面特征的室内稠密点云精简方法.首先,通过无效点去除、统计滤波、体素滤波等完成稠密点云的格式检查、去噪和抽稀.然后,采用区域生长算法提取平面,并采用Alpha Shape算法提取其边缘信息.其次,将点云数据降维成图像,并提出一种融合聚类的四叉树分割方法实现目标聚类分割.最后,针对图像中不同聚类区域,采用3种采样策略回溯得到精简点云.试验选取公寓、卧室、会议室和办公室等典型室内场景测试方法性能.结果表明:与传统的随机采样、距离采样、八叉树采样等方法相比,该方法简化效果更佳,平均简化误差在3 mm以内.在保留场景平面特征和边缘细节信息的同时,显著降低点云存储空间.对于三维重建、地图管理和机器人导航有着重要意义.

关键词：稠密点云、点云精简、区域生长、边缘提取、四叉树分割

所属期刊栏目：43

分类号：TP391.41(计算技术、计算机技术)

资助基金：辽宁省教育厅服务地方项目LJ2019FL008

在线出版日期：2023-03-07（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：183-191