三维散乱点云模型的特征点检测

摘要：

随着三维点云模型越来越受到人们的关注,如何对数据量大,无序的三维点云模型进行特征点检测也是近几年的研究热点.本文提出了基于曲率和密度的特征点检测算法,为每个数据点定义一个特征参数,这个参数由三部分组成:点到邻居点的平均距离；点的法向与邻居点法向夹角的和；数据点曲率.然后通过八叉树方法计算模型的数据点密度,将这个密度与模型到中心点的最大距离相除得到特征阈值,特征参数大于阈值的点就是特征点.本文计算时,检测模型的特征点只需用到三维点云模型的几何特征,如数据点法向,曲率和邻居点.实例表明本算法可准确地检测出散乱数据点云的特征点.

关键词：三维点云模型、特征参数、特征点检测、k近邻

所属期刊栏目：27

分类号：TP391.4(计算技术、计算机技术)

资助基金：北京市优博项目YB20081000401；国家973计划2006CB303105,2004CB318110；国家自然科学基金项目60673109

在线出版日期：2011-12-20（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：932-938