基于改进自适应k均值聚类的三维点云骨架提取的研究

摘要：

针对三维点云中心骨架提取问题,提出一种基于改进的自适应k均值聚类预分割引导的点云骨架提取算法.首先,将输入点云体素化,利用八叉树算法覆盖输入点云并下采样实现点云化简;其次,在采样点中自适应选取初始聚类中心对点云进行区域划分,并颜色标记;最后,在区域分割的引导下应用L1-中值骨架提取算法实现点云骨架的提取.该算法主要针对L1-中值算法可重复性差、易丢失细节等缺点进行了改进,并且对输入点云的质量以及形状的几何或拓扑信息,都没有严格的先验要求,可以直接应用到未经任何预处理、含有噪声或离群点的初始扫描点云上.展示了从多种不规则点云提取的骨架结果,包括矮小植物、人体动作等.与传统算法相比,该算法具有高准确率、强鲁棒性、强学习扩展能力等优点.

关键词：骨架提取、自适应聚类、L1-中值算法、八叉树采样、区域引导

所属期刊栏目：48

分类号：TP391.41;TN911.73;TP273

在线出版日期：2022-08-30（万方平台首次上网日期，不代表论文的发表时间）

页数：共13页

页码：1994-2006