文件名称：论文研究-空间分割与曲率相融合的点云精简算法研究.pdf
文件大小：1.29MB
文件格式：PDF
更新时间：2022-08-11 12:43:02
K-邻域, 曲率, 空间分割, 最小距离, 包围盒
非接触式扫描方法获得点云数据存在大量的冗余数据。为便于模型重构, 针对点云数据精简是必不可少的数据预处理手段, 提出了一种基于空间分割和曲率特征信息的点云数据精简算法。通过K-邻域计算、二次曲面拟合、曲率估算和曲率阈值可调的数据分区等关键精简技术, 实现了对同一数据不同区域应用不同精简算法, 进行不同比例的数据精简。实例验证表明, 该算法能适应各种类型曲面数据的精简要求, 保证精简效率的同时, 很好地保留点云的特征信息。