發(fā)布時(shí)間：2018-10-20 06:39

【摘要】：針對(duì)以往散亂點(diǎn)云特征提取算法存在尖銳特征點(diǎn)提取不完整以及無(wú)法保留模型邊界點(diǎn)的問(wèn)題,提出了一種多個(gè)判別參數(shù)混合方法的特征提取算法。對(duì)點(diǎn)云構(gòu)建k-d tree,利用k-d tree建立點(diǎn)云K鄰域;針對(duì)每個(gè)K鄰域計(jì)算數(shù)據(jù)點(diǎn)曲率、點(diǎn)法向與鄰域點(diǎn)法向夾角的平均值、點(diǎn)到鄰域重心的距離、點(diǎn)到鄰域點(diǎn)的平均距離,據(jù)此四個(gè)參數(shù)定義特征閾值和特征判別參數(shù),特征判別參數(shù)大于閾值的點(diǎn)即為特征點(diǎn)。實(shí)驗(yàn)結(jié)果表明,與已有算法相比,該算法不僅可以有效提取尖銳特征點(diǎn),而且能夠識(shí)別邊界點(diǎn)。
[Abstract]:Aiming at the problem that the feature extraction of scattered point cloud is incomplete and the boundary points of the model can not be preserved, a feature extraction algorithm based on multiple discriminant parameter mixing methods is proposed in this paper. Constructing k-d tree, for point cloud using k-d tree to establish K-neighborhood of point cloud, calculating the curvature of data point for each K-neighborhood, the average angle between normal point and neighbor point, the distance from point to center of gravity of neighborhood, the average distance from point to neighborhood point. According to the four parameters, the characteristic threshold and the characteristic discriminant parameter are defined. The point where the characteristic discriminant parameter is larger than the threshold is the feature point. Experimental results show that the proposed algorithm can not only extract sharp feature points effectively, but also recognize boundary points.
【作者單位】： 西南科技大學(xué)制造科學(xué)與工程學(xué)院;西南科技大學(xué)制造過(guò)程測(cè)試技術(shù)省部共建教育部重點(diǎn)實(shí)驗(yàn)室;
【基金】：四川省教育廳科研基金資助項(xiàng)目(14ZB0111) 四川省教育部共建重點(diǎn)實(shí)驗(yàn)室“制造過(guò)程測(cè)試技術(shù)實(shí)驗(yàn)室”開(kāi)放基金資助項(xiàng)目(14tdzk06)
【分類(lèi)號(hào)】：TP391.41

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 孫殿柱;朱昌志;李延瑞;;散亂點(diǎn)云邊界特征快速提取算法[J];山東大學(xué)學(xué)報(bào)(工學(xué)版);2009年01期

2 梁新合;梁晉;郭成;曹巨名;王永信;;散亂點(diǎn)云的補(bǔ)償濾波[J];西安交通大學(xué)學(xué)報(bào);2011年11期

3 孫殿柱;朱昌志;李延瑞;田中朝;;散亂點(diǎn)云局部型面參考數(shù)據(jù)的快速查詢(xún)算法[J];農(nóng)業(yè)機(jī)械學(xué)報(bào);2009年05期

4 黃文明;彭希為;溫佩芝;吳曉軍;;保留幾何特征的散亂點(diǎn)云簡(jiǎn)化方法[J];計(jì)算機(jī)工程與應(yīng)用;2009年28期

5 孫殿柱;朱昌志;范志先;李延瑞;;基于型面特征的三維散亂點(diǎn)云精簡(jiǎn)算法[J];中國(guó)機(jī)械工程;2009年23期

6 孫永偉;孫殿柱;朱昌志;朱宗偉;;散亂點(diǎn)云切片數(shù)據(jù)快速獲取與優(yōu)化[J];哈爾濱工程大學(xué)學(xué)報(bào);2010年11期

7 周學(xué)禮;萬(wàn)旺根;;心內(nèi)膜散亂點(diǎn)云邊界點(diǎn)檢測(cè)算法研究[J];計(jì)算機(jī)應(yīng)用研究;2012年10期

8 王偉;唐民麗;吳恒玉;;大規(guī)模散亂點(diǎn)云數(shù)據(jù)的曲率估算及計(jì)算機(jī)實(shí)現(xiàn)[J];蘇州市職業(yè)大學(xué)學(xué)報(bào);2011年03期

9 趙燦;湯春瑞;劉丹丹;;基于表面波變換的散亂點(diǎn)云去噪方法[J];組合機(jī)床與自動(dòng)化加工技術(shù);2009年02期

10 吾守爾·斯拉木;曹巨明;;一種新的散亂點(diǎn)云尖銳特征提取方法[J];西安交通大學(xué)學(xué)報(bào);2012年12期

相關(guān)會(huì)議論文 前1條

1 孫殿柱;孫肖霞;李延瑞;范志先;;散亂點(diǎn)云內(nèi)外邊界的自動(dòng)提取技術(shù)[A];全國(guó)先進(jìn)制造技術(shù)高層論壇暨制造業(yè)自動(dòng)化、信息化技術(shù)研討會(huì)論文集[C];2005年

相關(guān)博士學(xué)位論文 前4條

1 賀美芳;基于散亂點(diǎn)云數(shù)據(jù)的曲面重建關(guān)鍵技術(shù)研究[D];南京航空航天大學(xué);2006年

2 張連偉;散亂點(diǎn)云三維表面重建技術(shù)研究[D];國(guó)防科學(xué)技術(shù)大學(xué);2009年

3 錢(qián)歸平;散亂點(diǎn)云網(wǎng)格重建及修補(bǔ)研究[D];浙江大學(xué);2008年

4 劉宇;基于微分信息的散亂點(diǎn)云拼合和分割[D];華中科技大學(xué);2008年

相關(guān)碩士學(xué)位論文 前10條

1 白晨;基于線性約束的散亂點(diǎn)云配準(zhǔn)技術(shù)的研究[D];西安建筑科技大學(xué);2015年

2 俞濤;散亂點(diǎn)云精簡(jiǎn)與自動(dòng)拼接技術(shù)研究[D];南昌大學(xué);2015年

3 劉詠梅;基于三維散亂點(diǎn)云的三角網(wǎng)格重構(gòu)關(guān)鍵技術(shù)研究[D];北京理工大學(xué);2015年

4 張戈弋;散亂點(diǎn)云自修復(fù)重建與錯(cuò)誤拓?fù)湫拚芯縖D];西安電子科技大學(xué);2014年

5 陳達(dá)梟;散亂點(diǎn)云數(shù)據(jù)預(yù)處理的研究[D];西南科技大學(xué);2016年

6 張蓉;散亂點(diǎn)云的數(shù)據(jù)分割與特征提取技術(shù)研究[D];南昌大學(xué);2016年

7 王妮;散亂點(diǎn)云自修復(fù)重建與3D打印分層算法研究[D];西安電子科技大學(xué);2015年

8 王雅男;基于局部表面凸性的散亂點(diǎn)云分割算法研究[D];中國(guó)科學(xué)院長(zhǎng)春光學(xué)精密機(jī)械與物理研究所;2016年

9 聶建輝;大規(guī)模散亂點(diǎn)云數(shù)據(jù)后處理技術(shù)研究[D];大連海事大學(xué);2009年

10 尹丹;散亂點(diǎn)云的簡(jiǎn)化與變形研究[D];湖南師范大學(xué);2008年

，

本文編號(hào)：2282332