点击次数：

论文类型：期刊论文

发表时间：2013-05-15

发表刊物：计算机辅助设计与图形学学报

收录刊物：Scopus、EI、PKU、ISTIC、CSCD

卷号：25

期号：5

页面范围：659-665

ISSN号：1003-9775

关键字：点云;特征提取;局部重建;协方差分析;共享近邻聚类

摘要：为了有效地提取点云数据中的特征信息,针对采自分片光滑曲面的散乱点云数据,提出一种基于局部重建的鲁棒特征点提取方法.首先基于局部邻域的协方差分析计算每个数据点的特征度量,并通过阈值过滤获取初始特征点集合;然后在每个初始特征点的局部邻域内构建不跨越特征区域,以反映该点局部特征信息的三角形集合;再利用共享近邻算法对构造的三角形法向进行聚类,得到对应局部区域数据点的分类集合;最后对每一类点集拟合平面,通过判断该点是否同时落在多个平面来进行特征点提取.实验结果表明,该方法简单、稳定,对局部邻域选取的大小不敏感,具有一定的抗噪能力;能够在有效提取显著特征的同时,尽可能多地保留相对较弱的特征.