点击次数：

论文类型：会议论文

发表时间：2012-07-19

页面范围：434-437

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：　　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给每个数据点赋予度量该点成为特征点的可能性。通过阈值过滤获取初始特征点集合。其次，在每个初始特征点的局部邻城内构建不跨越特征区域，并能够反映该点局部特征结构信息的三角形集合。然后，利用共享近邻算法对构造的三角形法向进行聚类，进而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。该方法能够在有效提取显著特征的同时，尽可能多的保留相对较弱的特征。