海量点云数据轮廓特征线的快速生成算法
2012-07-31程效军贾东峰刘燕萍
同济大学学报(自然科学版) 2012年10期
关键词:特征
程效军,贾东峰,刘燕萍
(1.同济大学 测量与国土信息工程系,上海200092;2.同济大学 现代工程测量国家测绘地理信息局重点实验室,上海200092;3.同济大学 浙江学院 土木工程系,浙江 嘉兴314000)
随着点云数据规模的不断增大,如何有效地结合逆向工程(RE)和快速成型技术(RP),从海量的点云数据中获取平面轮廓特征点,并进行轮廓线的重建,是实现基于特征的模型重建的关键.Lee等[1]根据点的提取率对点云进行分层,提出角偏差法来获取每层数据的曲率突变点,并通过同伦算法生成点云的轮廓线模型.由于曲率突变点的获取容易受到噪声的影响,所以该方法抗噪能力差.Wu等[2]提出了基于RE和RP的迭代算法,通过定义形状因子,计算每层数据的形状误差,以此来调节点云分层的厚度,实现分层划分的自适应,但是其轮廓特征线的生成效率较低.Liu等[3]提出了一种基于中间点的曲线模型法(IPCM)来集成RE和RP.该方法效率较高,但未解决点云切片中的多环现象.国内的柯映林等[4]提出了基于点集的“紧包围盒”分割来建立散乱点之间的邻接信息,构建平面切片数据,并根据散乱点间的拓扑关系,重建平面曲线.吴杭彬等[5]根据点云数据的特点,提出了点云数据的分层模型,实现了等值线的分层提取,并根据等值线的细节程度不同,对等值线进行分类,实现了多细节表达.
以上方法,通过集成RE和RP,避免了曲面拟合和STL文件生成的过程[6-7],其应用领域多为机械制造,目的是把曲线模型作……
登录APP查看全文
