模糊C-均值聚类对点云数据的分割
2015-03-31胡文庆
安徽农业科学 2015年17期
胡文庆, 施 昆,曹 影
(1.昆明理工大学,云南昆明 650000;2.西南林业大学,云南昆明 650000)
模糊C-均值聚类对点云数据的分割
胡文庆1, 施 昆1,曹 影2
(1.昆明理工大学,云南昆明 650000;2.西南林业大学,云南昆明 650000)
点云数据的分割是点云数据处理流程中的重要内容,同时也是点云数据三维重建的前提和基础。该研究在模糊C-均值聚类(FCM)算法的基础上,根据标靶点云和建筑物点云数据的不同特征进行实验,通过Matlab对地面雷达的标靶、建筑物点云数据进行分割,探讨模糊C-均值聚类算法对点云数据分割的可行性。实验结果显示,通过选择正确点云数据的特征属性,利用模糊C-均值算法对点云数据分割具有一定的可行性。
点云数据分割; 特征;模糊C-均值聚类;可行性
地面LiDAR是近年来兴起的一种获取三维数据和三维建模的空间信息技术,利用这种技术可以同步获取目标范围的点的集合(点云数据),这其中包含着点的反射强度,三维坐标,色彩信息等三维立体信息,因地面LiDAR技术具有快速获取空间数据的优点而受到广泛关注。在对地面LiDAR点云数据的三维重建中,若直接对地面LiDAR点云数据进行三维重建,则会增加处理的复杂度和系统资源的消耗,因此要对点云数据进行相应分割。
点云数据分割是点云数据的标记过程,把属性相同或者相近、并且空间邻近的点划分为一类,最终得到若干个由属性相近的点云区域。点云数据分割是点云数据几何特征提取、分析和识别的基础,同时也是对点云数据三维重建的重要前提。……
登录APP查看全文
