基于FPFH的点云特征点提取算法
2020-07-13黄燕琴
计算机应用与软件 2020年7期
贾 薇 舒 勤* 黄燕琴
1(四川大学电气信息学院 四川 成都 610065)2(漳州职业技术学院 福建 漳州 363000)
0 引 言
随着三维扫描技术的快速发展,通过激光扫描技术获得的点云模型成为近几年几何模型的通用表达形式[1]。目前,三维模型特征提取已成为计算机视觉、数字几何处理技术中的研究热点[2]。
Kim[3]利用移动最小二乘法拟合局部三次曲面计算曲率和主方向,通过计算曲率沿主方向的极值点来提取点云脊谷特征点,可以较好地检测模型细节特征。Wang等[4]通过移动最小二乘法计算曲率,再将曲率绝对值较大点标定为点云脊谷特征点。庞旭芳等[5]使用类似的方法提取出曲率较大的点后通过特征点投影得到增强特征点,最后对特征点进行平滑后生成特征线。Gumhold等[6]使用平均曲率计算邻向图边的惩罚权重大小,通过最小化邻向图边的权重来提取特征点。上述方法都是通过拟合局部平面来计算曲率,再在此基础上提取脊谷特征点,但是算法的时间代价高。Pauly等[7]将多尺度分类算子作为算法核心,使用局部邻域的大小作为离散尺度参数,计算在不同尺度下一点为特征点的可能性。Demarsin等[8]利用PCA计算离散点云法向量,根据法向变化对点云数据进行分类,将相对较小的点簇作为特征区域,最后通过构造最小生成树得到特征线。Daniels等[9]利用鲁棒最小二乘的概念,在点的邻域内进行曲面拟合,将点投影到多个曲面交点得到增强特征点,最后连接并平滑特征线。张雨禾等[10]提出一种基于密度空间聚类的散乱点云特征提取方法,将反K近邻的尺度作为点密度,引入特征的全局约束性信息,建立新的特征识别准则。……
登录APP查看全文
