共查询到10条相似文献，搜索用时 312 毫秒
1.
顾及地形特征的LiDAR点云数据抽稀算法 总被引：1，自引：0，他引：1
针对现有的LiDAR点云数据抽稀算法存在无法有效保留地形特征点或地形分类精度不高等问题,文章提出一种顾及地形特征的点云数据抽稀算法:利用点云中的局部极值点与点云边界点作为种子点构建不规则三角网(TIN);利用一定原则逐渐选取非种子点中的地形特征点加密TIN;然后采用一种临近三角面的平面测试策略剔除三角网中可能存在的冗余点,得到最终结果。测试结果表明:该算法在保证地形精度的前提下,能够有效地减少冗余点数量;同时,为了提高算法的实用性,该文通过大量试验给出了算法中所需参数的最优配置。 相似文献
2.
3.
4.
5.
海量散乱点云快速压缩算法 总被引：1，自引：0，他引：1
提出基于切片的海量散乱点云快速压缩方法,对点云进行分层生成切片点云,对每层切片点云使用弦高差法筛选利于表现形状的重要点,实现快速压缩。通过实验讨论参数对压缩结果的影响,并给出最佳参数值选择依据。对本方法和传统方法的压缩效果进行对比,证实本方法在实现高效压缩的同时能保留大量的特征细节。 相似文献
6.
7.
8.
针对基于LiDAR点云数据进行建筑物自动重建中存在的数据冗余问题,该文设计了一种定量描述激光点位于地物边缘区几率大小的指标——边缘系数,并据此提出了基于边缘系数的建筑物LiDAR点云数据简化方法。该方法利用激光点与其邻域点的位置、数量及分布计算该点的边缘系数,通过试验分析确定边缘系数的阈值并对点云数据进行分割,最后保留建筑物边缘区域的点,实现点云数据的简化。实验表明,该方法在对点云数据进行高效压缩的同时有效保留了位于地物边缘处的点云,有助于提高海量点云数据处理能力和建筑物重建效率。 相似文献
9.
10.
针对三维激光扫描点云数据采集过密、冗余信息较多,现有压缩算法存在不足的问题,该文提出了基于点到平面距离的散乱点云压缩算法。将该算法与基于三角形法向量夹角和格网法两种现有算法的压缩结果进行比较,通过对比构建的空间三角网可以发现,该文算法对物体特征复杂的部位有较好的压缩效果,且在压缩率较高时,不会使较平缓的部位出现过度压缩而失真的情况。 相似文献