基于边界保留的k-means聚类点云精简算法研究     

常俊飞  赵利民  王瀚斌 《测绘工程》2018,(7):60-65

传统的栅格法与曲率法对数据模型进行精简时很容易剔除特征点,具有较高的误判率,导致精简后的数据不能较好地突出点云数据的特征,使重构后的实体模型精度下降。文中提出基于边界保留的k-means聚类算法对点云进行精简。该算法首先使用k-d树进行质心初始化,然后使用X-Y边界提取算法来保留边界完整性,最后根据曲率高低对簇进行细分,使在高曲率区域保留必要多的点,在低曲率地方保留一些均匀分布的点。实验验证该方法优于传统的栅格法与曲率法。  相似文献   

灰色模型的整体最小二乘解算及应用     

杨帆  常俊飞 《测绘科学》2016,41(12):261-264

目前,灰色模型在变形监测数据处理及预报中的应用越来越广泛。针对系数矩阵和预测值存在的误差,该文采用整体最小二乘法,结合黑龙江省农业科学院在江北科技创新城核心区建设的国际农业科技创新中心工程,选取其中一个沉降监测点进行分析。实验结果表明,该方法的拟合精度更高,适用于变形监测数据处理。  相似文献   

基于一致性球的点云配准算法研究     

杨帆  常俊飞 《大地测量与地球动力学》2018,38(1):87-91

针对三维建模中经典ICP算法在点云重叠度低时配准精度不高的问题，提出一种基于一致性球的配准算法。该算法在寻找对应点方面，将球体的旋转不变性与基于邻域的SVD正交一致性算法结合起来，使得配准算法能够获得较高正确率的对应点，并以此为基础进行扩散，得到更多的对应点；再使用刚性约束对错误点对进行剔除，最后使用四元数法求解变换矩阵。该方法不仅克服了传统ICP配准算法的缺陷，而且精度也优于传统ICP配准算法。  相似文献   

基于边界保留的点云精简算法研究     

常俊飞  任思红  姚涛 《测绘与空间地理信息》2019,42(4)

传统的栅格法与曲率法对数据模型进行精简时很容易剔除特征点,但是误判率较高,导致精简后的数据不能较好地突出点云数据的特征,使重构后的实体模型精度下降。针对以上问题,本文算法首先使用改进的Kmeans进行质心初始化;然后,使用X-Y边界提取算法来保留边界完整性;最后,根据Hausdorff距离对簇进行细分,在高曲率区域保留必要多的点,在低曲率地方保留一些均匀分布的点。实验验结果证明该方法优于传统的栅格法与曲率法。  相似文献