資源描述：
《基于平面提取的點(diǎn)云數(shù)據(jù)分割算法.pdf》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在應(yīng)用文檔-天天文庫。
1、第31卷第7期計(jì)算機(jī)應(yīng)用與軟件Vo1．31No．72014年7月ComputerApplicationsandSoftwareJu1．2014基于平面提取的點(diǎn)云數(shù)據(jù)分割算法李寶順岑紅燕包亞萍李義豐(南京工業(yè)大學(xué)電子與信息工程學(xué)院江蘇南京211816)摘要針對(duì)點(diǎn)云數(shù)據(jù)處理過程中邊緣不易定位準(zhǔn)確的問題，提出一種抗噪性強(qiáng)的點(diǎn)云數(shù)據(jù)分割新算法。該算法以點(diǎn)云的區(qū)域分布特性為基礎(chǔ)，通過對(duì)數(shù)據(jù)進(jìn)行主成分分析(PCA)，構(gòu)建點(diǎn)云平面基元檢測的新模型。定義多個(gè)平面相似度準(zhǔn)則并結(jié)合多個(gè)閾值判斷，進(jìn)行平面的區(qū)域增長，實(shí)現(xiàn)點(diǎn)云數(shù)據(jù)的準(zhǔn)確分割。實(shí)驗(yàn)結(jié)果表
2、明，該方法能快速穩(wěn)定地識(shí)別場景物體各個(gè)平面，得到較為準(zhǔn)確的分割結(jié)果，且具有較強(qiáng)的抗噪性能。關(guān)鍵詞點(diǎn)云數(shù)據(jù)主成分分析平面基元區(qū)域增長中圖分類號(hào)TV391．41文獻(xiàn)標(biāo)識(shí)碼ADOI：10．3969／j．issn．1000—386x．2014．07．037SEGMENTATIoNALGoRITHMFoRPoINTCLoUDDATABASEDoNPLANEEXTRACTIONLiBaoshunCenHongyanBaoYapingLiYifeng(CollegeofElectronicandInformationEngineering，N
3、anjingUniversityofTechnology，Nanjing211816，Jiangsu，China)AbstractAimingattheproblemthattheedgeisnoteasilytobepositionedwhendealingwiththepointclouddata，wepresentasegmentationalgorithmforpointclouddatawithstrongdenoisingcapability．Thealgorithmtakestheregionaldistribut
4、ionprope~yofpointcloudasthebasis，throughapplyingprincipalcomponentanalysis(PCA)onthedata，itconstructsanewmodelforpointcloudplanarprimitivesdetection．Severalplanarsimilaritycriterionsaredefined，anda、pluralityofthresholdestimationsarecombined，botharefortheregiongrowtho
5、ftheplane，thustheaccuratesegmentationofpointclouddataisachieved．Experimentalresultsshowthatthealgorithmcanrecogniseeveryplaneofthesceneobjectfastandstably，acquiresrelativelyaccuratesegmentationresult，andisalsonoiseimmunity．KeywordsPointclouddataPrincipalcomponentanal
6、ysisPlanarprimitivesRegiongrowth數(shù)據(jù)中提取出有效的平面基元?；诖?，本文提出了一種基于0引言平面提取的方法近似地重建平面，通過構(gòu)建不同的局部鄰域點(diǎn)云分布模型，確定有效的種子平面基元，結(jié)合一系列的相似度準(zhǔn)由點(diǎn)云數(shù)據(jù)進(jìn)行三維目標(biāo)識(shí)別現(xiàn)已成為三維視覺領(lǐng)域研究則對(duì)所獲得的基元進(jìn)行區(qū)域增長，最終達(dá)到分割的目的。采用中的重要內(nèi)容，針對(duì)點(diǎn)云數(shù)據(jù)的處理在許多計(jì)算機(jī)視覺任務(wù)中本文方法進(jìn)行了多組實(shí)驗(yàn)，對(duì)所提出的平面提取算法進(jìn)行完整扮演著越來越重要的角色J。而對(duì)點(diǎn)云的分割作為三維特征的分析和性能評(píng)價(jià)。結(jié)果表明，基于平面
7、提取的分割算法不僅提取及識(shí)別中一個(gè)十分重要的步驟，已經(jīng)受到了國內(nèi)外很多研能較好地得到分割結(jié)果，有效地獲得數(shù)據(jù)本身含有的幾何信息，究者的關(guān)注，也成為非?；钴S的領(lǐng)域。而且具有較強(qiáng)的抗噪性和魯棒性。近些年研究者提出了各種關(guān)于點(diǎn)云數(shù)據(jù)的分割算法，這些算法通?？煞譃榛谶吘壍乃惴ê突诒砻娴乃惴ǎ约斑@兩1基于PCA的平面基元定義者的混合算法-8]。Demarsin等基于邊緣提取的方法提出產(chǎn)生閉合曲線網(wǎng)絡(luò)的算法，提取了閉合的特征線條，為點(diǎn)云的表面PCA是利用降維的思想，在保持原始變量中更多信息的前模型重建奠定了基礎(chǔ)；Lai等將提取特征區(qū)域
8、分成兩個(gè)階段，提下，把多個(gè)指標(biāo)轉(zhuǎn)化成幾個(gè)綜合性指標(biāo)的多元統(tǒng)計(jì)方法。通過第一階段來確定待增長的特征類型，由之后的重新生長階常用于分析數(shù)據(jù)集，找到能表示出數(shù)據(jù)分布模式的主元，從而有段進(jìn)行相同特征類型點(diǎn)的合并，整個(gè)過程有效地實(shí)現(xiàn)了平面、球效地反映數(shù)據(jù)的本質(zhì)結(jié)構(gòu)，由于其
