基于聚类平面特征的三维点云数据精简算法  

Reduction Algorithm for 3D Scattered Points Cloud Data Based on Clustering Plane Feature

作　　者：王茹[1,2] 周明全[2] 邢毓华[3] 

机构地区：[1]西安建筑科技大学土木工程学院,西安710055 [2]西北大学可视化技术研究所,西安710127 [3]西安理工大学自动化与信息工程学院,西安710048

出　　处：《计算机工程》2011年第10期249-251,254,共4页Computer Engineering

基　　金：国家"863"计划基金资助项目"三维模型智能处理与检索平台"(2008AA01Z301);虚拟现实应用教育部工程研究中心开放基金资助项目(MEOBNUEVRA200902)

摘　　要：根据建筑物在高度方向截面上的点云数据必定位于其轮廓线的原理,提出基于聚类平面特征的点云数据精简算法。该算法无需对扫描对象进行表面重构,而是在保持建筑物高度方向数据精度的前提下,对点云数据分层聚类简化,保留满足条件的特征点,删除其余的点。通过实例证明该算法可以在保持建筑物外形特征的同时,达到较高的精简比率。According to the theory that the scattered point cloud data of buildings is certainly located on their contour line,this paper proposes a data reduction algorithm of clustering plane feature so that the scattered point cloud data of large group of ancient buildings can achieve a higher reduction ratio on the basis of maintaining the shape feature.Appling it to reconstruct the Small Wild Goose Pagoda with point cloud techniques achieves good modeling results.

关 键 词：三维点云 聚类 平面特征 轮廓线 数据精简 

分 类 号：TP312[自动化与计算机技术—计算机软件与理论]