点云模型骨架提取(ROSA)-liyc分析.pptVIP

现有的三维模型骨架提取算法大多针对网格模型和体素模型 噪声空洞:遮挡，设备本身的局限性，随机噪声 在进行骨架提取之前首先对点云进行去噪处理, 去除噪声点和离群点, 防止对后续的骨架提取造成干扰. 一般地, 通过3D扫描方法得到的物体原始点云中含有大量的噪声点和冗余点, 给后续的骨架提取带来干扰. 为此, 在对原始点云进行骨架提取之前首先对输入模型进行预处理, 即对含有噪声的模型进行去噪处理; 对含有大量冗余数据点的模型进行精简处理. 一般地, 通过3D扫描方法得到的物体原始点云中含有大量的噪声点和冗余点, 给后续的骨架提取带来干扰. 为此, 在对原始点云进行骨架提取之前首先对输入模型进行预处理, 即对含有噪声的模型进行去噪处理; 对含有大量冗余数据点的模型进行精简处理. 特征点是描述点云几何信息的关键元素, 对于点云曲面重建的效果至关重要. 但是目前大多数简化算法并未区分点云中的特征点和非特征点, 以致大量的特征点被删除, 从而导致模型几何特征的丢失. 鉴于此, 本文首先提取点云的特征点, 并在简化过程中采取强制保护措施, 有效地避免了几何特征的丢失. 特征点是描述点云几何信息的关键元素, 对于点云曲面重建的效果至关重要. 但是目前大多数简化算法并未区分点云中的特征点和非特征点, 以致大量的特征点被删除, 从而导致模型几何特征的丢失. 鉴于此, 本文首先提取点云的