2、本算法涉及的主要思想.DOC

2、本算法涉及的主要思想 ① 邻域搜索 点云数据P的K近邻指的是在物体空间内，点云数据内与P相邻的K个最近相邻点。这里采用八叉树分割法来搜索点P的K近邻。具体步骤是：先设定一个距离阈值，根据已知的P点坐标，可以求得相应的子立方体结点编号以及相邻的26个子立方体编号，每个子立方体记录下编号后，先在该子立方体内部搜索距离阈值范围内的K个近邻点，如果点数不够，则在其相邻的26个子立方体里面搜索，直到满足要求结束。 图2.12 近邻域搜索流程图 ②平面拟合以及法矢量的求解 本论文采用官云兰、程效军等[39]提出的一种稳健的点云数据平面拟合方法。实验结果证明该算法的稳健性和可靠性，该方法不但适用于从点云数据中拟合平面，同时适用于一些含有噪声点的数据的平面拟合。 对于一个测量点，它的法向量可以等价于该点及其邻域的最小二乘拟合平面的法向量。的K近邻，记为Nbhd()，设是Nbhd()最小二乘拟合平面的法向量，数据点与拟合平面的误差可由数据点和平面内点的连线与的点积求得。误差矩阵可由下式来表示： 其中是的形心，为内的点。 根据最小二乘算法原理，需要求解当E获得最小值时的值，可以转化成求解协方差矩阵Cv的最小特征向量问题： 这一矩阵是半正定矩阵，最小特征值对应的特征向量单位化，即为曲面在的法矢量。 ③法矢量标准偏差的计算 其中=（，，）是每个点的点法矢，，，为在三个坐标方向上的分量，=（，，），，，为三个坐标分量的平均值。 ④网格细分以及压缩准则 首先根据点云密度和压缩比确实初始网格的大小，给定标准偏差的阈值，计算每个格网内的标准偏差，把和进行比较，如果,则说明网格内点曲率变化比较大，继续细分，直到格网内的或者网格内只剩下一个点时，细分才结束。 网格细分好之后，根据网格内点的法矢计算每个网格内点的平均法矢，然后选出每个网格中和平均法矢相差最小的点，删掉该网格中的其它点，最后得到压缩后的点云。