一种散点云边界特征快速提取算法.docxVIP

一种散点云边界特征快速提取算法 在3d工程中，散点云边缘特征是表示粗糙面的重要几何特征，其提取精度和速度对重建粗糙面的质量和效率起着重要作用。在构建点云三角网格模型时，该算法的边界特征必须正确，但需要大量的系统资源，操作速度较慢。在文献中，点云被投影，并在投影后的数据点中对其进行分段。在根据网格之间的拓扑关系中提取点云的边界特征。该算法仅有效且稀疏，获得点云局部特征的轨迹，计算点云的最小生成树，并切割和提取点云的轮廓特征。该算法提取的边界特征点包含一些内部点，提取精度低，无法直接调整参数曲线。 本文引入R*-tree建立散乱点云空间索引结构,基于该结构快速准确获取点云局部型面参考点集,建立该点集的基准平面,将点集内各点到该平面的距离与目标点到该平面的距离进行比较,识别点云边界特征. 该算法可提取各种复杂型面散乱点云的边界特征,提取精度高,运行速度快. 1 基于结构的散群聚类索引 为精确表示复杂拓扑曲面,散乱点云模型通常由大规模密集数据点组成,为之建立合理的数据结构是高效实现各种几何运算的先决条件. 本文引入R*-tree索引结构并对其进行改进,建立散乱点云曲面模型的三维空间聚类索引结构,有效解决海量散乱点云局部型面参考点集的快速获取问题. 1.1 r#-to着力点解析 R*-tree结点插入算法基于结点MBR(minimum bounding rectangle)增量,应用于散乱