K-近邻长方体的点云特征提取压缩算法

作者：宋敏峰; 贾东振; 郭俊文; 何秀凤^*

来源：测绘科学, 2019, 44(10): 93-100.

DOI：10.16251/j.cnki.1009-2307.2019.10.014

• K-近邻长方体
• 点云
• 数据压缩
• 特征提取
• K近邻

针对海量点云数据存在大量冗余问题,该文提出基于K-近邻长方体的点云压缩算法。利用目标点的K近邻在非特征点云与特征点云之间的不同分布特性,基于该文算法将点云集合分为特征及非特征点集。该方法先对目标点近邻点进行坐标转换并构建K-近邻长方体,建立压缩准则,对长方体进行扁平程度筛选,结合分段采样去除大量冗余点及少量密集特征点,实现保留原始特征的点云压缩。该文方法涉及K、α、采样率βall3个参数,在实验分析中,采用体积偏差、表面积偏差和Hausdorff距离对该文方法涉及的3个参数进行精度影响分析,结果表明,该方法能保留大量原始特征,在最优K值条件下βall为0.4,α为0.9,此时体积偏差百分比为0.27%,表面积偏差百分比为0.5%,具有较高的压缩精度。

• 出版日期2019
• 单位北方信息控制研究院集团有限公司; 河海大学