三维散乱点云模型的特征点检测

作者：王丽辉; 袁保宗

来源：信号处理, 2011, (06): 932-938.

• 三维点云模型
• 特征参数
• 特征点检测
• k近邻 three-dimension point cloud model
• feature parameter
• feature point detection
• k nearest neighbors

随着三维点云模型越来越受到人们的关注,如何对数据量大,无序的三维点云模型进行特征点检测也是近几年的研究热点。本文提出了基于曲率和密度的特征点检测算法,为每个数据点定义一个特征参数,这个参数由三部分组成:点到邻居点的平均距离;点的法向与邻居点法向夹角的和;数据点曲率。然后通过八叉树方法计算模型的数据点密度,将这个密度与模型到中心点的最大距离相除得到特征阈值,特征参数大于阈值的点就是特征点。本文计算时,检测模型的特征点只需用到三维点云模型的几何特征,如数据点法向,曲率和邻居点。实例表明本算法可准确地检测出散乱数据点云的特征点。

• 出版日期2011
• 单位北京交通大学