搜索结果: 1-6 共查到“数据精简”相关记录6条 . 查询时间(0.06 秒)
由于三维扫描设备采集的点云数据庞大,本文提出了一种特征保持的点云精简方法以在减少冗余数据的同时更好地保持原始曲面的几何特征。首先,利用K均值聚类法在空间域对点云全局聚类,对点云构建K-d树并以K-d树的部分节点作为初始化聚类中心。然后,用主成分分析法估计点云法矢和候选特征点,遍历每个聚类,若类中包含特征点则将该类细分为多个子类,细分时将聚类映射到高斯球。最后,基于自适应均值漂移法对高斯球上的数据进...
复杂采空区多次探测的点云数据精简方法
数据精简 复杂采空区 点云数据
2014/8/8
针对复杂采空区激光探测中存在探测盲区需要进行多次重复探测的问题，研究激光多点扫描的点云数据精简方法。通过多点探测避免了单次探测盲区，加密了数据稀疏区。通过分析激光扫描轨迹线的拓扑关系，归纳了点云数据的分布特点。在对比传统数据精简的基础上，提出了保留采空区几何特征更为有效的点云数据精简方法——边长角度综合判据法，将密集区域的点云数据进行稀释。验证结果表明，通过对比精简前后求得三维模型的体积、精简率等...
基于非均匀细分的散乱点云数据精简算法（Algorithm of Scattered Point Cloud Data Reduction Based on Non-uniform Subdivision）
逆向工程 散乱点云 非均匀细分
2009/9/25
针对海量散乱点云数据精简问题，提出了基于非均匀细分的精简算法。采用八叉树结构对点云数据进行空间分割，由分割结果建立k邻域。对k邻域内的散乱点进行二次曲面拟合，以拟合曲面的平均曲率为判据决定是否对八叉树空间实行非均匀细分，细分过程中由数据点之间的最大间隔角决定细分程度。构造曲率差函数，识别出边界数据点，对其进行数据保护。该算法对具有曲率多样化特点的点云数据的精简具有实用性，通过实验验证了该算法的可靠...
描述车辆轨迹描绘的特点，分析逐点判断法及多点联合判断法的优缺点，提出利用拐点判断法对轨迹进行描绘的方法。实测数据分析表明，在保证轨迹恢复达到一定精度要求的前提下，利用拐点对定位信息进行精简是可行的，采用联合判断法比逐点判断法更准确、压缩比更高。
逆向工程中数据精简技术的研究
曲率分析 最小距离方法 数据精简
2009/5/25
由于激光扫描技术的进步，可以方便地以较高精度和速度获取零件模型表面信息，对于产生的大量扫描数据，需要对其进行精简处理．为此提出了自适应最小距离精简方法，首先通过中值滤波和小波包滤波实现数据点的噪声去除，然后通过曲率分析，实现数据点云区域分割，对于分割后的区域选用不同的距离准则，如果数据点间的距离小于设定的准则，则该点删除从而实现数据精简．自适应最小距离法不仅保留了造型所需数据点的精度，同时数据精简...