测绘科学

2019, v.44;No.256(10) 93-100

[打印本页] [关闭]
本期目录(Current Issue) | 过刊浏览(Past Issue) | 高级检索(Advanced Search)

K-近邻长方体的点云特征提取压缩算法
A point cloud compression algorithm based on K-neighborhood cuboid

宋敏峰;贾东振;郭俊文;何秀凤;

摘要(Abstract):

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β_(all)3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β_(all)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。

关键词(KeyWords): K-近邻长方体;点云;数据压缩;特征提取;K近邻

Abstract:

Keywords:

基金项目(Foundation): 国家自然科学基金重点项目(41830110);国家自然科学基金项目(41474001)

作者(Author): 宋敏峰;贾东振;郭俊文;何秀凤;

Email:

DOI: 10.16251/j.cnki.1009-2307.2019.10.014

参考文献(References):

扩展功能
本文信息
服务与反馈
本文关键词相关文章
本文作者相关文章
中国知网
分享