检索结果

期刊

出版年

关键词

Please wait a minute...

选择:

导出引用
EndNote Ris BibTeX

显示/隐藏图片

Select

1. 散乱点云的自适应 α-shape曲面重建

何华, 李宗春, 李国俊, 阮焕立, 隆昌宇

计算机应用 2016, 36 (12): 3394-3397. DOI: 10.11772/j.issn.1001-9081.2016.12.3394

摘要（651）

PDF （734KB）（449）

针对 α-shape算法不适用于散乱非均匀点集曲面重建的问题，提出了一种基于点云数据局部特征尺寸（LFS）的自适应 α-shape曲面重建改进算法。首先，以采样点的 k-邻近点计算出负极点逼近曲面中轴（MA）；然后，根据近似中轴计算曲面在采样点处的局部特征尺寸，并依据局部特征尺寸对原始点云进行非均匀降采样；最后，根据三角面片的外接球半径和对应的α值自适应重建出物体表面。与 α-shape算法相比，所提算法可以有效合理地减少点云数据量，点云简化率达到70%左右，同时重建结果中冗余三角面片更少且基本没有孔洞。实验结果表明，所提算法能够自适应地重建出非均匀点集的表面。

参考文献 | 相关文章 | 多维度评价

Select

2. 基于Delaunay三角化的噪声点云非均匀采样

李国俊李宗春侯东兴

计算机应用 2014, 34 (10): 2922-2924. DOI: 10.11772/j.issn.1001-9081.2014.10.2922

摘要（373）

PDF （581KB）（518）

针对基于Delaunay三角化曲面重建方法要求点云密度满足ε-sample条件，提出了一种基于Delaunay三角化的噪声点云非均匀采样算法。首先,利用k-邻近点的Voronoi顶点计算出各点的负极点来逼近曲面中轴(MA)；然后,根据近似中轴估计出曲面局部特征尺度(LFS)；最后,结合Bound Cocone算法，删除多余的非边界点。实例表明，该算法可以准确、稳健地简化噪声点云，同时可以很好地保留曲面边界特征，经简化后的点云适用于基于Delaunay三角化的曲面重建方法。

参考文献 | 相关文章 | 多维度评价