计算机科学 ›› 2017, Vol. 44 ›› Issue (Z11): 166-168.doi: 10.11896/j.issn.1002-137X.2017.11A.034
卢用煌,黄山
LU Yong-huang and HUANG Shan
摘要: 点云分割是基于点云数据空间几何信息提取的一项重要工作,它是点云数据特征提取与分析的基础。同时,点云数据通常是离散的和非结构化的,点云数据的分割不是一项简单的数据处理任务,分割效率和分割精度决定了后续数据处理工作的结果。因此,研究点云数据分割具有重要意义。提出一种基于自适应角度的三维点云切割算法,使用PCA算法找到最佳降维投射方向,以降低原始点云数据维度,并利用投射簇的概念实现对原始目标点云的切割获取。
[1] 柯映林,单东日.基于边特征的点云数据区域分割[J].浙江大学学报(工学版),2005,39(3):377-380. [2] 庞成,郭志波,董健.一种基于局部排序PCA的线性鉴别算法[J].计算机科学,2015,42(8):56-59. [3] 孙金虎.点云模型分割与融合关键技术研究[D].南京:南京航空航天大学,2013. [4] 王丽辉.三维点云数据处理的技术研究[D].北京:北京交通大学,2011. [5] 冯少荣,肖文俊.DBSCAN聚类算法的研究与改进[J].中国矿业大学学报,2008,37(1):105-111. [6] 王庆刚,李见为.具有局部结构保留性质的PCA改进算法[J].模式识别与人工智能,2009,22(3):388-392. [7] 王松,夏绍玮.一种鲁棒主成分分析(PCA)算法[J].系统工程理论与实践,1998,18(1):9-13. |
No related articles found! |
|