版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報或認(rèn)領(lǐng)
文檔簡介
1、三維計算機(jī)模型在逆向工程、計算機(jī)輔助設(shè)計以及計算機(jī)圖形學(xué)等領(lǐng)域得到了廣泛的應(yīng)用,為產(chǎn)品的快速開發(fā)創(chuàng)造了條件。近年來,數(shù)字測量設(shè)備的快速發(fā)展使得我們能夠直接得到物體表面的高密度點云數(shù)據(jù),因此對三維點云的數(shù)據(jù)處理和建模成為計算機(jī)工程領(lǐng)域的研究熱點。
點云通常包含海量的點,給后期的數(shù)據(jù)處理和建模帶來極大的困難,因此點云的簡化成為點云研究中的重要步驟。目前對點云簡化的研究主要存在著精度不夠、處理速度比較慢等問題,本課題針對現(xiàn)有問題
2、,提出一種基于近鄰傳播聚類與重采樣相結(jié)合的點云簡化方法,并分別針對均勻分布和非均勻分布的點云進(jìn)行了簡化處理。本文主要工作和成果如下:
(1)提出一種將近鄰傳播聚類算法(AP)與均勻網(wǎng)格重采樣相結(jié)合的點云簡化方法,克服AP算法中相似度矩陣過大難以存儲的問題,并保留其能夠把采樣點都作為潛在代表點的優(yōu)點。
(2)針對密度均勻分布的點云,本文采用協(xié)方差矩陣計算點云中的點曲率,并將點曲率作為近鄰傳播聚類的偏向選擇參數(shù),
3、增大了點云模型中高曲率點保留的概率,較好地保留點云細(xì)節(jié)。針對密度分布不均勻的點云,提出將密度和曲率共同作為近鄰傳播聚類與均勻網(wǎng)格劃分點采樣方法中的偏向選擇策略,并分別根據(jù)簡化點個數(shù)和簡化率來對點云進(jìn)行簡化。此外,在均勻劃分網(wǎng)格時,能夠自適應(yīng)地根據(jù)曲率大小對是否進(jìn)一步劃分網(wǎng)格進(jìn)行決策,從而能夠保留較多的細(xì)節(jié)點。
(3)本文采用三角網(wǎng)格法對簡化后的點云和原始點云進(jìn)行局部距離計算,并將距離之和作為兩者之間誤差的評判標(biāo)準(zhǔn),對點云的
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于近鄰傳播聚類的極化SAR圖像分類.pdf
- 基于近鄰傳播聚類的輪廓圖像識別研究.pdf
- 基于近鄰傳播和凝聚層次的文本聚類方法.pdf
- 基于近鄰的聚類算法研究.pdf
- 改進(jìn)的近鄰傳播聚類算法及其應(yīng)用研究.pdf
- 基于聚類方法的點云分割技術(shù)的研究.pdf
- 概率無向圖模型近鄰傳播聚類算法的研究.pdf
- 鄰域相似度自適應(yīng)近鄰傳播聚類算法研究.pdf
- 基于近鄰傳播的文本數(shù)據(jù)流聚類算法及其應(yīng)用研究.pdf
- 基于共享近鄰聚類的協(xié)同過濾算法研究.pdf
- 基于自然最近鄰的無參聚類算法研究.pdf
- 基于聚類和加權(quán)K近鄰的煙葉分級研究.pdf
- 基于近鄰傳播聚類的離群檢測算法在入侵檢測中的應(yīng)用研究.pdf
- 面向企業(yè)競爭情報系統(tǒng)的近鄰傳播文本聚類技術(shù)研究.pdf
- 基于網(wǎng)格和最近鄰居的聚類算法的研究.pdf
- 散亂點云的簡化與變形研究.pdf
- 基于共享最近鄰的聚類算法的研究與應(yīng)用.pdf
- 基于近鄰路徑的自適應(yīng)尺度譜聚類算法研究.pdf
- 基于最近鄰聚類的連續(xù)屬性離散化算法研究.pdf
- 基于CUDA的簡化耳廓點云配準(zhǔn)算法研究.pdf
評論
0/150
提交評論