针对古建筑点云数据量大,配准效率低,质量差的问题,提出古建筑三维点云数据精简与配准的方法研究。首先对获取的古建筑源点云和目标点云数据通过曲率与包围盒随机抽样相结合的点云精简方法缩小点云的数据量,点云数据精简既保留了古建筑...针对古建筑点云数据量大,配准效率低,质量差的问题,提出古建筑三维点云数据精简与配准的方法研究。首先对获取的古建筑源点云和目标点云数据通过曲率与包围盒随机抽样相结合的点云精简方法缩小点云的数据量,点云数据精简既保留了古建筑点云中的特征点,又使平坦区域的点云得到了均匀分布;然后从精简点云数据中提取四点集,利用超四点快速鲁棒匹配算法(super four point robust matching algorithm,Super 4PCS)实现源点云和目标点云的粗配准;最后利用最近点迭代算法(iterative closest point,ICP)实现点云间的精配准。实验结果表明,本文方法有效地提高了点云配准效率和配准精度。展开更多
文摘针对古建筑点云数据量大,配准效率低,质量差的问题,提出古建筑三维点云数据精简与配准的方法研究。首先对获取的古建筑源点云和目标点云数据通过曲率与包围盒随机抽样相结合的点云精简方法缩小点云的数据量,点云数据精简既保留了古建筑点云中的特征点,又使平坦区域的点云得到了均匀分布;然后从精简点云数据中提取四点集,利用超四点快速鲁棒匹配算法(super four point robust matching algorithm,Super 4PCS)实现源点云和目标点云的粗配准;最后利用最近点迭代算法(iterative closest point,ICP)实现点云间的精配准。实验结果表明,本文方法有效地提高了点云配准效率和配准精度。
