基于八叉树的均值聚类点云精简方法

Octal tree-based Mean Clustering Point Cloud Simplification Method

由于Kinect等三维扫描设备采集的点云数据数量庞大,给后期点云处理过程增加了时间与难度,提出了一种基于八叉树的K均值聚类点云精简算法。算法首先对初始点云建立八叉树,搜索并记录树中的实叶节点数据;然后使用节点的数量及相应的数据作为均值聚类算法的K值与初始化聚类中心进行聚类;最后计算各点均方根曲率与所有点均方根曲率平均值和各点到聚类中心的欧氏距离与各点到聚类中心欧氏距离平均值,根据计算结果精简点云数据。将该方法与网格法、曲率法相比较,在相近压缩率的情况下,该方法不但可以较好地保留点云的细节特征信息,而且精简后点云与原始数据的疏密程度保持一致,精简效果优于传统的网格法与曲率法。