保留灰度特征的配准点云数据精简算法

论文提出了一种有效的点云精简算法,用于处理配准后的点云数据,解决其存在的数据量过大、点密度不均等问题,同时可以保留点云的灰度和几何特征。对于给定点云,首先基于体素栅格生成一个粗点云。然后,通过不动点迭代算法,将粗点云投影到给定的点云上,用每点邻域内的近似重心点来代替原点位置。同时,在正则化约束条件下,将局部排斥力掺入到距离过近的点用于增加惩罚项,保证了点云的均匀分布。最后,利用KDTree查找重采样后点的最邻近点,将最邻近点的灰度信息映射至重采样后的点。实验结果表明,该算法在充分保留点云数据几何特征和灰度特征的前提下,能有效滤除配准重叠区域的冗余数据,且保持点云的均匀分布。