基于曲率阈值和聚类分析的点云关键点提取方法

针对传统3D扫描在获取点云数据时易受零件粘连和扫描噪声干扰,且数据计算量过大的问题,提出了一种基于曲率阈值和聚类分析的点云关键点提取方法。首先,提出了统计滤波和半径滤波相结合的点云数据预处理方法,避免了噪声点干扰;其次,计算离散点的近似曲率,通过统计曲率分布来选取阈值,进而精简了点云数据;然后,通过聚类算法分析点云密度,来确定特征最为明显的聚类中心点;最后,采用校准算法实现聚类中心和原始点云数据的校准,完成针对零件轮廓的关键点提取。一系列的实验结果表明,该方法无需过多地人为干预参数调整,能快速且高效地实现零件关键点提取,具有较高的准确度。