基于PCA和三元组的非封闭点云轮廓特征提取方法研究

针对RGB-D相机获取的物体非封闭点云轮廓特征点和特征线提取不完整的问题,提出了一种基于主成分分析法(PCA)和三元组的轮廓边界提取方法。该方法包括2个步骤:特征点检测和特征线提取。在特征点检测中,通过对邻域点集进行主成分分析,利用采样点曲率和法向夹角双参数判定棱线特征点;根据边界点局部邻域在第二主成分上的分布特点,提出了一种边界检测算子,用于外边界特征点检测。最后,采用三元组聚类方法进行特征线提取。实验结果表明,该方法可以有效地检测非封闭点云模型的轮廓特征点,并分离和提取出目标轮廓曲线,且具有较高的精度。

空间封闭点云的八象限三角剖分算法

提出了一种针对空间封闭点云的三角剖分算法.该算法首先根据空间封闭点云的分布特征,将其划分到三维坐标的八个象限中,使每部分点云的包角均小于180°;然后适当旋转各部分点云,使其对应投影平面面积最大化,再运用平面三角剖分方法对其进行三角剖分,从而得到各部分点云的剖分结果;最后将已处理的各部分用三角面片对其边界进行缝合,进而形成空间封闭点云的立体三角化.实验结果表明,该方法剖分速度快、形成的三角网格质量高,能够较好地再现原三维物体的表面特征.