特征敏感的点云重采样算法

针对原始点云数据采样不均匀,数据缺失等问题,提出一种基于特征敏感的点云重采样算法.该算法首先运用主成分分析法获得点云的初始法向量,将高斯映射和空间密度权重相结合,自适应地将点云划分为特征点和非特征点;其次,采用各向异性的相邻点优化特征点的拟合平面,提高特征点的法向量准确度;在此基础上,通过带空间权重的投影插值算法和在加权局部最优投影(WLOP)算法中引入法向权重,实现了特征保持的点云均匀采样.实验结果表明:与经典WLOP算法相比,该算法在均匀采样的同时,能够以较高的压缩率对点云向下采样并保持点云特征,向上采样时可以对缺失点云进行有效修复,有利于点云数据的后续处理.