模糊C-均值聚类对点云数据的分割

点云数据的分割是点云数据处理流程中的重要内容,同时也是点云数据三维重建的前提和基础。该研究在模糊C-均值聚类(FCM)算法的基础上,根据标靶点云和建筑物点云数据的不同特征进行实验,通过Matlab对地面雷达的标靶、建筑物点云数据进行分割,探讨模糊C-均值聚类算法对点云数据分割的可行性。实验结果显示,通过选择正确点云数据的特征属性,利用模糊C-均值算法对点云数据分割具有一定的可行性。

船舶动态吃水检测中基于数据处理的关键技术研究

通过船舶吃水检测获取到的数据可以有效检测船舶超载以及船舶变形情况,是保证船舶安全行驶的重要技术手段。本文首先设计船舶动态吃水检测系统,划分系统功能,然后对获取的船舶异常数据进行中值滤波,并对点云数据进行处理,实现了多船并行通过检测区域的数据分割。

人体散乱点云数据的区域分割算法

正确的人体点云数据分析不仅是人体3D测量的必要手段,更是未来服装数字化设计的基础,也是服装定制化智能生产的数据来源。人体散乱点云数据相比规整数据拥有更多的噪声及不规则性,这使得提取轮廓以及提取分割特征点更加困难。为了解决人体散乱点云数据分割难题,提出了基于移动最小二乘的切割算法。首先使用主成分分析法进行点云数据的调整,并使用夹角分析法提取投影到特定平面的二维轮廓。在此基础上,采用移动最小二乘法对部分二维数据点进行局部拟合并根据导数信息提取分割特征点。最后,利用VT K作为点云显示平台,对不同人体点云数据进行算法验证。实验结果表明,该分割方法实用可靠。

基于特征线拟合的微型复杂曲面点云分割方法

点云数据分块是模型反求过程中的重要环节,分割优劣影响模型重建的效率和精度。微型复杂曲面零件由多个微小图形并列、交叉组合而成,特征点精简、图元识别难度大,是数据分割中的难点。根据模型造型特点,分离带状特征点的下边界点作为拟合特征线的真实特征点;由每个图元端点的邻近关系和端点附近特征点的排列趋势识别属于同一图形的图元;利用以边界为约束的区域生长算法和三角形叉积的算法分割同一曲面的点云。实验结果表明:该方法克服了现有方法处理微型复杂曲面点云时出现的过分分割和分割不足的问题,为高质量的模型重建提供了基础。

基于多源数据的拼接型房屋三维重建方法研究

提出了结合房屋矢量数据、航空影像和点云数据的拼接型房屋(由平顶房、人字型和四坡型房屋组成)自动三维重建算法。算法重点研究了基于点云数据和影像特征提取的拼接型房屋屋脊线检测,并利用其对拼接型房屋组成的模型进行拆分;对于人字型和四坡型房屋组成模型,结合矢量数据和屋脊线,利用几何约束条件自动寻找房屋组成模型的屋檐线,从而获得拼接型房屋组成模型的完整分割;最后通过点云数据的屋顶平面解算其组成房屋模型的参数,最终实现整个拼接型房屋的三维重建。实验数据证明,该方法能较好地实现拼接型房屋的几何模型自动重建。