一种新的三维点云兴趣点提取算法

现有的三维点云兴趣点提取算法容易漏检和误检兴趣点,针对该问题,提出一种新的三维点云兴趣点提取算法。假设锥体为三维物体边角基元特征,根据各点与其k个近邻点的差向量集,构建突出度特征值描述点的局部锥度特征。基于点云突出度特征值的全局阈值得到初始兴趣点集,按照局部最大原则获取候选兴趣点集,依据每个候选兴趣点被重复选中的次数进行投票,获取最终兴趣点。在单位圆上模拟点云的突出度相关参数特征,检验了算法的鲁棒性。以人工标注统计确定的兴趣点作为真实值评估算法的性能,结果表明,该算法能准确提取到大部分真实兴趣点,整体性能优于传统算法。