基于区域聚类分割的点云特征线提取
提出一种非结构化点云特征线提取方法, 其过程主要分为区域分割和特征检测两个阶段。在区域分割阶段, 引入社会粒子群优化模糊C-均值聚类算法对点云数据进行区域聚类, 得到边界清晰的各个分区, 便于后续边界特征的提取; 在特征检测阶段, 对各个分区进行局部径向基函数曲面重构, 以获取各个分区内采样点的曲率信息。提出基于平均曲率计算的局部特征权值, 并通过局部特征权值和曲率极值法对特征点进行双重检测。并通过建立特征点的最小生成树构建特征曲线。对不同点云模型进行特征线提取实验, 结果表明, 本文方法既能够提取点云模型中的显著特征和尖锐特征, 也能够很好地提取特征强度变化的曲线特征。
文件下载
评论信息
其他资源
- RTKLIB2.4.3中文使用说明书
- 2019全国大学生数学建模竞赛D题原版优秀论文
- 东北大学Linux大作业-在线五子棋
- ACM模板-f_zyj
- 软件质量保证与测试 复习提纲以及大题知识点巩固
- C#使用了SQLserver编写的简易学生信息管理系统 附带视频
- WPF自定义图片按钮[ImageButtonWPF]
- C#-ASP.NET大作业-LOL论坛
- 阻击陨石11.sb3
- allegro画封装.docx
- 在网页中在线查看文档
- NCL-6.6.2-Cygwin64-Jul-2020.exe
- 噪声生成c程序
- Android通过使用广播监听网络状态的改变
- rabbitmq-server-generic-unix-3.8.3.tar.xz 离线包
- C# 餐饮管理系统C# 餐饮管理系统
- AdaBoost特征降维
- XTU《网络协议分析及编程》复习搜整
- 现代天线设计（英文版）
免责申明
【只为小站】的资源来自网友分享，仅供学习研究，请务必在下载后24小时内给予删除，不得用于其他任何用途，否则后果自负。基于互联网的特殊性，【只为小站】 无法对用户传输的作品、信息、内容的权属或合法性、合规性、真实性、科学性、完整权、有效性等进行实质审查；无论 【只为小站】 经营者是否已进行审查，用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。
本站所有资源不代表本站的观点或立场，基于网友分享，根据中国法律《信息网络传播权保护条例》第二十二条之规定，若资源存在侵权或相关问题请联系本站客服人员，zhiweidada#qq.com，请把#换成@，本站将给予最大的支持与配合，做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明
本站所有资源不代表本站的观点或立场，基于网友分享，根据中国法律《信息网络传播权保护条例》第二十二条之规定，若资源存在侵权或相关问题请联系本站客服人员，zhiweidada#qq.com，请把#换成@，本站将给予最大的支持与配合，做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明