改进的 K-means 聚类算法

提出了一种基于Delaunay三角剖分的三维散乱点云快速曲面重建算法。算法首先计算点云的Delaunay三角剖分, 从Delaunay四面体提取初始三角网格, 根据Voronoi体元的特征构造优先队列并生成种子三角网格, 然后通过区域生长的方式进行流形提取。实验结果表明, 该算法可以高效、稳定地重构具有复杂拓扑结构、非封闭曲面甚至是非均匀采样的点云数据。与传统的基于Delaunay的方法比较, 该算法仅需要进行一次Delaunay三角剖分, 无须极点的计算, 因此算法的重构速度快。

对不具有拓扑结构的散乱点云数据，首先采用基于KD-tree的改进算法进行邻域点集的提取。然后用最小二乘法对提取出的邻域点集进行平面拟合，把邻域点集里的点投影到拟合平面上使其投影点具有拓扑结构，并得到投影点坐标数据。再对拟合平面上的投影点进行向量构建，找出两相邻向量之间的夹角。最后根据夹角的大小来确定边缘点，完成散乱点云数据的边缘快速提取。

一种改进Ball Pivoting的散乱点云数据重建算法

三维可视化体积计算基本上都是先由散乱点云构建出表面网格模型，然后基于网格模型计算体积，存在计算 量大、速度慢的缺点．针对此问题提出一种快速体积计算法，首先使用改进的增量式 Delaunay 三角剖分对散乱点云进 行四面体剖分；然后利用 K 近邻计算散乱点的拟合曲面和最小生成树，得到各点的法向量；由各点法向量剔除体外四 面体；最后计算各四面体体积之和从而得到总体积．实验表明，该算法不仅保证了计算准确度，而且较传统算法大大提 高了效率．

业分类-物理装置-一种散乱点云快速法矢定向方法.zip

matlab算法计算三维散乱点云的曲率，包括主曲率，高斯曲率和平均曲率 matlab算法计算三维散乱点云的曲率，包括主曲率，高斯曲率和平均曲率

matlab算法计算三维散乱点云的曲率，包括主曲率，高斯曲率和平均曲率 matlab算法计算三维散乱点云的曲率，包括主曲率，高斯曲率和平均曲率

用matlab进行离散数据的平面拟合，得到平面拟合方程的系数

很好的三维点云，学习点云分割，重建的必备数据！