重叠保留法matlab代码ICME19的实施（口头） 抽象的 本文提出了一种点云简化算法，旨在在重采样过程中保持尖锐特征与保持均匀密度之间取得平衡。 特别是，利用图谱处理，我们自然地在图上表示不规则点云，并基于图过滤器提出了特征保持和密度均匀性的简洁表述。 最后将点云简化问题表达为两个因素之间的折衷，并通过我们提出的算法有效解决。 Matlab中的代码： code / main.m：主进程，运行main.m以根据main.m中的超参数简化点云。 code / divide.m：函数，用于将点云划分为（重叠的）网格。 code / simplify.m：函数，以简化图上的每个网格。 ply / anchor.ply：代码使用的示例，简化的点云也将在此文件夹中。 局限性： 时间复杂度 由于迭代优化过程和多个矩阵乘法，因此该方法比现有的简化算法要慢得多。 网格效果 所提出的公式是位移不变，旋转不变和比例不变的[1]。 但是由于划分为多维数据集技巧（旨在提高算法速度），因此无法保证属性，在全局技巧中，全局信息也被部分忽略。 引文： 如果您发现此代码对您的研究有所帮助，请引用我们的论文。 @in

为有效简化点云数据，提出保留边界特征的点云简化算法。该算法利用三维栅格划分 法建立散乱点云的空间拓扑关系，计算每个数据点的近邻，通过球拟合法求得其曲率和具有方向性 的法向量，采用投影点个数比值法找到并保留点云边界，根据具体情况设定所需阈值，对非边界点 进行分类，通过对点的曲率与平均曲率比较、近邻保留点与近邻点个数比例，完成，占、云简化。实验 结果表明：该算法不仅能对点云进行直接有效地简化，而且还能很好地保留点云模型的细节特征。 简化比例达25％一40％。该方法可以满足不同种类点云简化的要求，能够提高计算机运行效率。

简化点云数据，适合新手研究