提出一种有效的三维点云骨架分割的方法,分割后的结果可用于三维点云物体识别和分类。利用稳健性较强的L1-中心骨架算法对点云数据进行骨架提取,可得到一系列骨架点;利用基于八叉树的区域增长分割方法对已经得到的骨架点进行分割,选取法向量和残值作为判定标准;利用OpenGL库编程把分割出的各个部分进行骨架连线。对多种形状的点云数据(包括动物模型、植物模型、人体模型、字母模型)进行实验,该方法均得到较好的结果。

一种鲁棒的三维点云骨架提取方法

基于区域分割的算法点云骨架提取

针对三维点云数据分割算法准确度低的问题,提出了一种结合点云骨架点和外部特征点的分割算法,所提算法可将传统方法分割不出来的局部小范围凸面体进行有效分割,从而使得三维点云数据分割得更为完善,为三维点云分割提供了新思路。利用C++及其开源的点云库进行编程,利用L1-中值算法对三维点云进行骨架点的提取,利用尺度不变特征变换算法进行特征点的提取,结合骨架点和特征点构建分割平面进行分割,再对剩余的特征点进行检测,再次构建分割平面进行分割,得到最终的结果。实验结果表明,该算法能对三维点云表面的小范围凸面体进行有效分割, 提高了分割的准确性。

基于拉普拉斯算子的点云骨架提取！ 基于拉普拉斯算子的点云骨架提取！