排序方式: 共有2条查询结果,搜索用时 15 毫秒
1
1.
针对含有棱边和尖角等特征的复杂型面采样点云,为提高其法向估计结果的准确性,提出一种基于特征区域聚类分级的点云法向估计方法,根据曲面局部平坦性和贝叶斯信息准则对点云进行聚类分析,依次将点云划分为平坦、特征边缘、棱边尖角等区域,并识别样点所属特征类型,将平坦区域样点法向估计结果向其邻近特征区域依次传播,使特征样点的法向估计... 相似文献
2.
针对含有棱边特征的曲面模型难以正确重建这一问题,提出一种基于网格曲面延拓求交重建棱边特征区域的算法.首先对点云进行邻域高斯映射聚类分析,剔除棱边特征点,对剩余点云以种子点增长算法实现平坦连通区域的分割;然后将增益优化后的边界样点邻域点集作为曲面局部样本,采用三次Bézier曲线延伸方向为制导对点云进行扩展,提高曲面延拓区域的光滑性;最后对延拓后的平坦区域重建结果进行求交,采用曲面裁剪的方法重建棱边特征.以斯坦福大学提供的采样点云作为曲面重建数据,实验结果表明,在重建含有棱边特征曲面的过程中,该算法可有效地避免孔洞与棱边凹痕等错误的出现,且对非均匀采样数据具有良好的适应性. 相似文献
1