【技术实现步骤摘要】
本专利技术涉及模式识别和图像处理领域,尤其是对三维扫描数据集进行近邻搜索的技术,具体地说是一种用于点云数据处理的快速K近邻搜索方法。
技术介绍
三维扫描能够直接得到物体表面的采样点信息,即点云数据,利用点云数据即可重构出任意曲面。这种方法不受曲面复杂度影响,只要表面采样密度足够,就可以得到很高的重构精度。因此,三维扫描及相关数据处理技术近些年发展十分迅速。在硬件设备方面,已有较多的三维扫描设备广泛应用于机械加工、数字城市等领域。对于精度最高的台式扫描设备,其扫描精度可达十几微米,得到的点云密度超过人眼分辨率,能够同时使用三色激光扫描,直接得到真彩色点云数据。这种点云模型已经不需要进行网格化,但是模型数据量非常庞大。在软件处理方面,各类CAD软件都陆续推出3D功能,3D地理信息系统是研究热点之一。美国最先进的数字城市平台已经成功建立了数字费城,并将推出适用于个人PC、PDA、车载、手机无线通信等不同平台的产品。点云数据处理技术是这些软件实现中的核心算法,其关键技术主要包括点云网格化、多视点云拼接、点云模型简化及多分辨率表示等。在点云数据处理中,点云网格化和点云简化等都需要K近邻信息。由于K近邻反映散乱点云的重要局部拓扑关系,并且在表面重构前就要做K近邻搜索,因此,K近邻搜索的效率和准确性直接关系到点云建模的效率和准确性,是点云重构中的关键技术。如附图说明图1所示,为某个点的6近邻点分布情况。近邻方法是统计模式识别中的常用方法,多用于分类决策中,即把原始数据最能反映分类本质的特征提取出来之后,在特征空间中用统计方法把被识别对象归为某一类别。最常见的近邻分类法 ...
【技术保护点】
一种用于点云数据处理的快速K近邻搜索方法,其特征在于:由三维扫描获得点云数据时设定的角分辨率精度确定点云主体部分点的最小间距dmin,取3~4倍dmin值作为中心点前后的搜索距离参数DISC。
【技术特征摘要】
1.一种用于点云数据处理的快速K近邻搜索方法,其特征在于:由三维扫描获得点云数据时设定的角分辨率精度确定点云主体部分点的最小间距Clniin,取3 4倍Clniin值作为中心点前后的搜索距离参数DISC。2.根据权利要求1所述的快速K近邻搜索方法,其特征在于存储数据结构包括:点的索引、点的坐标、判断是否是中心点某方向的近邻的标记、某点的近邻点序号数组、某点的近邻到该点的三维距离、点云简化时使用的判断是否删除的标记。3.根据权利要求1所述的快速K近邻搜索方法,其特征在于包含如下步骤: 步骤1:读入点云数据,各点标记初始化为FALSE ;将点X, y, z三个坐标值分别存入三个数组PointX, PointY, PointZ,并将点的索引值也相应存入三个数ItemX, ItemY, ItemZ ;步骤2:将PointX中的坐标按从小到大快速排序;排序中调换坐标值的同时调换ItemX中索引的顺序;同理,对y和z坐标的值数组和索引数组进行排序; 步骤3:置i = O ; 步骤4:取ItemX[i]数组中的一个点的索引作为中心点,设定距离参数DISC,从i点开始分别...
【专利技术属性】
技术研发人员:王建宇,康其桔,袁夏,
申请(专利权)人:南京理工大学常熟研究院有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。