文献类型：期刊文章

作　　者：王丽辉[1,2] 袁保宗[1,2]

机构地区：[1]北京交通大学信息科学研究所,北京100044 [2]现代信息科学与网络技术北京市重点实验室,北京100044

出　　处：《信号处理》

基　　金：北京市优博项目(YB20081000401);国家973计划(2006CB303105;2004CB318110);国家自然科学基金项目(NO.60673109)

年　　份：2011

卷　　号：27

期　　号：6

起止页码：932-938

语　　种：中文

收录情况：BDHX、BDHX2008、CSA、CSCD、CSCD2011_2012、INSPEC、JST、RCCSE、ZGKJHX、核心刊

摘　　要：随着三维点云模型越来越受到人们的关注,如何对数据量大,无序的三维点云模型进行特征点检测也是近几年的研究热点。本文提出了基于曲率和密度的特征点检测算法,为每个数据点定义一个特征参数,这个参数由三部分组成:点到邻居点的平均距离;点的法向与邻居点法向夹角的和;数据点曲率。然后通过八叉树方法计算模型的数据点密度,将这个密度与模型到中心点的最大距离相除得到特征阈值,特征参数大于阈值的点就是特征点。本文计算时,检测模型的特征点只需用到三维点云模型的几何特征,如数据点法向,曲率和邻居点。实例表明本算法可准确地检测出散乱数据点云的特征点。

关 键 词：三维点云模型  特征参数 特征点检测 K近邻

分 类 号：TP391.4]