188宝金博页面版

第27卷第6期：垫!!堡!旦：：=：：信号处理!!垒垒垒兰呈垦里鱼曼!!!些垒V01．27．!坚呈：!竺!!N o．6三维散乱点云模型的特征点检测王丽辉1’ 2袁保宗1' 2( 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)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兔的和；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；嬲匠邻中图分类号：TP391．4文献标识码：A文章编号：1003—0530( 2011) 06—0932—07Feature Poi nt D etecti on for 3D Scattered Poi nt Cl oud M odelW AN GLi —hui l ” YU ANBao．zon91，2(1．Insti tute of Inform ati onSci ence，Bei j i ng J i aotong Uni versi ty，Bei j i ng100044，Chi na；2．Bei j i ng Key Laboratoryof Advanced Inform ati on Sci ence and N etw orkTechnol ogy，Beri ng 100044，Chi na)Abstract：3Dpoi ntcl oud data have recei vedgreat attenti on，and feature detecti on of the unordered and thel argem ountdata i s hot topi cfor the recent years．W e presented a feature poi nt detecti onal gori thmbased curvatureanddensi ty．Fi rstl y，feature pa·poi ntram eter of eachpoi ntangl e betw een thepoi nt and i tsnei ghbori ng poi nts，andthe datapoi nt curvature．Secondl y，by usi ngO ctree w e defi ne the densi —i s cal cul ated．Theparam eteri ncl udes threeparts：the averagedi stance of thenei ghbori ng poi nts，thesumof thenorm altyofdata，w hi chi s then di vi dedbythe m axi m umdi stance fromm odelcent er to datapoi ntsandappl i edas the featurethreshol dto deter-m i ne the featurepoi nts．Thefeaturepoi ntsl y use the geom etry properti es，suchas norm alarerecogni zedw hen i tsdensi ty param eteri sbi ggerthan the threshol d．In thi s arti cl e，w e on-ofpoi nt，curvatureand the nei ghbori ng poi ntsto detect the feature poi nts，The experi -m entalresul ts showthatour newapproach can detect accuratel ythe featurepoi nstfor 3D seatteredpoi ntdata cl oud m odel s，Key w ords：three—di m ensi on poi ntcl oud m odel ：feature param eter；feature poi nt detecti on；后nearest nei ghbors1引言随着科技的不断发展，我们可以借助三维数据扫描设备获取实际物体的表面数据。但扫描得到的数据点通常存在如下问题：分布不均匀、数据量过于庞大、存在数据冗余和噪声，无法准确的反映物体的真实信息。特征检测就是检测模型的特征点，包括尖锐边、光滑边、脊或谷、尖头等，特征点能够反映模型最基本的几何形状，对于表达模型的正确外观具有关键性的作用。本文的研究就是对三维扫描仪获取的三维散乱点云数据进行特征检测，保留模型的几何形状，为后续的模型简化、曲面重建和模型编辑做准备。针对不同的数据模型，特征检测可以分为两类方法：基于多边形网格模型的特征检测和基于点云模型的特征检测。对于多边形网格的特征检测，Shi nYo—shi zaw a? 使用局部多项式拟合来估计曲率张量信息，然后将曲率信息用于密集三角形网格的特征线检测。YutakaO htake等泣1通过对多边形数据进行隐函数重收稿日期：2011年4月1日；修回日期：2011年5月18日基金项目：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( N O60673109)万方数据