论文研究-基于多判据的散乱点云特征点提取算法.pdf

为了有效获取散乱点云中的尖锐特征点和边界特征点，提出一种利用多判据融合的特征点提取算法。首先利用一种改进的k-d tree构建点云拓扑，搜索样点的K局部邻域；然后利用法向夹角判定准则、核密度判定准则、场力和判定准则分别求取各个样点局部邻域的三个特征参数，最后通过加权计算特征参数得到每个样点的特征值与全局判定阈值，特征值比阈值大的点即为特征点。实验证明，该算法能有效地获取散乱点云中边沿特征点与尖锐特征点。

散乱点云数据快速边缘提取算法研究

对不具有拓扑结构的散乱点云数据，首先采用基于KD-tree的改进算法进行邻域点集的提取。然后用最小二乘法对提取出的邻域点集进行平面拟合，把邻域点集里的点投影到拟合平面上使其投影点具有拓扑结构，并得到投影点坐标数据。再对拟合平面上的投影点进行向量构建，找出两相邻向量之间的夹角。最后根据夹角的大小来确定边缘点，完成散乱点云数据的边缘快速提取。

论文研究-基于多判别参数混合方法的散乱点云特征提取.pdf

针对以往散乱点云特征提取算法存在尖锐特征点提取不完整以及无法保留模型边界点的问题，提出了一种多个判别参数混合方法的特征提取算法。对点云构建k-d tree，利用k-d tree建立点云K邻域；针对每个K邻域计算数据点曲率、点法向与邻域点法向夹角的平均值、点到邻域重心的距离、点到邻域点的平均距离，据此四个参数定义特征阈值和特征判别参数，特征判别参数大于阈值的点即为特征点。实验结果表明，与已有算法相比，该算法不仅可以有效提取尖锐特征点，而且能够识别边界点。

论文研究-散乱点云精简的一种改进算法.pdf

非接触式扫描获取的散乱点云数据存在大量冗余。为方便模型重构，点云数据精简是不可或缺的点云预处理步骤。提出一种散乱点云数据精简的改进算法，首先将包围点云数据的最小包围盒划分成若干个子空间，根据每个含有点的子空间获取K邻域点集的拟合平面，计算K邻域中各点到拟合平面距离的累加和。对各个K邻域的距离累加和升序排列，根据预定精简百分比，将包围盒划分为待保留和待删除两个区域，实现了对同一数据在不同区域采用不同算法完成不同比例的精简。实例验证表明，该算法在保留几何特征的同时，更能有效地避免空白区域，且提高了计算效率。

论文研究-散乱点云数据的高阶平滑隐式曲面重建.pdf

针对三维扫描或三维重建获取的散乱点云数据曲面重建问题, 提出基于拉普拉斯规则化的高阶平滑算法。首先, 计算点云数据的包围盒并离散化得到体素空间; 其次, 在体素空间根据隐式曲面的梯度和点云位置、法向信息建立目标函数, 并通过对目标函数的拉普拉斯规则化达到控制重建曲面光顺效果的目的; 再次, 根据最优化原理将重建问题转换为一个稀疏线性方程组求解问题; 最后, 通过步进立方体算法得到重建曲面的三角网格表示。定性和定量的实验结果表明, 该方法重建曲面绘制效果和精确度优于常用的Poisson方法。

论文研究-三维散乱点云快速曲面重建算法.pdf

提出了一种基于Delaunay三角剖分的三维散乱点云快速曲面重建算法。算法首先计算点云的Delaunay三角剖分, 从Delaunay四面体提取初始三角网格, 根据Voronoi体元的特征构造优先队列并生成种子三角网格, 然后通过区域生长的方式进行流形提取。实验结果表明, 该算法可以高效、稳定地重构具有复杂拓扑结构、非封闭曲面甚至是非均匀采样的点云数据。与传统的基于Delaunay的方法比较, 该算法仅需要进行一次Delaunay三角剖分, 无须极点的计算, 因此算法的重构速度快。

论文研究-结合间接邻域的散乱点云三角网格曲面重构.pdf

对于非均匀散乱点云，多数基于区域生长方法的曲面重构往往容易出现孔洞等缺陷。针对该问题，在K邻域点集的基础上提出间接邻域点集的概念，对以点为生长对象进行区域生长的三角网格曲面重构方法进行了研究，实现三角网格曲面重构。以生长点的邻域点集为样点估算微切平面，将邻域点投影至该平面上，并按照右手定则、逆时针方向进行排序，通过拓扑正确性原则从点列中去除错误的连接点，优化局部网格，选择较好的连接点，实现网格曲面的区域生长。

PCL_BoundaryEstimation_Point散乱数据点云边界特征自动提取算法.rar

PCL_BoundaryEstimation_Point散乱数据点云边界特征自动提取算法

论文研究-一种基于映射法的散乱点云Delaunay三角剖分算法.pdf

针对直接在三维空间构建海量点云的Delaunay三角网格效率低下，提出一种新的基于映射法的Delaunay三角网格构建算法。首先提出一种基于区域增长法的点云分片方法，能够保证对分片后的点云数据进行映射而不产生重叠；然后保持空间点云之间的距离特性，将三维点云映射到二维平面；在二维平面内进行Delaunay三角剖分，再将结果返回到三维空间内。实验结果表明，算法能够构建质量较好的三角网格。由于该算法将点云的三角剖分转换到低维空间，通过实验结果对比本算法与其他算法效果，证明该方法能够更快地完成重构。

论文研究-心内膜散乱点云边界点检测算法研究.pdf

针对心内膜散乱点云预处理中的边界点检测, 利用截线云理论将散乱点云进行等间隔区域分层, 将点云投影至点云切片, 得到切片的散乱点集, 同时建立链表结构分区存储点云数据; 由平面上点的二维坐标定位, 提出区域“十”字算法进行切片数据边界点提取, 获取切片数据的最外层点, 将检测到的边界点存回原始三维数据源, 完成预处理过程。实验结果证明, 该算法对边界点具有较强的识别能力, 能够在快速、有效地简化点云数据的同时保持原始特征的信息, 可以提高后续三维建模的精度和速度。

论文研究-基于OpenCL的点云分割方法.pdf

点云分割是逆向工程中模型重建的关键技术之一，然而在求取点云特征时非常耗时，通过OpenCL异构计算对其进行性能加速有着重要的现实意义。以散乱无序的点云为研究对象，通过OpenCL对点云分割算法加以改进。算法主要分为并行计算点云数据的特征值，并行计算点云数据的法向量和曲率3个步骤。在计算中，根据GPU的并行结构和硬件特点，优化了数据存储结构，提高了数据访问效率，降低了算法复杂度。实验结果表明，算法充分利用了OpenCL的并行处理能力，运行效率是基于CPU实现的16倍。

论文研究-基于点云增强优化的泊松重建算法.pdf

为了提高大规模散乱点云的重建精度和效率，针对泊松算法在实际工程应用过程中产生的数据空白现象以及不能很好地捕捉重建表面局部细节的缺陷提出了改进。通过对采样点中的异常点进行详细分析，根据分析结果进行相应的降噪后处理，利用双三次样条插值方程拟合曲面，能够很好地修复孔洞，解决点云模型全局偏移的问题，形成新的采样点，采用最小二乘法精确计算并调整了点云数据法向量；实验解决了传统算法重建的面片质量问题，使重建出的表面细节更加显著。实验结果表明，该方法具有良好的适用性，具有较高的重建效率和精度。

论文研究-保留几何特征的散乱点云简化方法.pdf

提出了一种基于卷积算子的铅笔滤镜生成算法，能够方便快速地产生用户所需要的各种类型的铅笔滤镜；在此基础上，设计了一种新的基于局部色彩扩散原理的交互式彩色铅笔画生成算法。实验证明，该算法在保持铅笔纹理的物理特性及绘画特征的同时，能够快速将输入图像转化为彩色铅笔画效果，取得了较满意的效果。

论文研究-基于多尺度核函数的散乱点云数据过滤方法.pdf

针对光滑曲面采样散乱点云含有噪声及异常数据的问题，提出了一种基于多尺度核函数的过滤处理方法。采用核密度估计技术及均值漂移跟踪算法对原始点云数据进行聚类，结合局部似然函数来测度一个三维点位于采样曲面上的概率，利用过滤后的极大似然点集精确地逼近采样曲面，最后结合经典网格化算法能够获得较好的曲面重构效果。处理实例证明，该方法实用性好，不仅能够很好地抑制不同幅值的噪声，同时也能够探测到异常数据并进行自动清除。

论文研究-基于牙颌模型的散乱点云配准技术研究.pdf

在牙齿三维矫正中需要对牙齿进行排列，常用方法是通过人机交互完成，效率不高。提出了一种基于粒子群的自动化排牙方法，将每颗牙齿上的特征点到标准牙弓曲线的距离和作为目标函数，利用粒子群算法对解空间进行搜索，在搜索过程中加入约束条件，得到牙齿移动的最终位置。利用算法对牙齿进行排列，可以省去人机交互中的平移等操作。实验结果表明：该算法能够有效地用于牙齿三维矫正中，提高了排牙效率。

论文研究-一种基于曲率的点云自动配准算法.pdf

针对兵马俑破碎俑片虚拟复原过程中拼接效率低的问题，提出了一种新型的基于曲率的散乱点云数据自动配准算法。该算法利用MLS表面计算出两组点云中每个点的曲率，提取局部曲率变化最大的特征点，并计算曲率的Hausdorff距离来获得初始匹配点，然后根据初始匹配点之间极大极小曲率的相似度函数，采用粒子群优化算法确定精确匹配点。最后用四元组法求得坐标变换实现粗配准，并且用迭代最近点算法提高配准精度。实验验证了算法的有效性和稳定性。

论文研究-大规模孔洞点云的快速重建算法研究.pdf

针对实际中经常存在的含有孔洞的点云数据 ,在原多层重建算法的基础上提出了一种可以进行点云补洞的快速曲面重建算法。首先对散乱点云数据进行空间自适应八叉剖分 ,然后对点云数据进行由粗到精的多层插值 ,建立隐式曲面方程 ,最后提出了两种加快重建的方法。加速算法可以减少重建时间 ,非常有利于处理大规模点云。实验结果证明 ,本算法对点云孔洞修补效果良好 ,重建速度快 ,效率高。

论文研究-特征驱动的曲面重建.pdf

提出了基于散乱空间点集进行曲面重建的新方法，从点集的空间位置信息中提取待建曲面的内蕴特征量——法向和曲率，利用点集的这些特征信息来确定拓扑重建的搜索空间，采用面片生长的方式重建曲面。该方法在快速获得正确拓扑连接的同时，直接生成了用较少的面片就能保持曲面特征的优化网格。

点云的边界提取

能够将散乱的点云数据边界点及特征点提取出来，并显示。