海量散乱点云快速压缩算法

美国《工程索引》（EI）核心期刊
美国《剑桥科学文摘》（CSA）收录期刊
荷兰斯高帕斯数据库（Scopus）收录期刊
英国INSPEC数据库（SA）收录期刊

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

海量散乱点云快速压缩算法

方芳, 程效军

文章导航 > 武汉大学学报 ( 信息科学版) > 2013 > 38(11): 1353-1357

方芳, 程效军. 海量散乱点云快速压缩算法[J]. 武汉大学学报 ( 信息科学版), 2013, 38(11): 1353-1357.

引用本文:

方芳, 程效军. 海量散乱点云快速压缩算法[J]. 武汉大学学报 ( 信息科学版), 2013, 38(11): 1353-1357.

FANG Fang, CHENG Xiaojun. A Fast Data Reduction Method for Massive Scattered Point Clouds Based on Slicing[J]. Geomatics and Information Science of Wuhan University, 2013, 38(11): 1353-1357.

Citation:

FANG Fang, CHENG Xiaojun. A Fast Data Reduction Method for Massive Scattered Point Clouds Based on Slicing[J]. Geomatics and Information Science of Wuhan University, 2013, 38(11): 1353-1357.

海量散乱点云快速压缩算法

方芳¹,
程效军^1,2

¹同济大学测绘与地理信息学院

基金项目: 国家自然科学基金资助项目(40971241)

作者简介:
方芳，硕士生，主要从事地面三维激光扫描数据处理和三维建模研究。

中图分类号: P237.3

A Fast Data Reduction Method for Massive Scattered Point Clouds Based on Slicing

FANG Fang¹,
CHENG Xiaojun^1,2

College of Surveying and Geo-informatics, Tongji University, 1239 Siping Road, Shanghai 200092, China

摘要: 提出基于切片的海量散乱点云快速压缩方法,对点云进行分层生成切片点云,对每层切片点云使用弦高差法筛选利于表现形状的重要点,实现快速压缩。通过实验讨论参数对压缩结果的影响,并给出最佳参数值选择依据。对本方法和传统方法的压缩效果进行对比,证实本方法在实现高效压缩的同时能保留大量的特征细节。
- 海量散乱点云 /
- 切片 /
- 快速压缩 /
- 特征保留
Abstract: Abstract: This paper puts forward a high-efficiency data reduction method for massive scattered point clouds. The proposed method is based on slicing technology. Firstly，the point cloud is subdivided into several layers，then a reference plane is set for each layer，and the points set within each layer are projected to the relevant plane，thus slicing the point cloud for each layer. Second，points that are important for the shape expression for each sliced point cloud are extracted using a chordal deviation method. Two key parameter ，layer number and chordal deviation threshold are discussed，concluding is made that the chordal deviation threshold must be smaller than the minimum average chordal deviation for each slice. Reduction results for both the proposed method and the traditional methods are compared in an experiment. Results show that the proposed method achieves high-quality reduction results in an efficient manner with wet preserved features and details.
- massive scattered point clouds /
- slicing /
- data reduction /
- feature preservation

[1]	阳凡林刘经南,赵建虎,. 基于数据融合的侧扫声纳图像预处理[J]. 武汉大学学报(信息科学版). 2004(05) [2] 阳凡林吴自银,独知行,金翔龙,. 多波束声纳和侧扫声纳数字信息的配准及融合[J]. 武汉大学学报(信息科学版). 2006(08) [3] 康牧王宝树,. 一种基于图像增强的图像滤波方法[J]. 武汉大学学报(信息科学版). 2009(07) [4] 唐朝伟肖健,邵艳清,苗光胜,. 一种改进的SIFT描述子及其性能分析[J]. 武汉大学学报(信息科学版). 2012(01) [5] 王小睿吴信才,. 遥感多图象的自动配准方法[J]. 中国图象图形学报. 1997(10)

[1]	米晓新, 杨必胜, 董震. 车载激光点云道路场景可视域快速计算与应用 . 武汉大学学报 ( 信息科学版), 2020, 45(2): 258-264. doi: 10.13203/j.whugis20180380
[2]	孙文潇, 王健, 梁周雁, 马伟丽, 陈喆. 法线特征约束的激光点云精确配准 . 武汉大学学报 ( 信息科学版), 2020, 45(7): 988-995. doi: 10.13203/j.whugis20180315
[3]	李健, 曹垚, 王宗敏, 王广印. 融合k-means聚类和Hausdorff距离的散乱点云精简算法 . 武汉大学学报 ( 信息科学版), 2020, 45(2): 250-257. doi: 10.13203/j.whugis20180204
[4]	闫利, 胡晓斌, 谢洪. 车载LiDAR海量点云数据管理与可视化研究 . 武汉大学学报 ( 信息科学版), 2017, 42(8): 1131-1136. doi: 10.13203/j.whugis20150386
[5]	陈善学, 郑文静, 张佳佳, 李方伟. 变换域离散度排序的高光谱图像快速压缩算法 . 武汉大学学报 ( 信息科学版), 2016, 41(7): 868-874. doi: 10.13203/j.whugis20140270
[6]	杨军, 林岩龙, 张瑞峰, 王小鹏. 一种大规模点云k邻域快速搜索算法 . 武汉大学学报 ( 信息科学版), 2016, 41(5): 656-664. doi: 10.13203/j.whugis20140191
[7]	陈驰, 王珂, 徐文学, 彭向阳, 麦晓明, 杨必胜. 海量车载激光扫描点云数据的快速可视化方法 . 武汉大学学报 ( 信息科学版), 2015, 40(9): 1163-1168. doi: 10.13203/j .whu g is20130693
[8]	李继园, 甘斌, 孟令奎, 张文, 段红伟. 云环境下时序遥感影像的快速缓存切片方法 . 武汉大学学报 ( 信息科学版), 2015, 40(2): 243-248+273.
[9]	韩贤权, 朱庆, 丁雨淋, 周东波. 散乱点云数据精配准的粒子群优化算法 . 武汉大学学报 ( 信息科学版), 2014, 39(10): 1214-1220.
[10]	王永波, 杨化超, 刘燕华, 牛晓楠. 线状特征约束下基于四元数描述的LiDAR点云配准方法 . 武汉大学学报 ( 信息科学版), 2013, 38(9): 1057-1062.
[11]	钟良, 马洪超, 管海燕, 刘鹏飞. 利用安置角检校进行机载LiDAR点云数据与同步影像快速配准 . 武汉大学学报 ( 信息科学版), 2011, 36(9): 1035-1038.
[12]	孙殿柱, 刘健, 李延瑞, 孙永伟. 三维散乱点云的Voronoi拓扑近邻点集查询算法 . 武汉大学学报 ( 信息科学版), 2011, 36(1): 86-91.
[13]	张剑清, 李彩林, 郭宝云. 基于切平面投影的散乱数据点快速曲面重建算法 . 武汉大学学报 ( 信息科学版), 2011, 36(7): 757-762.
[14]	刘帅, 陈军, 赵仁亮, 马力. 利用横向切片进行地物三维重建 . 武汉大学学报 ( 信息科学版), 2011, 36(9): 1111-1115.
[15]	方圣辉, 孟樊. 利用边缘特征点聚类分析进行RHT圆形目标快速检测 . 武汉大学学报 ( 信息科学版), 2010, 35(11): 1261-1264.
[16]	孙殿柱, 刘健, 李延瑞, 李心成. 三维散乱点集Voronoi图快速生成算法研究 . 武汉大学学报 ( 信息科学版), 2010, 35(8): 909-912.
[17]	刘斌, 欧宗瑛, 苏铁明, 韩军. 一种序列切片图像的快速自动分割方法 . 武汉大学学报 ( 信息科学版), 2009, 34(5): 539-543.
[18]	李清泉, 黄练, 谭文霞. 基于道路特征的海量GPS监控数据压缩方法 . 武汉大学学报 ( 信息科学版), 2008, 33(4): 337-340.
[19]	项学泳, 李广云, 王力, 宗文鹏, 吕志鹏, 向奉卓. 使用局部几何特征与空洞邻域的点云语义分割 . 武汉大学学报 ( 信息科学版), 0, 0(0): 0-0. doi: 10.13203/j.whugis20200567
[20]	张卉冉, 董震, 杨必胜, 黄荣刚, 徐大展. 点云压缩研究进展与趋势 . 武汉大学学报 ( 信息科学版), 0, 0(0): 0-0. doi: 10.13203/j.whugis20210103

WeChat

点击查看大图

计量

文章访问数: 1275
HTML全文浏览量: 66
PDF下载量: 606
被引次数: 0

海量散乱点云快速压缩算法

方芳¹,
程效军^1,2

¹同济大学测绘与地理信息学院

基金项目: 国家自然科学基金资助项目(40971241)

作者简介:
方芳，硕士生，主要从事地面三维激光扫描数据处理和三维建模研究。

收稿日期: 2013-06-15
修回日期: 2013-06-15
刊出日期: 2013-11-05

中图分类号: P237.3

关键词:

海量散乱点云 /

摘要: 提出基于切片的海量散乱点云快速压缩方法,对点云进行分层生成切片点云,对每层切片点云使用弦高差法筛选利于表现形状的重要点,实现快速压缩。通过实验讨论参数对压缩结果的影响,并给出最佳参数值选择依据。对本方法和传统方法的压缩效果进行对比,证实本方法在实现高效压缩的同时能保留大量的特征细节。

English Abstract

方芳, 程效军. 海量散乱点云快速压缩算法[J]. 武汉大学学报 ( 信息科学版), 2013, 38(11): 1353-1357.

引用本文:

方芳, 程效军. 海量散乱点云快速压缩算法[J]. 武汉大学学报 ( 信息科学版), 2013, 38(11): 1353-1357.

FANG Fang, CHENG Xiaojun. A Fast Data Reduction Method for Massive Scattered Point Clouds Based on Slicing[J]. Geomatics and Information Science of Wuhan University, 2013, 38(11): 1353-1357.

Citation:

FANG Fang, CHENG Xiaojun. A Fast Data Reduction Method for Massive Scattered Point Clouds Based on Slicing[J]. Geomatics and Information Science of Wuhan University, 2013, 38(11): 1353-1357.

全文HTML

参考文献 (1)

/

下载: 全尺寸图片幻灯片

分享

用微信扫码二维码

分享至好友和朋友圈

返回

我要投稿

投稿攻略

联系我们

二维码