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

利用3D Voronoi图的兔子点云聚类分割

应 申,  毛政元,  李 霖,  许 光

downloadPDF
文章导航 > 武汉大学学报 ● 信息科学版  > 2013 >  38(3): 358-361
应 申, 毛政元, 李 霖, 许 光. 利用3D Voronoi图的兔子点云聚类分割[J]. 武汉大学学报 ● 信息科学版, 2013, 38(3): 358-361.
引用本文: 应 申, 毛政元, 李 霖, 许 光. 利用3D Voronoi图的兔子点云聚类分割[J]. 武汉大学学报 ● 信息科学版, 2013, 38(3): 358-361.
shu
YING Shen, MAO Zhengyuan, LI Lin, XU Guang. Point Cloud Segmentation of 3D Rabbit Base 3D Voronoi[J]. Geomatics and Information Science of Wuhan University, 2013, 38(3): 358-361.
Citation: YING Shen, MAO Zhengyuan, LI Lin, XU Guang. Point Cloud Segmentation of 3D Rabbit Base 3D Voronoi[J]. Geomatics and Information Science of Wuhan University, 2013, 38(3): 358-361.
shu

利用3D Voronoi图的兔子点云聚类分割

  • 1 武汉大学资源与环境科学学院,武汉市珞喻路129号,430079; 2 福州大学空间数据挖掘与信息共享教育部重点实验室,福州市工业路523号,350002

基金项目: 国家自然科学基金资助项目（41071289,41171350）.
详细信息

  • 中图分类号: P208

Point Cloud Segmentation of 3D Rabbit Base 3D Voronoi

  • 1 School of Resource and Environmental Science, Wuhan University, 129 Luoyu Road, Wuhan 430079, China; 2 Key Laboratory of Spatial Data Mining and Information Sharing, Ministry of Education, Fuzhou University, 523 Gongye Road, Fuzhou 350002, China

  • 摘要: 利用基于3D Voronoi多面体分割三维空间,并将其应用于具有典型三维特征的点云数据的聚类分割。通过对点云数据的离散体元表示,透过Voronoi单元的特征参数实现了三维点集的度量、提取和结构分析,揭示了点集间存在的相互关系,并通过3D Voronoi图所确定的空间邻近关系完成点集间相似度的测度和聚类。以三维兔子点云为样本数据的实验分析表明,本文所提出的思路聚类分割特征明显。
    Abstract: 3D point pattern of cluster analysis is presented based on 3D Voronoi. 3D Voronoi cell is used to represent the spatial region that the spatial point effects. Through a quantitative description of the spatial parameters about 3D Voronoi cell there exists the potential to distinguish the weight and effective quantity of each point in the 3D space. Spatial neighborhood relationship among points is extracted according to 3D Voronoi cells to delimit the candidate points that will be clustered. The method illustrates segmentation and cluster distribution of 3D points based on the underlying density and spatial relationships, and actual analysis is imposed on the point cloud of 3D rabbit (Bunny). The ability to make quantitative description of each 3D Voronoi cell gives insights into spatial controls and cluster process on 3D points.
  • [1] 应申,李霖,王明常,等. 计算几何在制图综合中的应用[J]. 测绘科学,2005,30(3):64\|66
    [2] Elyiv A, Melnyk O,Vavilova I. High\|order 3D Voronoi Tessellation for Identifying Isolated Galaxies, Pairs and Triplets[J]. Monthly Notices of the Royal Astronomical Society, 2009, 394(3):1 409\|1 418
    [3] Gatrell A C, Bailey T C. Diggle P J, et al. Spatial Point Pattern Analysis and Its Application in Geographical Epidemiology[J]. Transactions of the Institute of British Geographers, 1996, 21: 256\|274
    [4] Van der Putte T, Ledoux H. Modelling Three\|dimensional Geoscientific Datasets with the Discrete Voronoi Diagram[C]/Kolbe T H, Kning G, Nagel C. Advances in 3D Geo\|Information Sciences, Berlin:Springer\|Verlag, 2011
    [5] Bertin E, Parazza F, Chassery J M. Segmentation and Measurement Based on 3D Voronoi Diagram: Application to Confocal Microscopy[J]. Computerized Medical Imaging and Graphics, 1993,17(3):175\|182
    [6] Dupuis F,Sadoc J F, Jullien R, et al.Voro3D:3D Voronoi Tessellations Applied to Protein Structures[J]. Bioinformatics, 2005, 21:1 715\|1 716
    [7] Lopreore C L, Bartol T M, Coggan J S, et al. Computational Modeling of Three\|dimensional Electrodiffusion in Biological Systems: Application to the Node of Ranvier[J]. Biophysical Journal, 2008, 95(6):2 624\|2 635
    [8] 卢子兴,王建月.壁面厚度随机度对闭孔Voronoi泡沫材料弹性性能的影响[J].航空动力学报, 2010,25(3):592\|596
    [9] Asahina D, Bolander J E. Voronoi\|Based Discretizations for Fracture Analysis of Particulate Materials[J]. Powder Technology, 2011,213:92\|99
    [10] Preparata F P, Hong S J. Convex Hulls of Finite Sets of Points in Two and Three Dimensions[J]. Communications of the ACM, 1977,20(2):87\|93
    [11] Fortune S. A Sweepline Algorithm for Voronoi Diagrams[J]. Algorithmica, 1987, 2:153\|174
    [12] 刘雪娜.三维点集 Voronoi 图的算法实现[J].计算机辅助工程,2006,15(1):1\|4
    [13] 孙殿柱,刘健,李延瑞,等.三维散乱点集Voronoi图快速生成算法研究[J].武汉大学学报·信息科学版,2010,35(8):909\|912
    [14] 李光强,邓敏,朱建军.基于Voronoi图的空间关联规则挖掘方法研究[J]. 武汉大学学报·信息科学版,2008,33(12):1 242\|1 245
    [15] 孙殿柱,刘健,李延瑞,等.三维散乱点云的Voronoi拓扑近邻点集查询算法[J].武汉大学学报·信息科学版,2011,36(1):86\|90
    [16] 闫超德,白建军,赵仁亮.基于Voronoi图的点状目标邻近空间分布测度方法[J]. 武汉大学学报·信息科学版,2009,34(1):48\|51
  • [1] 张瑞菊, 周欣, 赵江洪, 曹闵.  一种古建筑点云数据的语义分割算法 . 武汉大学学报 ● 信息科学版, 2020, 45(5): 753-759. doi: 10.13203/j.whugis20180428
    [2] 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
    [3] 蒋腾平, 杨必胜, 周雨舟, 朱润松, 胡宗田, 董震.  道路点云场景双层卷积语义分割 . 武汉大学学报 ● 信息科学版, 2020, 45(12): 1942-1948. doi: 10.13203/j.whugis20200081
    [4] 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
    [5] 李延, 王大魁, 耿晶, 王树良.  数据质量聚类算法 . 武汉大学学报 ● 信息科学版, 2019, 44(1): 153-158. doi: 10.13203/j.whugis20150760
    [6] 张蕊, 李广云, 王力, 李明磊, 周阳林.  车载LiDAR点云混合索引新方法 . 武汉大学学报 ● 信息科学版, 2018, 43(7): 993-999. doi: 10.13203/j.whugis20160441
    [7] 危双丰, 刘明蕾, 赵江洪, 黄帅.  利用点云检测室内导航元素的方法综述 . 武汉大学学报 ● 信息科学版, 2018, 43(12): 2003-2011. doi: 10.13203/j.whugis20180144
    [8] 鲍蕊, 薛朝辉, 张像源, 苏红军, 杜培军.  综合聚类和上下文特征的高光谱影像分类 . 武汉大学学报 ● 信息科学版, 2017, 42(7): 890-896. doi: 10.13203/j.whugis20150043
    [9] 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
    [10] 肖巍峰, 邓敏, 李朝奎.  三维点云多尺度等值线模型Morphing变换方法研究 . 武汉大学学报 ● 信息科学版, 2015, 40(7): 957-963. doi: 10.13203/j.whugis20140107
    [11] 卢昊, 庞勇, 徐光彩, 李增元.  机载激光雷达全波形数据与系统点云差异的定量分析 . 武汉大学学报 ● 信息科学版, 2015, 40(5): 588-593. doi: 10.13203/j.whugis20130443
    [12] 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.
    [13] 田晶, 张泊宇, 杨雯雨.  对自组织映射聚类实现道路网网格模式识别 . 武汉大学学报 ● 信息科学版, 2013, 38(11): 1330-1334.
    [14] 孙杰, 马洪超, 钟良.  利用LiDAR点云的真正射影像遮蔽检测 . 武汉大学学报 ● 信息科学版, 2011, 36(8): 948-951.
    [15] 邹志强, 江南, 吴家皋, 王汝传.  一种基于语义分簇聚类的P2P空间数据索引机制 . 武汉大学学报 ● 信息科学版, 2011, 36(1): 76-81.
    [16] 郑莉, 张剑清, 罗跃军.  多视结构光点云的自动无缝拼接 . 武汉大学学报 ● 信息科学版, 2009, 34(2): 199-202.
    [17] 万幼川, 徐景中, 赖旭东, 张圣望.  基于多分辨率方向预测的LIDAR点云滤波方法 . 武汉大学学报 ● 信息科学版, 2007, 32(11): 1011-1015.
    [18] 闫利, 张毅.  基于法向量模糊聚类的道路面点云数据滤波 . 武汉大学学报 ● 信息科学版, 2007, 32(12): 1119-1122.
    [19] 黄先锋, 陶闯, 江万寿, 龚健雅.  机载激光雷达点云数据的实时渲染 . 武汉大学学报 ● 信息科学版, 2005, 30(11): 975-978.
    [20] 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
  • 加载中
WeChat 点击查看大图
计量
  • 文章访问数:  2100
  • HTML全文浏览量:  53
  • PDF下载量:  731
  • 被引次数: 0
出版历程
  • 收稿日期:  2012-12-15
  • 刊出日期:  2013-03-05

利用3D Voronoi图的兔子点云聚类分割

  • 1 武汉大学资源与环境科学学院,武汉市珞喻路129号,430079; 2 福州大学空间数据挖掘与信息共享教育部重点实验室,福州市工业路523号,350002
    • 基金项目:  国家自然科学基金资助项目（41071289,41171350）.
  • 收稿日期: 2012-12-15
  • 刊出日期: 2013-03-05

  • 中图分类号: P208

摘要: 利用基于3D Voronoi多面体分割三维空间,并将其应用于具有典型三维特征的点云数据的聚类分割。通过对点云数据的离散体元表示,透过Voronoi单元的特征参数实现了三维点集的度量、提取和结构分析,揭示了点集间存在的相互关系,并通过3D Voronoi图所确定的空间邻近关系完成点集间相似度的测度和聚类。以三维兔子点云为样本数据的实验分析表明,本文所提出的思路聚类分割特征明显。

English Abstract

应 申, 毛政元, 李 霖, 许 光. 利用3D Voronoi图的兔子点云聚类分割[J]. 武汉大学学报 ● 信息科学版, 2013, 38(3): 358-361.
引用本文: 应 申, 毛政元, 李 霖, 许 光. 利用3D Voronoi图的兔子点云聚类分割[J]. 武汉大学学报 ● 信息科学版, 2013, 38(3): 358-361.
shu
YING Shen, MAO Zhengyuan, LI Lin, XU Guang. Point Cloud Segmentation of 3D Rabbit Base 3D Voronoi[J]. Geomatics and Information Science of Wuhan University, 2013, 38(3): 358-361.
Citation: YING Shen, MAO Zhengyuan, LI Lin, XU Guang. Point Cloud Segmentation of 3D Rabbit Base 3D Voronoi[J]. Geomatics and Information Science of Wuhan University, 2013, 38(3): 358-361.
shu

    全文HTML

参考文献 (16)

目录

    /

    返回文章
    返回

    我要投稿

    投稿攻略

    联系我们

    二维码

    版权所有 © 2013 《武汉大学学报·信息科学版》编辑部

    地址：武汉大学文理学部本科生院楼北5楼邮政编码：430072

    电话：027-68778465,68778045E-mail:whuxxb@vip.163.com

    本系统由 北京仁和汇智信息技术有限公司 开发    百度统计