海量点云的边缘快速提取算法

doi:10.3778/j.issn.1002-8331.2010.36.059

计算机工程与应用 ›› 2010, Vol. 46 ›› Issue (36): 213-215.DOI: 10.3778/j.issn.1002-8331.2010.36.059

• 图形、图像、模式识别 • 上一篇下一篇

海量点云的边缘快速提取算法

王宗跃^1，2，马洪超²，徐宏根³，杨志伟¹

1.集美大学计算机工程学院，福建厦门 361021
2.武汉大学遥感信息工程学院，武汉 430072
3.中国国土资源航空物探遥感中心，北京 100083

收稿日期:2010-06-28 修回日期:2010-10-22 出版日期:2010-12-21 发布日期:2010-12-21
通讯作者: 王宗跃

Novel algorithm for fast extracting edges from massive point clouds

WANG Zong-yue^1，2，MA Hong-chao²，XU Hong-gen³，YANG Zhi-wei¹

1.Computer Engineering College，Jimei University，Xiamen，Fujian 361021，China
2.School of Remote Sensing and Information Engineering，Wuhan University，Wuhan 430072，China
3.China Aero Geophysical Survey and Remote Sensing Center for Land and Resources，Beijing 100083，China

Received:2010-06-28 Revised:2010-10-22 Online:2010-12-21 Published:2010-12-21
Contact: WANG Zong-yue

摘要/Abstract

摘要： 提出一种海量点云边缘快速提取算法。该算法先对点云数据进行格网组织，然后排除非边缘的离散点，最后采用Alpha Shapes判断条件提取边缘。该算法牺牲少量格网数据组织时间，节约大量的Alpha Shapes条件判断时间，从而显著提高算法效率。在VC环境下实现了该算法，实验结果表明该算法不仅具有提取外边界、空洞等功能，而且效率高。

关键词: 机载激光雷达, 点云, 边缘

Abstract: A novel algorithm is proposed for fast extracting edges from massive point clouds in this paper.First，organize point cloud data in grid form，and then exclude non-edge discrete points，at last extract edges in the condition of Alpha Shapes.The algorithm sacrifices a small amount time on grid data organization，while saving a lot of Alpha Shapes conditional time，thereby significantly improves the efficiency.This algorithm has been realized in the VC environment，and experimental results show that the algorithm can extract outer boundary，holes and other functions，and is high efficiency.

Key words: Light Detection And Ranging（LiDAR）, point clouds, edges

中图分类号:

P237.3

王宗跃^1，2，马洪超²，徐宏根³，杨志伟¹. 海量点云的边缘快速提取算法[J]. 计算机工程与应用, 2010, 46(36): 213-215.

WANG Zong-yue^1，2，MA Hong-chao²，XU Hong-gen³，YANG Zhi-wei¹. Novel algorithm for fast extracting edges from massive point clouds[J]. Computer Engineering and Applications, 2010, 46(36): 213-215.

[1]	马庆禄，唐小垚. 融合时域和分水岭信息的车辆检测算法[J]. 计算机工程与应用, 2021, 57(24): 227-233.
[2]	王涛，王文举，蔡宇. 基于深度学习的三维点云语义分割方法研究[J]. 计算机工程与应用, 2021, 57(23): 18-26.
[3]	徐晓东，王俊杰. 面向边缘端的施工人员实时检测方法[J]. 计算机工程与应用, 2021, 57(23): 280-286.
[4]	齐小祥，李敏，朱颖，宋雨，杜卫东. 基于边缘检测的SAR图像自适应区域分割[J]. 计算机工程与应用, 2021, 57(22): 232-240.
[5]	王云峰，黎作鹏. 边缘环境中目标检测算法的应用研究[J]. 计算机工程与应用, 2021, 57(16): 220-227.
[6]	曹林根，宓超. 集装箱箱号字符识别算法研究[J]. 计算机工程与应用, 2021, 57(15): 178-185.
[7]	胡恒，金凤林，郎思琪. 移动边缘计算环境中的计算卸载技术研究综述[J]. 计算机工程与应用, 2021, 57(14): 60-74.
[8]	刘佳佳，吴昊，李盼盼. 铁路5G移动通信系统边缘计算安全研究[J]. 计算机工程与应用, 2021, 57(12): 1-10.
[9]	唐维军，徐琨，柳有权，夏悬. 自动驾驶汽车虚拟测试中的树木点云生成方法[J]. 计算机工程与应用, 2021, 57(11): 185-192.
[10]	徐景中，马丽娜. 基于虚拟格网的建筑物点云轮廓线自动提取[J]. 计算机工程与应用, 2021, 57(10): 181-186.
[11]	王庆闪，张军，刘元盛，张鑫晨. 基于NDT与ICP结合的点云配准算法[J]. 计算机工程与应用, 2020, 56(7): 88-95.
[12]	杨捷，吴素萍. 点云重建的并行算法[J]. 计算机工程与应用, 2020, 56(6): 213-219.
[13]	封雪梅，张志毅，杨龙. 分形维数的全局点云初始配准算法[J]. 计算机工程与应用, 2020, 56(5): 234-241.
[14]	袁良友，周航，韩丹，许国梁. 引入平滑迭代的骨架提取改进算法[J]. 计算机工程与应用, 2020, 56(24): 188-193.
[15]	张梦琳，江沸菠，董莉，高颖. 智能无人机轨迹与任务卸载联合优化[J]. 计算机工程与应用, 2020, 56(21): 38-46.

海量点云的边缘快速提取算法

Novel algorithm for fast extracting edges from massive point clouds

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics