利用自适应模糊椭球聚类实现点云分区

计算机工程与应用 ›› 2007, Vol. 43 ›› Issue (15): 33-34.

利用自适应模糊椭球聚类实现点云分区

刘雪梅^1，2，庄晋林²，张树生¹，李炳胜²

1.西北工业大学现代设计与集成制造技术教育部重点实验室，西安 710072
2.华北水利水电学院图形图像研究所，郑州 450011

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2007-05-21 发布日期:2007-05-21
通讯作者: 刘雪梅

Segmentation of point cloud based on Adaptive Fuzzy c-Elliptotype clustering

LIU Xue-mei^1，2，ZHUANG Jin-lin²，ZHANG Shu-sheng¹，LI Bing-sheng²

1.The Key Laboratory of Contemporary Design and Integrated Manufacturing Technology，Ministry of Education，Northwestern Polytechnical University，Xi’an 710072，China
2.North China Institute of Water Conservancy and Hydroelectric Power，Zhengzhou 450011，China

Received:1900-01-01 Revised:1900-01-01 Online:2007-05-21 Published:2007-05-21
Contact: LIU Xue-mei

摘要/Abstract

摘要： 点云数据分区是逆向工程中重要而又难以解决的问题。采用自适应模糊椭球聚类算法实现逆向工程中的点云分区，利用凸组合在经典模糊聚类算法中加入平面聚类，凸组合系数利用启发技术根据平面大小自适应选择。避免传统分区算法中微分几何特征量的估算；利用竞争凝聚技术自动确定分区数目；分区结果便于后续几何参数精确提取。实验结果验证了该算法的有效性。

关键词: 模糊聚类, 逆向工程, 分区

Abstract: Segmentation of point cloud is an important problem in reverse engineering.The Adaptive Fuzzy c-Elliptotype（AFC） clustering algorithm is used to solve segmentation problem for reverse engineering.Fuzzy c-planes clustering is added to the classic fuzzy c-means algorithm by convex combination.The combination coefficient is selected adaptively according to the size of planes by a heuristic technique.The differential geometric features that are necessary in the conventional segmentation algorithm do not need to be computed.The number of clusters is determined by competitive agglomeration technique.The algorithm is benefit to extract geometric parameters of surface accurately in next step.The experiment results prove that this algorithm is valid.

Key words: fuzzy clustering, reverse engineering, segmentation

刘雪梅^1，2，庄晋林²，张树生¹，李炳胜²

. 利用自适应模糊椭球聚类实现点云分区[J]. 计算机工程与应用, 2007, 43(15): 33-34.

LIU Xue-mei^1，2，ZHUANG Jin-lin²，ZHANG Shu-sheng¹，LI Bing-sheng². Segmentation of point cloud based on Adaptive Fuzzy c-Elliptotype clustering[J]. Computer Engineering and Applications, 2007, 43(15): 33-34.

[1]	乐德广，赵杰，龚声蓉. 基于模式切换的ARM汇编代码混淆算法[J]. 计算机工程与应用, 2021, 57(18): 122-129.
[2]	刘锁兰，顾嘉晖，王洪元，张云鹏. 基于关联分区和ST-GCN的人体行为识别[J]. 计算机工程与应用, 2021, 57(13): 168-175.
[3]	任新惠，王柳. 即时配送下无人机全自动机场分区选址模型[J]. 计算机工程与应用, 2021, 57(10): 266-272.
[4]	严加展，陈华，李阳. 改进的模糊C-均值聚类有效性指标[J]. 计算机工程与应用, 2020, 56(9): 156-161.
[5]	冯爱兰，王晨西，孔继利. 改进遗传算法求解订单分批优化模型[J]. 计算机工程与应用, 2020, 56(8): 261-269.
[6]	王燕，亓祥惠，段亚西. 基于马尔科夫随机场的改进FCM图像分割算法[J]. 计算机工程与应用, 2020, 56(4): 197-201.
[7]	王永贵，刘凯奇. 一种优化聚类的协同过滤推荐算法[J]. 计算机工程与应用, 2020, 56(15): 66-73.
[8]	崔芳怡1，荆晓远2，董西伟2，3，吴飞2，孙莹2. 自适应蝙蝠算法优化的模糊聚类及其应用[J]. 计算机工程与应用, 2019, 55(7): 16-22.
[9]	吴会会1，高淑萍1，彭弘铭2，赵怡1. 自适应模糊[C]均值聚类的数据融合算法[J]. 计算机工程与应用, 2019, 55(5): 26-35.
[10]	雷乐，王丽珍，肖清. 空间co-location模式挖掘中的模糊技术初探[J]. 计算机工程与应用, 2019, 55(21): 158-166.
[11]	余炳光，刘冬梅. 特征逐减的可能性模糊聚类算法[J]. 计算机工程与应用, 2019, 55(19): 58-65.
[12]	戴敏. 基于NB分类器重访概率预测的Web缓存替换策略[J]. 计算机工程与应用, 2019, 55(19): 134-140.
[13]	徐小来，房晓丽. 基于改进的直觉模糊核聚类的图像分割方法[J]. 计算机工程与应用, 2019, 55(17): 227-231.
[14]	安兆翔，瞿有利. 编码单位可变的倒排索引压缩算法研究[J]. 计算机工程与应用, 2019, 55(15): 82-88.
[15]	张岭军，李聪，段云龙. 结合空间邻域信息的SAR图像变化检测[J]. 计算机工程与应用, 2019, 55(15): 185-192.