点云模型表面物体自由拖拽定位

计算机工程与应用 ›› 2011, Vol. 47 ›› Issue (15): 187-190.

• 图形、图像、模式识别 • 上一篇下一篇

点云模型表面物体自由拖拽定位

李卫国1，叶文华1，丁展2，陈文亮1

1.南京航天航空大学机电学院江苏省“精密与微细制造技术”重点实验室，南京 210016
2.大连富坤科技，辽宁大连 116600

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2011-05-21 发布日期:2011-05-21

Dragging objects freely on surface of point cloud

LI Weiguo1，YE Wenhua1，DING Zhan2，CHEN Wenliang1

1.Jiangsu Key Laboratory of Precision and Micro-Manufacturing Technology，Nanjing University of Aeronautics & Astronautics，Nanjing 210016，China
2.Dalian Fukun，Dalian，Liaoning 116600，China

Received:1900-01-01 Revised:1900-01-01 Online:2011-05-21 Published:2011-05-21

摘要/Abstract

摘要： 为实现在点云表面自由、合理地拖动其他物体，提出了一种基于硬件深度缓冲的拖拽算法。首先在鼠标按下阶段独立渲染一次指定的点云，快照出当前屏幕中该点云的深度缓冲，接着在鼠标移动阶段利用记录的深度缓冲计算参考多边形下一个位置处的质心坐标和法向，再利用相邻两个参考多边形质心和法向建立物体运动的旋转和平移分量，从而实现物体在点云表面的拖拽。实验结果表明，利用该方法可以实时、合理地在指定点云表面自由拖动任何物体。

关键词: 深度图, 点云, 帧缓冲, 深度裁剪, 拖拽手势, 逆向工程

Abstract: To drag objects freely and rationally along surface of point cloud，a dragging method based on hardware depth buffer is proposed.When mouse is down，the specified point cloud is rendered and the snap shot of the depth buffer in the current window is recorded.When mouse is moving，the recorded depth buffer is used to evaluate the next gravity and normal of the referenced polygon.The rotational and translational vector is constructed by using two neighbor gravities and normal of the referenced polygon.Finally，the functionality of object-moving along surface of point cloud is implemented.The experiment results show that any object can be dragged onto point cloud in real time and rationally by this method.

Key words: depth buffer image, point cloud, frame buffer, depth clipping, dragging gesture, reverse-engineering

李卫国1，叶文华1，丁展2，陈文亮1. 点云模型表面物体自由拖拽定位[J]. 计算机工程与应用, 2011, 47(15): 187-190.

LI Weiguo1，YE Wenhua1，DING Zhan2，CHEN Wenliang1. Dragging objects freely on surface of point cloud[J]. Computer Engineering and Applications, 2011, 47(15): 187-190.

[1]	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.
[2]	成怡，郝密密. 改进深度强化学习的室内移动机器人路径规划[J]. 计算机工程与应用, 2021, 57(21): 256-262.
[3]	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.
[4]	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.
[5]	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.
[6]	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.
[7]	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.
[8]	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.
[9]	张广翩，计忠平. 基于二维点云图的三维人体建模方法[J]. 计算机工程与应用, 2020, 56(19): 205-215.
[10]	于润泽，习俊通. 白车身复杂装配特征点云提取及参数计算[J]. 计算机工程与应用, 2020, 56(19): 244-251.
[11]	张婧，周明全，耿国华. 点云数据在深度学习中表示方法的研究[J]. 计算机工程与应用, 2020, 56(18): 171-176.
[12]	秦和娟，管海燕，李迪龙. 利用张量投票的机载LiDAR点云道路骨架线提取[J]. 计算机工程与应用, 2020, 56(18): 193-201.
[13]	马京晖，潘巍，王茹. 基于K-means聚类的三维点云分类[J]. 计算机工程与应用, 2020, 56(17): 181-186.
[14]	杜丽美，连玮. 高斯投影下的人机交互式物体仿真算法研究[J]. 计算机工程与应用, 2020, 56(11): 185-191.
[15]	俞斌，董晨，刘延华，程烨. 基于深度学习的点云分割方法综述[J]. 计算机工程与应用, 2020, 56(1): 38-45.

点云模型表面物体自由拖拽定位

Dragging objects freely on surface of point cloud

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