鲁棒的点云曲线骨骼提取算法

计算机工程与应用 ›› 2016, Vol. 52 ›› Issue (24): 23-28.

鲁棒的点云曲线骨骼提取算法

陈永辉1，2，岳丽华1

1.中国科学技术大学计算机科学与技术学院，合肥 230026
2.西南科技大学计算机科学与技术学院，四川绵阳 621010

出版日期:2016-12-15 发布日期:2016-12-20

Robust curve-skeleton extraction algorithm of point cloud

CHEN Yonghui1，2, YUE Lihua1

1.School of Computer Science and Technology, University of Science and Technology of China, Hefei 230026, China
2.School of Computer Science and Technology, Southwest University of Science and Technology, Mianyang, Sichuan 621010, China

Online:2016-12-15 Published:2016-12-20

摘要/Abstract

摘要： 为解决复杂点云数据的曲线骨骼提取问题，提出了一种鲁棒的点云曲线骨骼提取算法。该方法首先通过区域分割将点云模型分成多个弱凸面集，减少噪声点对骨骼提取的影响，然后在每个弱凸面集中根据对称点信息提取候选骨骼点，对候选骨骼点进行压缩和平滑，并采用最优平面法对骨骼点进行重定位，最后利用区域分割信息将各区域的骨骼点连接得到最终的曲线骨骼。实验结果表明，该方法不仅能够处理完整和非完整的点云数据，而且能够正确提取包含复杂形状的点云骨骼。

关键词: 点云, 曲线骨骼, 弱凸面, 骨骼压缩, 重定位

Abstract: A robust curve-skeleton extraction algorithm of point cloud is proposed to solve the curve skeleton extraction problems of point cloud including complex geometry. First, the point cloud is over-segmented into a set of weak-convex patches which is not sensitive to noises, then candidate skeletal points are extracted by antipodes in each weak convex patches, the candidate skeletal points are compressed and smoothed, and the candidate skeletal points are re-centered by optimal cut plane. Finally, the skeletal points are connected by the segment information to extract the final curve-skeleton. This method is not only able to handle the complete and incomplete point cloud, but also can correctly extract curve-skeleton from point cloud containing complex geometry.

Key words: point cloud, curve-skeleton, weak convex patch, skeleton compress, recenter

陈永辉1，2，岳丽华1. 鲁棒的点云曲线骨骼提取算法[J]. 计算机工程与应用, 2016, 52(24): 23-28.

CHEN Yonghui1，2, YUE Lihua1. Robust curve-skeleton extraction algorithm of point cloud[J]. Computer Engineering and Applications, 2016, 52(24): 23-28.

[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]	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.
[3]	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.
[4]	陈承隆，邱志成，杜启亮，田联房，林斌，李淼. 基于Netvlad神经网络的室内机器人全局重定位方法[J]. 计算机工程与应用, 2020, 56(9): 175-182.
[5]	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.
[6]	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.
[7]	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.
[8]	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.
[9]	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.
[10]	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.
[11]	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.
[12]	杨爽，曾碧，何炜婷. 融合语义激光与地标信息的SLAM技术研究[J]. 计算机工程与应用, 2020, 56(18): 262-271.
[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.