[发明专利]基于经验模态分解的点云数据的处理方法及其应用方法

权利要求书

1.一种基于经验模态分解的点云数据的处理方法，其特征在于包括以下步骤：

步骤(1)、构造点云拉普拉斯矩阵：以球形邻域和k近邻相结合作为邻域，计算维诺图面积权重，构造点云数据的拉普拉斯矩阵；

步骤(2)、点云数据的经验模态分解：以平均曲率作为点云数据的经验模态分解的输入信号，通过求解极值点和上下包络过程将点云数据的原始信号分解成不同尺度的信号。

2.根据权利要求1所述基于经验模态分解的点云数据的处理方法，其特征在于：步骤(1)中以球形邻域和k近邻相结合作为邻域，计算维诺图面积权重，构造点云数据的拉普拉斯矩阵；具体为：

记输入的点云数据为P＝{p₁,p₂,…p_n},p_i∈R³，为了简单起见，假定点云数据的潜在流形是一个曲面，对于点集P中的一点p_i，A_i是p_i点的维诺图权重，A_i是粗略的估计p_i点代表的潜在的流形的面积，每一个A_i能通过距离p_i点的一定距离的点计算出来，现在设定：

Gh(i,j)=14πh2e-||pi-pj||24h.]]>

其中，h是距离p_i点的距离；

由此可以构建n×n的拉普拉斯矩阵L：

L[i][j]=Gh(i,j)Aji≠jGh(i,i)Ai-Σj=1n[Gh(i,j)Aj]otherwise.]]>