[发明专利]一种基于多种特征描述符的三维模型分类方法

权利要求书

1.一种基于多种特征描述符的三维模型分类方法，其特征在于，包括：

选择多种特征描述符来提取三维模型的特征向量，所述特征描述符包括高斯曲率、形状直径函数和尺度不变特征转换；

采用鲁棒主成分分析对所述特征向量进行去噪降维处理；

使用基于密度的聚类算法进行聚类，得到三维模型分类结果。

2.如权利要求1所述的基于多种特征描述符的三维模型分类方法，其特征在于，使用PCL库来获取三维模型的高斯曲率集，将曲率值可视化在三维模型上验证曲率较大的点的位置及其分布。

3.如权利要求1所述的基于多种特征描述符的三维模型分类方法，其特征在于，所述形状直径函数的计算方法为：

取三维点云中的任意一点，构造以该点负法向为中心轴线的圆锥体，然后计算有效射线段的加权平均长度，作为该点的形状直径函数值。

4.如权利要求1所述的基于多种特征描述符的三维模型分类方法，其特征在于，所述使用基于密度的聚类算法进行聚类，得到三维模型分类结果；包括：

给定m个三维模型样本，设置样本集D＝(x₁,x₂,...,x_m)，邻域参数(∈,MinPts)，样本距离度量方式；计算每个特征向量x_i的局部密度和最小距离值：

x_i的局部密度为其中d_ij表示了x_i和x_j之间的欧式距离；d_k为截断距离，ρ_i度量了那些与x_i之间的距离在d_k之内的点的个数；

x_i与那些密度比它大的特征向量之间的距离的最小值为该参数用于在那些局部密度大于x_i的特征向量中找出与x_i的之间最短距离；

此算法通过ψ_i＝ρ_i×γ_i来确定各个三维模型种类的聚类中心，ψ_i最大的前若干个特征向量可以看作聚类中心；将各个聚类中心组成一个集合F＝(ψ₁,ψ₂,...,ψ_m)，然后将其它不属于聚类中心的三维模型对应的特征向量的ρ和ψ根据算法来遍历集合F，对于每个特征向量x_i，找到所有密度比其他的特征向量中离其最近的那个特征向量x_i’，则x_i的类别属于x_i’对应的ψ_i的类别。