[发明专利]一种基于近邻传播聚类的非均匀点云简化处理方法

摘要

一种基于近邻传播聚类的非均匀点云简化处理方法，包括以下步骤：1)首先对整体点云进行k近邻计算；2)根据每一个点的密度信息以及曲率信息进行自适应的均匀重采样；3)进行近邻传播聚类简化，设初始点云为D，输出简化后点云为FD，设定简化目标点数目为阈值；对初始点云D采用均匀网格曲率适应性采样方法获得其子点集SD；计算SD中点与点之间的相似度，得到相似度矩阵S，并通过索引获得SD中点的u值；运用近邻聚类算法，S和u作为AP算法输入，计算点间的代表度矩阵和适选度矩阵；每次选出的代表点标号加入到同一个矩阵中，直到达到目标值得到最终点集FD。本发明简化计算、减少占用的内存容量、能有效简化非均匀点云。

主权项

一种基于近邻传播聚类的非均匀点云简化处理方法，其特征在于：所述非均匀点云简化处理方法包括以下步骤：1)、首先对整体点云进行k近邻计算，计算点云模型中每一个点的k个邻近点，然后根据邻近点来计算每一个点的曲率值和密度表示值，并将邻近点的序列号和其曲率值密度值一一对应；2)、根据每一个点的密度信息以及曲率信息进行自适应的均匀重采样；3)、进行近邻传播聚类简化，设初始点云为D，输出简化后点云为FD，过程为：3.1)：设定简化目标点数目为阈值；3.2)：对初始点云D采用均匀网格曲率适应性采样方法获得其子点集SD；3.3)：计算SD中点与点之间的相似度，得到相似度矩阵S，并通过索引获得SD中点的u值；3.4)：运用近邻聚类算法，S和u作为AP算法输入，计算点间的代表度矩阵和适选度矩阵；如果最终选出代表点数目小于阈值，D＝D-SD，则返回到步骤3.2)，每次选出的代表点标号加入到同一个矩阵中，直到达到目标值得到最终点集FD。