激光与光电子学进展, 2019, 56 (9): 091002, 网络出版: 2019-07-05   

基于k-means聚类的点云精简方法 下载: 507次

Point Cloud Simplification Method Based on k-Means Clustering
作者单位
1 大同煤炭职业技术学院建筑工程系, 山西 大同 037003
2 石家庄铁路职业技术学院测绘工程系, 河北 石家庄 050041
3 中国矿业大学环境与测绘学院, 江苏 徐州 221116
摘要
提出了一种基于k均值(k-means)聚类的点云精简方法。与包围盒法相比,在压缩率近似相同的条件下,k-means聚类方法能较好地保留细节特征,与原始数据的稠密稀疏分布更加一致,所建模型表面更光滑。
Abstract
A point cloud simplification method is proposed based on k-means clustering. Compared with the bounding box method with a similar compression rate, the k-means clustering method can preserve the details better, and the result is more consistent with the dense and sparse distribution of the original data. Moreover, the surface of the constructed model is smoother.

贺一波, 陈冉丽, 吴侃, 段志鑫. 基于k-means聚类的点云精简方法[J]. 激光与光电子学进展, 2019, 56(9): 091002. Yibo He, Ranli Chen, Kan Wu, Zhixin Duan. Point Cloud Simplification Method Based on k-Means Clustering[J]. Laser & Optoelectronics Progress, 2019, 56(9): 091002.

本文已被 5 篇论文引用
被引统计数据来源于中国光学期刊网
引用该论文: TXT   |   EndNote

相关论文

加载中...

关于本站 Cookie 的使用提示

中国光学期刊网使用基于 cookie 的技术来更好地为您提供各项服务,点击此处了解我们的隐私策略。 如您需继续使用本网站,请您授权我们使用本地 cookie 来保存部分信息。
全站搜索
您最值得信赖的光电行业旗舰网络服务平台!