提出了一种基于模糊熵迭代的点云精简算法，在提高算法运行效率的同时，获得的精简点云模型具有更好的细节特征。对所有点云数据进行快速X-Y边界提取以保留点云边界特征；计算所有数据点的曲率，将除边界外的数据点按照曲率分组并计算每组数据点个数和曲率平均值；利用数据点的曲率构造点云模型的模糊集，计算最小模糊熵，从而得到最佳曲率划分阈值；对曲率小于阈值的数据点按迭代次数不同进行相应比例稀释，对曲率大于阈值的数据点在满足剩余点个数要求的条件下进行迭代计算模糊熵操作，不满足个数要求时数据点全数保留。实验证明该算法既能够保留点云的细节特征以逼近点云原型，又具有良好的运算效率。
机器视觉 三维点云精简 边界保留 模糊集 模糊熵迭代
