针对现有基于关键点的点云简化算法存在光滑表面过度简化的问题,提出一种多粒度、层级化的特征融合的点云简化方案.为平衡尖锐几何曲面和光滑曲面的简化程度,同时减少特征损失,依据特征分布将简化方案拆分成粗细粒度两大模块.在粗粒度模块中,设计了一种自适应变体素网格边长的方法,以提高简化过程中算法灵活性,并结合主成分分析法获取点云特征值,避免非关键点的干扰;在细粒度模块中,通过融合改进灰狼优化算法与k均值聚类,构建点云计算聚类模型,实现了点云聚类和二次精细化处理.最后,在公开数据集上对所设计的方案进行验证与分析,实验结果表明所提出的方案在误差性能方面明显好于随机采样法和曲率简化法.
NETL
NSTL
万方数据
