点云场景分割软件的设计与实现

来源 :西安理工大学 | 被引量 : 0次 | 上传用户:jievons
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
三维几何模型已成为继声音、图像和视频之后的一种重要的数字媒体,点云模型是以离散采样点为基元的三维几何模型。点云模型数据结构简单、存储空间紧凑,具有表达复杂表面细节的能力。本文以点云模型为研究对象,主要设计并实现了点云场景分割软件,该软件主要包含点云数据显示、点云数据网格化、点云数据脊谷特征提取和点云数据分割这四个主要模块。   (1)点云数据显示模块,包括对点云数据场景任意角度的旋转观察,放大缩小等基本功能,该模块主要利用了OpenGL相关机制来完成的。   (2)点云数据网格化模块,该部分主要实现了将点云数据进行三角网格化的操作。本软件应用了Ohtake等人的圆球相交法实现点云数据三角网格化。其通过计算点的法矢信息和构造2次误差函数进行拟合的方法来迭代进行降噪和网格化。该方法得到的三角网格曲面中大多数三角形的高宽比接近最优,能够较好的逼近原始点云数据。   (3)网格模型上脊谷特征提取模块,该模块主要实现了在第二步网格曲面上进行脊、谷信息提取的功能。要获取脊谷特征,必须进行曲率计算,本文采用的是经典离散微分几何方法来计算网格顶点曲率。在计算出网格顶点曲率之后,通过设置曲率阈值,筛选出脊点和谷点。然后根据脊点之间的拓扑关系,将脊点连接成脊线。同理,将谷点连接成谷线。   (4)点云数据分割模块,利用上面计算的脊谷点,将其作为种子点,结合区域增长思想进行网格分割,然后将网格分割结果映射到点云数据上,就得到点云分割结果。   本软件所采用的网格化算法、脊谷特征提取算法和点云数据分割算法中都有需要用户设置的参数,用户可根据需求进行灵活设置,来产生不同分辨率的网格化模型,不同尺度的脊谷特征和多分辨率的分割结果。
其他文献
随着科技的进步,射频识别技术(Radio Frequency Identification,RFID)技术已应用于诸如仓储管理与物流、邮件/快运包裹处理、图书管理、医疗保健等领域。RFID技术与互联网、
作为快速搭建企业级应用管理平台的重要手段,软件复用技术在全球信息化建设进程中扮演越来越重要的角色,是实现软件工业化、规模化、标准化的重要途径。而软件框架又是实现大规
随着计算机和互联网技术的飞速发展,在自然语言处理领域,以双语平行语料库为基础的研究日益增多。双语平行语料库可被应用于机器翻译、双语词典编纂、词义消歧及跨语言信息检索
近年来,突发事件频繁发生,对人类的生命财产安全造成巨大威胁,严重影响整个社会的稳定和经济的发展。提升应急响应能力、构建高效的应急响应决策支持系统一直是近年来许多政府部
基因芯片的出现给生命科学研究、疾病诊断、新药开发、食品监督等领域带来了革命性的变化,而在一个典型的基因芯片的运作中,会有成千上万的基因表达数据产生,对基因表达数据
挖掘数据流的频繁项已受到广泛关注,研究者们提出了一些高效的数据流上挖掘频繁项的算法,尽管这些算法能够比较好的找到频繁项,但对频繁项频数的估计往往存在较大误差。而我们提
随着Internet的普及,XML逐渐成为了信息交换和编码的主流格式和事实标准。而传统的关系数据库查询算法对于具有半结构特性的XML已不再适用。因此,如何快速的在XML数据集中找到
随着计算机在各个领域的广泛普及和Internet的迅猛发展,现实世界中的信息量呈指数级增长。如何从这些海量信息中抽取人们所需要的特定信息成为一个迫切需要解决的难点。关系抽
近年来,随着多媒体技术、计算机技术和网络技术的不断发展,视频的实时传输得到了广泛的应用。视频实时传输中庞大的数据量、对实时性的高要求和目前的网络带宽不足之间的矛盾是
随着互联网络的普及,软件技术的发展,软件的规模和复杂性剧增,开发软件常常处于失控状态,软件产品的质量则无法保障。作为一种人工智能系统,软件产品的功能、性能及可靠性等