基于无核漂移聚类算法和PCA算法实现点云精简附matlab代码

✅作者简介：热爱科研的Matlab仿真开发者，修心和技术同步精进，matlab项目合作可私信。

🍎个人主页：Matlab科研工作室

🍊个人信条：格物致知。

更多Matlab仿真内容点击👇

智能优化算法       神经网络预测       雷达通信       无线传感器        电力系统

信号处理              图像处理               路径规划       元胞自动机        无人机 

⛄ 内容介绍

根据建筑物在高度方向截面上的点云数据必定位于其轮廓线的原理,提出基于聚类平面特征的点云数据精简算法.该算法无需对扫描对象进行表面重构,而是在保持建筑物高度方向数据精度的前提下,对点云数据分层聚类简化,保留满足条件的特征点,删除其余的点.通过实例证明该算法可以在保持建筑物外形特征的同时,达到较高的精简比率.

⛄ 部分代码

clc

clear

close all

tic

% mydir=uigetdir('d:','选择一个目录');

mydir='.\bunny';

DIRS=dir(fullfile(mydir,'*.ply'));

name={DIRS.name}';

p=7;

[~,P] = ply_read(fullfile(mydir,DIRS(p).name),'tri');

figure,plot3(P(1,:),P(2,:),P(3,:),'.');

axis equal

% figure;

% x=P(1,:);

% y=P(2,:);

% z=P(3,:);

% c=z+1;

% scatter3(x,y,z,0.1,c,'filled');

% colorbar

title('原始点云');

[~,n]=size(P);

k=500;

[idx0,~]=knnsearch(P',P','k',k+1);

idx0=idx0';

[nor,cur] = norcur(P, 8);

sign=zeros(1,n);

cidx=zeros(1,n);

for i=1:n

    if ~sign(i)

        sign(1,idx0(2:end,i))=1;

        cidx(i)=1;

    end

end

cent=P(:,cidx>0);%聚类中心

figure,plot3(cent(1,:),cent(2,:),cent(3,:),'.');

axis equal

% figure;

% x=P(1,:);

% y=P(2,:);

% z=P(3,:);

% c=z+1;

% scatter3(x,y,z,0.01,c,'filled');

% colorbar

title('聚类中心种子');

[idx,C]=kmeans(P',[],'start',cent');

figure,plot3(C(:,1),C(:,2),C(:,3),'.');

% figure;

% x=C(:,1);

% y=C(:,2);

% z=C(:,3);

% c=z+1;

% scatter3(x,y,z,3,c,'filled');

% colorbar

% view(2)

axis equal

title('Kmeans聚类中心');

jingjian=zeros(3,n);

pointer=0;

% jingjian=[];

%对每一个聚类簇，建立高斯球，在其中进行自适应漂移聚类

for i=1:size(C,1)

    p=P(:,idx==i);

    nor_i=nor(:,idx==i);

    bandwidth=pi./30;

    [data2cluster,numClust] = mymeanshift1(nor_i,bandwidth);

    for j=1:numClust

        clust=p(:,data2cluster==j);

        pointer=pointer+1;

        jingjian(:,pointer)=mean(clust,2);

    end

end

jingjian(:,pointer+1:end)=[];

figure,plot3(jingjian(1,:),jingjian(2,:),jingjian(3,:),'.');

axis equal

title('精简后的点云')

toc

⛄ 运行结果

⛄ 参考文献

[1] 王茹, 周明全, 邢毓华. 基于聚类平面特征的三维点云数据精简算法[J]. 计算机工程, 2011, 37(10):4.

[2] 曹晓叶, 王知衍, 梁英宏,等. 基于均值漂移聚类的点模型简化方法[J]. 计算机应用, 2008, 28(4):3.

[3] 王甲福, 秦昊. 基于八叉树的均值聚类点云精简方法[J]. 自动化应用, 2019(4):3.

⛳️ 代码获取关注我

❤️部分理论引用网络文献，若有侵权联系博主删除

❤️ 关注我领取海量matlab电子书和数学建模资料