面向无组织点云中快速鲁棒的边缘提取方法

点云处理

已于 2023-12-11 21:22:51 修改

阅读量891

点赞数 24

分类专栏：激光点云数据处理文章标签：机器学习人工智能

于 2023-12-09 17:40:02 首次发布

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.csdn.net/qq_48694523/article/details/134897574

版权

激光点云数据处理专栏收录该内容

30 篇文章 16 订阅 ¥19.90 ¥99.00

订阅专栏

超级会员免费看

目录

一、相关介绍

二、计算方法

三、实现代码

四、运行结果

五、参考文献

一、相关介绍

边缘在场景曲面中提供重要的视觉信息。通常，边缘识别需要提取几何特征，如法向量和曲率。由于法线本身不能提供关于云的几何体的足够信息，因此需要对提取的法线进行进一步分析以进行边缘提取，例如聚类方法。通过这些技术进行的边缘提取包括几个步骤，这些步骤的参数取决于点云的密度和规模。在此，使用了一种快速而精确的方法来检测尖锐边缘特征，通过分析由每个点的k近邻定义的协方差矩阵的特征值。

二、计算方法

对于云的每个点 $P_{i}$ 皆存在 $K$ 个最近邻，因此，存在 $k(k+1)$ 个以 $P_{i}$ 和两个邻域点为顶点构建的可能三角形。这里有这些三角形的 $k(k+1)$ 个法向量。通过分析点 $P_{i}$ 的给

了解本专栏

超级会员免费看

关注

24
点赞
踩
19

收藏

觉得还不错? 一键收藏
打赏
2
评论
面向无组织点云中快速鲁棒的边缘提取方法

边缘在场景曲面中提供重要的视觉信息。通常，边缘识别需要提取几何特征，如法向量和曲率。由于法线本身不能提供关于云的几何体的足够信息，因此需要对提取的法线进行进一步分析以进行边缘提取，例如聚类方法。通过这些技术进行的边缘提取包括几个步骤，这些步骤的参数取决于点云的密度和规模。在此，使用了一种快速而精确的方法来检测尖锐边缘特征。
复制链接

扫一扫

专栏目录

评论 2

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

打赏作者

点云处理 你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20

扫码支付：¥1

获取中

扫码支付

您的余额不足，请更换扫码支付或充值

实付元

使用余额支付

点击重新获取

扫码支付

钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。