CN104200507A - 一种三维点云点法向量估计方法 - Google Patents
一种三维点云点法向量估计方法 Download PDFInfo
- Publication number
- CN104200507A CN104200507A CN201410396492.0A CN201410396492A CN104200507A CN 104200507 A CN104200507 A CN 104200507A CN 201410396492 A CN201410396492 A CN 201410396492A CN 104200507 A CN104200507 A CN 104200507A
- Authority
- CN
- China
- Prior art keywords
- sigma
- point
- normal vector
- neighbor points
- vector
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Abstract
本发明公开了一种三维点云点法向量估计方法,在空间邻域中确定各点的k近邻点,根据k近邻点计算各点的初始法向量,拟合平面,根据k近邻点到平面的距离远近选出距离最近60%~80%的k近邻点,在第一次选出的k近邻点中再选择与该点的法向量夹角最小的60%~80%的k近邻点,剔除噪声点,计算选出点的稳定的法向量,遍历点云,得到各点稳定的法向量。本发明先后使用距离判断和方向一致性判断剔除k近邻中不稳定的点,从而计算得到点云中点的较稳定的法向量,为点云的配准、聚类、分割等提供较稳定的计算参数,提高对噪声的抑制能力。
Description
技术领域
本发明涉及一种参数计算方法,特别是一种三维点云点法向量估计方法。
背景技术
随着传感器技术的进步,三维点云的获取越来越容易,如何理解以点云表示的三维场景是智能机器人导航、环境建模、体感游戏等领域要解决的重要问题。单纯使用点的三维空间坐标进行计算和分析一个点云场景是难以实现的,使用几何推理技术提取紧凑、有效的点特征能够更好的描述点云,便于开展下一步的计算。一个点的法向量是使用的最广泛的特征,广泛应用在数据配准、分割等方面。
目前常用计算一个点与其近邻点的协方差矩阵特征值和特征向量的方法估计点云中点的法向量的方向,这种方法对噪声比较敏感,而点云数据本身经常含有大量的噪声,因此采用这种方法在估计点云中点的法向量时容易引入较大的误差。
发明内容
本发明的目的在于提供一种三维点云点法向量估计方法,能够较好的估计含有噪声数据的点云中点的法向量。
实现本发明目的的技术解决方案为:一种三维点云点法向量估计方法,包括以下步骤:
步骤1、设一个三维点云的点集合为P,P中点的个数为N,取P中一点pi(xi,yi,zi)(pi∈P∈R3),1≤i≤N,在空间邻域中确定pi的k近邻点,其中k≥30,根据k近邻点确定pi的初始法向量;遍历点云P,确定P中每个点的初始法向量;
步骤2、对pi拟合平面;
步骤3、根据pi的k近邻点到拟合平面的距离远近选出距离最近的p个k近邻点,其中p为正整数且0.6k≤p≤0.8k;
步骤4、从步骤3选出的p个k近邻点中选择与pi的初始法向量夹角最小的m个k近邻点,其中m为正整数且0.6p≤m≤0.8p;
步骤5、根据步骤4选出的m个k近邻点确定pi的稳定的法向量;
步骤6、遍历点云P,确定P中每个点稳定的法向量。
本发明与现有技术相比,其显著优点为:(1)本发明在计算坐标协方差矩阵时,使用点集的中值代替均值,使结果更加稳定;(2)本发明根据点到平面的距离以及点法向量与拟合平面方向之间的夹角剔除k近邻中不稳定的点,提高了对噪声的抑制能力;(3)本发明的三维点云点法向量估计方法运用在光照计算中能明显改善三维模型的视觉显示效果。
下面结合附图对本发明做进一步说明。
附图说明
图1为本发明的三维点云点法向量估计方法的流程图。
图2为本发明实施例的初始法向量分布示意图。
图3为本发明实施例的稳定的法向量分布示意图。
具体实施方式
一种三维点云点法向量估计方法,包括以下步骤:
步骤1、设一个三维点云的点集合为P,P中点的个数为N,取P中一点pi(xi,yi,zi)(pi∈P∈R3),1≤i≤N,其中xi、yi、zi分别为点pi的X坐标、Y坐标和Z坐标,在空间邻域中确定pi的k近邻点,其中k≥30,根据k近邻点确定pi的初始法向量;遍历点云P,确定P中每个点的初始法向量;
步骤1-1、设pi的k近邻点集合为Npi;
步骤1-2、定义pi的坐标协方差矩阵为
C为一个3×3的对称半正定矩阵,计算C的3个特征值并按降序排列使λ2≥λ1≥λ0,三个特征值分别对应特征向量v2,v1,v0;取最小特征值对应的特征向量v0作为点pi的初始法向量ni;
若最小特征值λ0对应的特征向量有两个解,设2个解分别为ni1和ni2,从点pi指向坐标原点的向量为分别计算ni1和ni2与的夹角,即
取夹角不大于90°的特征向量作为pi的初始法向量ni,如果两个夹角都刚好等于90°,则在ni1和ni2中任取1个作为pi的初始法向量ni;
步骤2、对pi拟合平面;
设pi的k近邻点为pij(xij,yij,zij),j=1,2,...,k,采用最小二乘法进行拟合平面,拟合平面方程为Ax+By+z+D=0,则
其中:
步骤3、根据pi的k近邻点到平面的距离远近选出距离最近的p个k近邻点,其中p为正整数且0.6k≤p≤0.8k;具体包括以下步骤:
步骤3-1、设平面的单位法向量为nplan-i,中心点为分别计算k近邻点到该平面的距离
步骤3-2、将计算得到的k个距离按照从小到大排序,取到拟合平面距离较小的p个k近邻点形成点集PiOD,其中p为正整数且0.6k≤p≤0.8k;
步骤4、从步骤3选出的p个k近邻点中选择与pi的初始法向量夹角最小的m个k近邻点,其中m为正整数且0.6p≤m≤0.8p;具体包括以下步骤:
步骤4-1、设PiOD中一点的初始法向量为niOD,niOD与点pi的初始法向量ni的夹角为遍历PiOD,确定PiOD中所有点的初始法向量与点pi的初始法向量ni的夹角;
步骤4-2、将夹角按照从小到大排序,再取夹角较小的m个k近邻点形成点集PiODAng,其中m为正整数且0.6p≤m≤0.8p;
步骤4-3、把不包含在PiODAng中的点pi的k近邻点作为噪声点剔除。
步骤5、根据步骤4选出的m个k近邻点计算pi的稳定的法向量;具体包括以下步骤:
步骤5-1、使用点集PiODAng中的点计算点pi的稳定的坐标协方差矩阵
步骤5-2、计算CR的3个特征值并按降序排列使λR2≥λR1≥λR0,三个特征值分别对应特征向量vR2,vR1,vR0;
步骤5-3、最小特征值λR0对应的特征向量vR0为点pi的稳定的法向量nRi,当vR0有2个解时,采用步骤1-2中计算初始法向量中的方法取与的夹角不大于90°的特征向量作为点pi的法向量。
步骤6、遍历点云P,根据步骤2-步骤5计算P中每个点稳定的法向量。
下面结合具体实施例对本发明做进一步说明。
实施例1
结合图1,使用本发明的三维点云点法向量估计方法计算平面上点的稳定的法向量,包括以下步骤:
步骤1、设一个三维点云的点集合为P,P中点的个数为600,取P中一点pi(xi,yi,zi)(pi∈P∈R3),1≤i≤600,在空间邻域中确定pi的k近邻点,其中k=30,根据k近邻点确定pi的初始法向量;遍历点云P,确定P中每个点的初始法向量;具体包括以下步骤:
步骤1-1、设pi的k近邻点集合为Npi;
步骤1-2、定义pi的坐标协方差矩阵为
C为一个3×3的对称半正定矩阵,计算C的3个特征值并按降序排列使λ2≥λ1≥λ0,三个特征值分别对应特征向量v2,v1,v0;那么最小特征值对应的特征向量v0就是点pi的初始法向量ni;
若最小特征值λ0对应的特征向量有两个解,需要选1个解作为点pi的初始法向量,设2个解分别为ni1和ni2,从点pi指向坐标原点的向量为那么分别计算ni1和ni2与的夹角,即
取夹角不大于90°的作为pi的初始法向量ni,如果两个夹角均为90°,则在ni1和ni2中任取1个作为pi的初始法向量ni;
步骤2、对pi使用最小二乘法拟合平面;
设pi的k近邻点为pij(xij,yij,zij),j=1,2,...,30,待拟合平面方程为Ax+By+z+D=0,则
其中:
步骤3、根据pi的k近邻点到拟合平面的距离远近选出距离最近的80%的k近邻点,即24个k近邻点;具体包括以下步骤:
步骤3-1、设平面的单位法向量为nplan-i,中心点为分别计算k近邻点到该平面的距离
步骤3-2、将计算得到的30个距离按照从小到大排序,取到拟合平面距离较小的24个k近邻点形成点集PiOD;
步骤4、在步骤3选出的24个k近邻点中选择与该点的初始法向量夹角最小的80%的k近邻点;具体包括以下步骤:
步骤4-1、用公式(2)计算两个向量夹角的方法计算PiOD中的点的初始法向量与点pi的初始法向量ni的夹角;
步骤4-2、将夹角按照从小到大排序,再取夹角较小的80%的点形成点集PiODAng,PiODAng中点的个数为19个;
步骤4-3、把不包含在PiODAng中的点pi的k近邻点作为噪声点剔除;
步骤5、使用步骤4选出的k近邻点计算pi的稳定的法向量;具体包括以下步骤:
步骤5-1、使用点集PiODAng中的点计算点pi的稳定的坐标协方差矩阵
步骤5-2、计算CR的3个特征值并按降序排列使λR2≥λR1≥λR0,三个特征值分别对应特征向量vR2,vR1,vR0;
步骤5-3、最小特征值λR0对应的特征向量vR0为点pi的稳定的法向量nRi,当vR0有2个解时,采用步骤1-2中计算初始法向量中的方法取与的夹角不大于90°的特征向量作为点pi的法向量。
步骤6、遍历点云P,根据步骤2-步骤5计算P中每个点的稳定的法向量。
结合图2,箭头为点的初始法向量分布情况,为了显示的清楚,将3D点云并旋转到侧视的位置,随机显示约5%的点的法向量,可以看到其初始法向量分布有些杂乱。
结合图3,使用三维点云点法向量估计方法计算的稳定的法向量分布情况,随机显示约5%的点的法向量,且剔除了算法中计算得到的公共的噪声点,可以看到稳定的法向量分布规整,符合位于平面上的采样点的法向量分布特点。
本发明在计算坐标协方差矩阵时,使用点集的中值代替均值,使结果更加稳定;使用距离判断和方向一致性判断剔除k近邻中不稳定的点,从而计算得到三维点云中点的较稳定的法向量,为三维点云的配准、聚类、分割等提供较稳定的计算参数,提高对噪声的抑制能力。
Claims (6)
1.一种三维点云点法向量估计方法,其特征在于,包括以下步骤:
步骤1、设一个三维点云的点集合为P,P中点的个数为N,取P中一点pi(xi,yi,zi)(pi∈P∈R3),1≤i≤N,在空间邻域中确定pi的k近邻点,其中k≥30,根据k近邻点确定pi的初始法向量;遍历点云P,确定P中每个点的初始法向量;
步骤2、对pi拟合平面;
步骤3、根据pi的k近邻点到拟合平面的距离远近选出距离最近的p个k近邻点,其中p为正整数且0.6k≤p≤0.8k;
步骤4、从步骤3选出的p个k近邻点中选择与pi的初始法向量夹角最小的m个k近邻点,其中m为正整数且0.6p≤m≤0.8p;
步骤5、根据步骤4选出的m个k近邻点确定pi的稳定的法向量;
步骤6、遍历点云P,确定P中每个点的稳定的法向量。
2.根据权利要求1所述的三维点云点法向量估计方法,其特征在于,步骤1中根据k近邻点确定pi的初始法向量具体包括以下步骤:
步骤1-1、设pi的k近邻点集合为Npi;
步骤1-2、定义pi的坐标协方差矩阵为
C为一个3×3的对称半正定矩阵,计算C的3个特征值并按降序排列使λ2≥λ1≥λ0,三个特征值分别对应特征向量v2、v1和v0;取最小特征值对应的特征向量v0作为点pi的初始法向量ni;
若最小特征值λ0对应的特征向量有两个解,设2个解分别为ni1和ni2,从点pi指向坐标原点的向量为分别计算ni1和ni2与的夹角,即
取夹角不大于90°的特征向量作为pi的初始法向量ni,如果两个夹角都刚好等于90°,则ni1和ni2中任取1个作为pi的初始法向量ni。
3.根据权利要求1或2所述的三维点云点法向量估计方法,其特征在于,步骤2中对pi拟合平面具体包括以下步骤:
设pi的k近邻点为pij(xij,yij,zij),j=1,2,...,k,采用最小二乘法进行拟合平面,拟合平面方程为Ax+By+z+D=0,则
其中:
4.根据权利要求3所述的三维点云点法向量估计方法,其特征在于,步骤3中根据pi的k近邻点到拟合平面的距离远近选出距离最近的p个k近邻点,其中p为正整数且0.6k≤p≤0.8k,具体包括以下步骤:
步骤3-1、设拟合平面的单位法向量为nplan-i,中心点为分别计算k近邻点到该平面的距离
步骤3-2、将得到的k个距离按照从小到大排序,取到拟合平面距离较小的p个k近邻点形成点集PiOD,其中p为正整数且0.6k≤p≤0.8k。
5.根据权利要求4所述的三维点云点法向量估计方法,其特征在于,步骤4中所述从步骤3选出的p个k近邻点中选择与pi的初始法向量夹角最小的m个k近邻点,其中m为正整数且0.6p≤m≤0.8p;具体包括以下步骤:
步骤4-1、设PiOD中一点的初始法向量为niOD,niOD与点pi的初始法向量ni的夹角为遍历PiOD,确定PiOD中所有点的初始法向量与点pi的初始法向量ni的夹角;
步骤4-2、将夹角按照从小到大排序,再取夹角较小的m个k近邻点形成点集PiODAng,其中m为正整数且0.6p≤m≤0.8p;
步骤4-3、把不包含在PiODAng中的点pi的k近邻点作为噪声点剔除。
6.根据权利要求5所述的三维点云点法向量估计方法,其特征在于,根据步骤4选出的m个k近邻点确定pi的稳定的法向量,具体包括以下步骤:
步骤5-1、使用点集PiODAng中的点确定点pi的稳定的坐标协方差矩阵
步骤5-2、计算CR的3个特征值并按降序排列使λR2≥λR1≥λR0,三个特征值分别对应特征向量vR2,vR1,vR0;
步骤5-3、最小特征值λR0对应的特征向量vR0为点pi的稳定的法向量nRi,当vR0有2个解时,采用步骤1-2中计算初始法向量中的方法取与的夹角不大于90°的特征向量作为点pi的法向量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410396492.0A CN104200507B (zh) | 2014-08-12 | 2014-08-12 | 一种三维点云点法向量估计方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410396492.0A CN104200507B (zh) | 2014-08-12 | 2014-08-12 | 一种三维点云点法向量估计方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104200507A true CN104200507A (zh) | 2014-12-10 |
CN104200507B CN104200507B (zh) | 2017-05-17 |
Family
ID=52085793
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410396492.0A Active CN104200507B (zh) | 2014-08-12 | 2014-08-12 | 一种三维点云点法向量估计方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104200507B (zh) |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105118059A (zh) * | 2015-08-19 | 2015-12-02 | 哈尔滨工程大学 | 一种多尺度坐标轴夹角特征的点云快速配准方法 |
CN106952331A (zh) * | 2017-02-28 | 2017-07-14 | 深圳信息职业技术学院 | 一种基于三维模型的纹理映射方法和装置 |
CN107063086A (zh) * | 2017-03-13 | 2017-08-18 | 浙江优迈德智能装备有限公司 | 一种基于双红外传感器的局部曲面法向量确定方法 |
CN107218911A (zh) * | 2017-07-25 | 2017-09-29 | 广州市盾建地下工程有限公司 | 隧道掘进机刀具安装尺寸测量方法 |
CN107274446A (zh) * | 2017-06-05 | 2017-10-20 | 河海大学 | 一种利用法向一致性的尖锐几何边缘点识别方法 |
CN107492072A (zh) * | 2017-07-05 | 2017-12-19 | 山东理工大学 | 基于样点邻域同构曲面的散乱点云法向估计方法 |
CN107656418A (zh) * | 2016-07-26 | 2018-02-02 | 宁波舜宇光电信息有限公司 | 可调焦摄像模组光轴倾斜的测试与计算方法 |
CN109887024A (zh) * | 2019-02-16 | 2019-06-14 | 西南科技大学 | 一种点云法线估算新方法 |
CN110443836A (zh) * | 2019-06-24 | 2019-11-12 | 中国人民解放军战略支援部队信息工程大学 | 一种基于平面特征的点云数据自动配准方法及装置 |
CN111540001A (zh) * | 2020-04-09 | 2020-08-14 | 上海交通大学 | 航空发动机涡轮叶片气膜孔轴线方向检测方法 |
CN112446952A (zh) * | 2020-11-06 | 2021-03-05 | 杭州易现先进科技有限公司 | 三维点云法向量的生成方法、装置、电子设备及存储介质 |
TWI748409B (zh) * | 2019-10-31 | 2021-12-01 | 大陸商深圳市商湯科技有限公司 | 資料處理方法、處理器、電子設備和電腦可讀媒體 |
CN114136993A (zh) * | 2021-11-29 | 2022-03-04 | 北京工业大学 | 一种盾构隧道环缝检测方法与系统 |
CN114743259A (zh) * | 2022-02-28 | 2022-07-12 | 华中科技大学 | 位姿估计方法、位姿估计系统、终端、存储介质及应用 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8238619B2 (en) * | 2006-11-23 | 2012-08-07 | Samsung Electronics Co., Ltd. | Method of extracting ridge line and valley line from three-dimensional point data |
-
2014
- 2014-08-12 CN CN201410396492.0A patent/CN104200507B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8238619B2 (en) * | 2006-11-23 | 2012-08-07 | Samsung Electronics Co., Ltd. | Method of extracting ridge line and valley line from three-dimensional point data |
Non-Patent Citations (2)
Title |
---|
DAOSHAN OUYANG等: "On the normal vector estimation for point cloud data from smooth surfaces", 《COMPUTER-AIDED DESIGN》 * |
袁夏等: "一种应用于机器人导航的激光点云聚类算法", 《机器人》 * |
Cited By (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105118059A (zh) * | 2015-08-19 | 2015-12-02 | 哈尔滨工程大学 | 一种多尺度坐标轴夹角特征的点云快速配准方法 |
CN107656418A (zh) * | 2016-07-26 | 2018-02-02 | 宁波舜宇光电信息有限公司 | 可调焦摄像模组光轴倾斜的测试与计算方法 |
CN106952331A (zh) * | 2017-02-28 | 2017-07-14 | 深圳信息职业技术学院 | 一种基于三维模型的纹理映射方法和装置 |
CN106952331B (zh) * | 2017-02-28 | 2020-12-08 | 深圳信息职业技术学院 | 一种基于三维模型的纹理映射方法和装置 |
CN107063086A (zh) * | 2017-03-13 | 2017-08-18 | 浙江优迈德智能装备有限公司 | 一种基于双红外传感器的局部曲面法向量确定方法 |
CN107063086B (zh) * | 2017-03-13 | 2019-03-12 | 浙江优迈德智能装备有限公司 | 一种基于双红外传感器的局部曲面法向量确定方法 |
CN107274446A (zh) * | 2017-06-05 | 2017-10-20 | 河海大学 | 一种利用法向一致性的尖锐几何边缘点识别方法 |
CN107274446B (zh) * | 2017-06-05 | 2020-11-20 | 河海大学 | 一种利用法向一致性的尖锐几何边缘点识别方法 |
CN107492072A (zh) * | 2017-07-05 | 2017-12-19 | 山东理工大学 | 基于样点邻域同构曲面的散乱点云法向估计方法 |
CN107218911A (zh) * | 2017-07-25 | 2017-09-29 | 广州市盾建地下工程有限公司 | 隧道掘进机刀具安装尺寸测量方法 |
CN109887024A (zh) * | 2019-02-16 | 2019-06-14 | 西南科技大学 | 一种点云法线估算新方法 |
CN110443836A (zh) * | 2019-06-24 | 2019-11-12 | 中国人民解放军战略支援部队信息工程大学 | 一种基于平面特征的点云数据自动配准方法及装置 |
CN110443836B (zh) * | 2019-06-24 | 2022-03-18 | 中国人民解放军战略支援部队信息工程大学 | 一种基于平面特征的点云数据自动配准方法及装置 |
TWI748409B (zh) * | 2019-10-31 | 2021-12-01 | 大陸商深圳市商湯科技有限公司 | 資料處理方法、處理器、電子設備和電腦可讀媒體 |
CN111540001A (zh) * | 2020-04-09 | 2020-08-14 | 上海交通大学 | 航空发动机涡轮叶片气膜孔轴线方向检测方法 |
CN111540001B (zh) * | 2020-04-09 | 2022-08-05 | 上海交通大学 | 航空发动机涡轮叶片气膜孔轴线方向检测方法 |
CN112446952A (zh) * | 2020-11-06 | 2021-03-05 | 杭州易现先进科技有限公司 | 三维点云法向量的生成方法、装置、电子设备及存储介质 |
CN112446952B (zh) * | 2020-11-06 | 2024-01-26 | 杭州易现先进科技有限公司 | 三维点云法向量的生成方法、装置、电子设备及存储介质 |
CN114136993A (zh) * | 2021-11-29 | 2022-03-04 | 北京工业大学 | 一种盾构隧道环缝检测方法与系统 |
CN114743259A (zh) * | 2022-02-28 | 2022-07-12 | 华中科技大学 | 位姿估计方法、位姿估计系统、终端、存储介质及应用 |
Also Published As
Publication number | Publication date |
---|---|
CN104200507B (zh) | 2017-05-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104200507A (zh) | 一种三维点云点法向量估计方法 | |
CN102136155B (zh) | 基于三维激光扫描数据的物体立面矢量化方法和系统 | |
CN107610061B (zh) | 一种基于二维投影的保边点云孔洞修补方法 | |
CN103729872B (zh) | 一种基于分段重采样和表面三角化的点云增强方法 | |
CN107228673A (zh) | 航路规划方法及装置 | |
CN102831645A (zh) | 一种应用于海底地形的数字高程模型的建立方法 | |
CN104820991A (zh) | 一种基于代价矩阵的多重软约束立体匹配方法 | |
CN105931298A (zh) | 一种基于视觉显著性的浅浮雕位置自动选择方法 | |
Liu et al. | A Kriging algorithm for location fingerprinting based on received signal strength | |
CN105303590A (zh) | 带属性三维矿体的块体模型切割生成二维剖面图的方法 | |
CN103714549A (zh) | 基于快速局部匹配的立体图像对象分割方法 | |
CN103826298A (zh) | 一种协作式迭代优化的无线传感器网络定位计算方法 | |
CN101510308A (zh) | 产品模型点云边界特征快速提取方法 | |
CN103970837A (zh) | 基于城市用地和竖向规划的不连续dem分类制作方法 | |
CN104361625A (zh) | 一种基于射线原理的带边界保留的云数据精简算法 | |
CN105243137A (zh) | 一种基于草图的三维模型检索视点选择方法 | |
CN107274448B (zh) | 一种基于水平树结构的可变权重代价聚合立体匹配算法 | |
CN109671152B (zh) | 一种基于高斯加权离散导数的线点云几何特性估算方法 | |
CN103985149B (zh) | 三维彩色点云点特征描述方法 | |
Yaghouti et al. | Determining optimal value of the shape parameter $ c $ in RBF for unequal distances topographical points by Cross-Validation algorithm | |
Ran et al. | Normal estimation algorithm for point cloud using KD-Tree | |
CN104794747A (zh) | 一种基于射线原理的三维点云数据精简算法 | |
CN104680543B (zh) | 基于3D‑Zernike矩相位分析的数字表面模型方位差异估计方法 | |
CN104123727A (zh) | 一种基于自适应高斯加权的立体匹配方法 | |
CN104462764A (zh) | 一种虚拟现实仿真中物体表面间最小距离的快速计算方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |