一种利用曲率约束的改进K-means三维点云数据分割方法

摘要 为了提高三维点云逆向重建中对局部细节部位的敏感性,解决表面特征变化较大、外形较为复杂的点云数据分割不理想对后续处理产生较大影响的问题,提出一种利用曲率约束的三维点云数据分割新方法.该方法首先利用点云数据的坐标信息,计算出对应的曲率信息,然后基于坐标和曲率对点云之间的距离进行定义,在此基础上,按照K-means聚类的思想,实现点云的分割.同时,为了解决聚类分割对初始聚类中心的依赖,提高分割效率,提出一种基于立方体素栅格的点云初始聚类中心选取方法.实验结果表明,本文方法实现了点云数据特征明显部位的细分割,通过调整约束参数可以适用于曲面变化差异程度不同的点云数据分割,初始分割中心的选取方法保证了分割结果的唯一性和有效性,大大减少了消耗的时间,明显提高了效率,本文方法对实际应用具有积极的意义