论文部分内容阅读
针对现有点云特征提取算法中采用全局特征度量阈值及仅使用点的局部信息进行特征提取而造成的特征尖锐程度敏感、对潜在曲面差异较大模型效果差等问题,提出一种基于密度空间聚类(DBSCAN)的散乱点云特征提取方法。首先,对点的反 近邻进行定义,并提出一种新的特征检测算子;然后,将反 近邻的尺度作为点密度,引入特征的全局约束性信息;最后,对 DBSCAN 聚类方法中的相关概念进行重定义并建立新的特征识别准则,提取特征点。实验结果表明,该算法简单、有效、鲁棒,同时考虑了特征的局部性信息及全局约束性信息,针对潜在曲面形状