[发明专利]基于特征保留的散乱点云压缩算法

权利要求书

1.一种基于特征保留的散乱点云压缩算法，包括以下步骤：

步骤一：从点集中取一点利用分块技术搜索其K近邻域，建立点云拓扑关系；

步骤二：根据点K近邻域，计算点云的法矢量、曲率，并调整法矢方向，使之具有一致性；

步骤三：根据曲率，取出符合要求的特征点予以保留；

步骤四：以八叉树理论为基础，按照精简原则，在保证物体特征的前提下精简点云。

2.根据权利要求1所述的算法，其特征在于步骤一中所述搜索点                                               近邻域的分块技术，为根据所有散乱点坐标的最小和最大值，计算最大包围立方体包围所有点云数据；然后根据点云的数量和分布将最大立方体分割成个子立方体，子立方体边长设为并对每个立方体按照一定的顺序编号，则对点云中的任一点，其所在子立方体为：，其中i、j、k分别表示为该点在立方体的方向立方体栅格的索引号，完成分块后，确定值，根据需搜索邻域的点的坐标，求得其对应子立方体编号以及相邻的26个子立方体编号，在这27个子立方体内部搜索，找到距离最近的个近邻点，若点数不够，则将子立方体向外扩展，继续搜索，若仍达不到要求，则认为该点为噪声点，继续搜索下一点，直到所有的点搜索完毕。

3.根据权利要求1所述的算法，其特征在于步骤二中，利用点云拓扑关系即其近邻域以及最小二乘法计算点法矢及曲率，法矢平面方程采用，曲率估算采用抛物面拟合法，设抛物面方程为：，对被搜索点P及其邻域内的点进行最小抛物面拟合，求出系数a,b,c,则P的高斯曲率K和平均曲率H分别为：重复进行，直到求出所有点的高斯曲率和平均曲率。

4.根据权利要求1所述的算法，其特征在于步骤三中，采取固定检测率的方式，即用户设置检测率，将所有点按曲率排序，将符合检测率要求的点给予保留。

5.根据权利要求1所述的算法，其特征在于步骤四中，所述精简原则为，当某一网格内点集的法矢标准偏差大于指定阀值，则对其进行细分保留更多的点，将该网格等分成八份，保留更多的细节信息。

6.根据权利要求5所述的算法，其特征在于网格法矢标准偏差由下式可得：

其中，为网格内所有点的三个坐标分量平均值，，是每个点的点法矢。