基于区域聚类分割的点云特征线条提取

简介：
本研究提出一种基于区域聚类分割的方法，用于从复杂的三维点云数据中有效提取关键特征线条，提高模型简化与分析效率。 本段落提出了一种非结构化点云特征线提取方法，该方法主要分为区域分割和特征检测两个阶段。在区域分割阶段，采用社会粒子群优化模糊C-均值聚类算法对点云数据进行分区处理，以获得边界清晰的各个独立区域，便于后续步骤中针对各部分边界的特性提取；进入特征检测环节后，则通过局部径向基函数曲面重构技术来获取每个区域内采样点的具体曲率信息。在此基础上，还设计了一种基于平均曲率计算得到的局部特征权重，并结合该权重与曲率极值法共同实现对特征点的有效识别。此外，利用这些被确定为关键节点的数据构建最小生成树模型，进而形成完整的特征曲线结构。实验结果表明，在不同类型的点云模型上应用此方法能够准确提取出显著特征、尖锐边界以及强度变化的连续曲线等各类重要信息。