基于三维点云模型的数字水印算法研究.pdf

Point-Cloud-Classification-and-Volume-Estimation-master

针对数据排列无序、随机缺失及伴随白噪声等问题,提出一种基于因子分析法的三维点云配准方法。将点云数学模型扩展为正交因子模型,从而将点云的配准问题转换为对模型参数的求解问题;采用高斯混合模型对点云进行拟合

提出了一种基于离散曲率估计和kd-tree简化人脸点云的并行EM-ICP配准算法。首先建立人脸点云的三维空间kd-tree,并结合离散高斯曲率对点云进行了保留几何特征的简化;然后基于CUDA对EM-I

八叉树结构是三维数据建模中研究和应用最为广泛的栅格数据结构。由于三维扫描的点云数据是基于物体表面的,其空间离散程度远大于三维实体数据,一般的线性八叉树编码压缩方法都是基于实体数据的,不能直接应用于三维

点云分割是三维模型检索、分类及重建的基础，为解决点云分割算法存在鲁棒性差、过分割和欠分割问题，提出一种基于边界特征的点云模型分割算法。将点云模型过分割为弱凸区域，利用巴氏距离判断相邻区域的相似性进行区

大量的点云数据是通过三维激光扫描得到的，而点云数据的显示快慢受到了数据索引的直接影响，这是一个基础性问题。经过研究，八叉树与叶节点ＫＤ树相结合的混合空间索引结构以及ＬＯＤ构建的层次细节模型是用来解决点

三维点云

三维点云数据的快速拼接技术研究,徐亚楠,吴侃,在获取物体表面数据过程中,由于物体过大或者单幅不能实现完全测量时,需要对测量点云进行拼接处理。本文通过简化的ICP算法(Iterativ

提出了一种激光扫描数据和影像融合的方法,通过立体像对匹配获取精确匹配点,并与三维扫描点云进行最邻近迭代配准;在利用网格划分法进行的K邻近点搜索中,采用欧氏距离的选择权迭代逐步实现影像点与激光扫描点的精

针对同一物体不同视角下获得的三维点云数据,提出一种基于改进特征点对选取的三维点云配准方法。在欧氏距离的基础上选取与目标点最近的三点均值为对应点,并应用邻域比值法来剔除错误点,结合K-d tree 提高