暂无评论
采用密度空间聚类的散乱点云特征提取方法
为了有效提取散乱点云上的特征点,针对现有点云特征提取算法采用全局统一的特征度量阈值易造成特征误判、漏判及需要多次人工调参的问题,基于离散Morse理论,提出一种自适应的特征提取算法。首先,采用基于局部
对三维点云信息的特征分类和提取，进行总结。
针对以往散乱点云特征提取算法存在尖锐特征点提取不完整以及无法保留模型边界点的问题,提出了一种多个判别参数混合方法的特征提取算法。对点云构建k-d tree,利用k-d tree建立点云K邻域;针对每个
基于马尔可夫随机场的散乱点云全局特征提取
基于聚类算法的颜色特征提取，提取颜色特征
点特征提取，在vc6.0下实现，可正常运行，尚有改进空间，多多交流！
提出一种非结构化点云特征线提取方法, 其过程主要分为区域分割和特征检测两个阶段。在区域分割阶段, 引入社会粒子群优化模糊C-均值聚类算法对点云数据进行区域聚类, 得到边界清晰的各个分区, 便于后续边界
为了在具有多个特征边界的散乱点云上提取指定目标特征边界，提出了一种基于目标特征边界交互提取的算法。拾取目标特征及其周围的点云。利用[KD]树建立散乱点云的空间拓扑关系，计算出每个数据点的[k]邻域。通
针对机器人随机箱体抓取过程中场景分割困难的问题, 提出一种基于改进欧氏聚类的散乱工件点云分割方法。采用直通滤波法和迭代半径滤波法进行预处理, 得到去除干扰点后的散乱工件点云; 通过基于法线夹角的边缘检
暂无评论