典型文献
基于改进自适应k均值聚类的三维点云骨架提取的研究
文献摘要：
针对三维点云中心骨架提取问题,提出一种基于改进的自适应k均值聚类预分割引导的点云骨架提取算法.首先,将输入点云体素化,利用八叉树算法覆盖输入点云并下采样实现点云化简;其次,在采样点中自适应选取初始聚类中心对点云进行区域划分,并颜色标记;最后,在区域分割的引导下应用L1-中值骨架提取算法实现点云骨架的提取.该算法主要针对L1-中值算法可重复性差、易丢失细节等缺点进行了改进,并且对输入点云的质量以及形状的几何或拓扑信息,都没有严格的先验要求,可以直接应用到未经任何预处理、含有噪声或离群点的初始扫描点云上.展示了从多种不规则点云提取的骨架结果,包括矮小植物、人体动作等.与传统算法相比,该算法具有高准确率、强鲁棒性、强学习扩展能力等优点.
文献关键词：
骨架提取;自适应聚类;L1-中值算法;八叉树采样;区域引导
中图分类号：
作者姓名：
鲁斌;范晓明
作者机构：
华北电力大学计算机系 保定071000
文献出处：
引用格式：
[1]鲁斌;范晓明-.基于改进自适应k均值聚类的三维点云骨架提取的研究)[J].自动化学报,2022(08):1994-2006
A类：
八叉树采样
B类：
均值聚类,三维点云,骨架提取,云中心,预分,分割引导,点云体素化,八叉树算法,下采样,云化,化简,采样点,点中,应选,初始聚类中心,区域划分,色标,区域分割,L1,算法实现,中值算法,可重复性,拓扑信息,先验,接应,离群点,扫描点云,点云提取,矮小,传统算法,自适应聚类,区域引导
AB值：
0.391154
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
