典型文献
融合kmeans聚类与Hausdorff距离的点云精简算法改进
文献摘要：
通常情况下,融合kmeans聚类与Hausdorff距离的点云精简算法在目标曲面的曲率值过小时需要设定Hausdorff距离阈值,在模型表面复杂情况下曲率估算精度不高,针对以上问题对该算法进行改进.首先在kmeans聚类中k值的确定采用手肘法确定聚类数保证聚类精度,然后采用维数特征Hausdorff距离代替主曲率Hausdorff距离提取特征点,避免了曲率的估算和在曲率值过小时设定Hausdorff距离阈值,最后融合kmeans聚类簇心与采用维数特征Hausdorff距离提取的特征点实现数据精简.采用实际扫描的点云数据进行验证,实验表明改进后的算法在相近精简率下提取的特征点更多,精度更高.
文献关键词：
点云精简;kmeans聚类;Hausdorff距离;维数特征;手肘法
中图分类号：
作者姓名：
彭海驹;严科文;林松;赖浩源;张泽鑫
作者机构：
惠州市自然资源规划勘测院,广东 惠州 516000
文献出处：
引用格式：
[1]彭海驹;严科文;林松;赖浩源;张泽鑫-.融合kmeans聚类与Hausdorff距离的点云精简算法改进)[J].地理空间信息,2022(08):59-63
A类：
B类：
kmeans,Hausdorff,点云精简,精简算法,算法改进,距离阈值,复杂情况,估算精度,手肘法,定聚,聚类数,聚类精度,维数特征,主曲率,提取特征点,点云数据
AB值：
0.268717
相似文献
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。
