基于二分K-means聚类的曲率分级点云数据精简优化算法研究

来源：电子测量技术杂志2022年第4期北京时间：

作者：李佩佩，崔凤英

单位：青岛科技大学 自动化与电子工程学院，山东青岛 266061

摘要：针对单一精简算法无法精确保留模型特征信息、易造成点云表面孔洞等问题，提出了一种基于二分K-means聚类的曲率分级优化精简算法。首先采用最小二乘法对邻域进行曲面拟合，计算曲率值，依据曲率值划分显著特征区与非显著特征区，其次采用二分K-means聚类划分非显著特征区，依据子簇的曲率阈值筛选保留具有特征重要性的亚特征点，最后合并更新显著特征区的数据集和亚特征点，得到简化结果。通过仿真实验，从算法运行速度和信息熵两方面与空间包围盒法、曲率精简算法进行对比分析，结果表明，该算法在精简质量上优于其他两种算法，在点云数据重建方面具有一定的应用价值。

关键词：点云数据;二分K-means聚类;曲率简化

基金资助：山东省研究生教育质量提升计划项目 （SDYJD18029）