登录 | 注册 | 退出 | 公司首页 | 繁体中文 | 满意度调查
综合馆
散乱点云的边界提取
  • 摘要

    基于Kinect体感技术获取的周围环境点云数据量大,其中点云的边界是重要特征,是机器人导航的重要参数.为获得复杂散乱点云的边界特征,提出了一种基于点云库(PCL)的物体分割以及边缘轮廓提取算法.该算法通过建立散乱点云的kd-tree空间拓扑结构,经直通滤波、表面平滑处理对点云数据进行去噪、填补空洞.由于实际环境包含大量的平面,因此采用基于随机采样算法(RANSAC)可寻找种子点确定平面,进而应用平面分割找出平面上的感兴趣区域,并计算k邻域点的法线夹角,若大于阈值则为边界特征点.为验证算法的有效性,基于机器人操作系统(ROS),通过PCL点云库,快速、准确地对场景中的物体进行分割以及边缘轮廓提取.实验结果表明,所提出的算法能够快速、准确、有效地提取散乱点云的边界.

  • 作者

    丁承君  孙刚  尹李亮  齐春辉  DING Cheng-jun  SUN Gang  YIN Li-liang  QI Chun-hui 

  • 作者单位

    河北工业大学 机械工程学院,天津,300130

  • 刊期

    计算机技术与发展2017年7期 ISTIC

  • 关键词

    散乱点云  kd-tree  边界特征提取  分割  scattered point cloud  kd-tree  boundary characteristic extraction  segmentation 

相似文献 查看更多>>
3.236.204.251