导读:本文包含了曲率精简论文开题报告文献综述及选题提纲参考文献，主要关键词:最小二乘法,加权最小二乘法,曲率,特征点
曲率精简论文文献综述
唐泽宇,高保禄,窦明亮[1]（2019）在《基于加权最小二乘法曲率计算的点云精简算法》一文中研究指出针对目前点云精简算法的曲率计算不准确、精度不高等问题,提出一种基于加权最小二乘法曲率计算的点云精简算法。使用点的离群率作权值;使用二次曲面为计算模型;使用加权最小二乘曲面拟合生成曲面,计算曲面的平均曲率。对于点云的精简,结合使用K-means聚类算法和基于泊松分布的特征点检测算法进行精简。实验结果表明,该算法能够有效提升曲率计算的准确度,避免了孔洞现象,更好保留了点云数据的原始物理特征。(本文来源于《计算机工程与设计》期刊2019年06期）
黄天天,刘波[2]（2018）在《基于曲率的植物叁维点云精简算法的优化》一文中研究指出针对植物叁维点云精简时特征信息提取不准确的情况,提出局部曲率误差和法向量夹角相结合的区域复杂度判断方法,对曲率精简算法进行改进。将每个数据点K邻域内曲率标准差和法向量夹角与阈值进行比较,确定局部区域的复杂情况,采用不同精简率判定邻域点是否保留,统计其保留概率,最后通过整体精简率和保留概率确定数据点的取舍。通过与传统精简算法进行对比分析,在相近精简率下,提出的局部曲率误差–法向量夹角法精简后的植物叶片、叶脉特征更明显,封装建模后的偏差减小了25%以上。(本文来源于《湖南农业大学学报(自然科学版)》期刊2018年05期）
陈新河,庞俊亭,周波[3]（2016）在《改进的分层曲率海量点云精简算法》一文中研究指出海量点云精简既要考虑算法的复杂度,又要考虑精简结果的效果。根据叁维扫描仪形成的点云特点,提出将空间点云划分为扫描层平面点云,从而将空间问题转化为平面问题。通过平面内Angl的简单计算获得点曲率,从而简化算法复杂度;通过引进距离参数Dis防止精简"大孔洞"的出现;通过综合考虑点的曲率和点间的距离,形成一个判别点是否被删除的标准,修改该判别标准公式中的系数,可以得到不同的精简效果。试验结果证明,该算法对海量点云的精简实践可行,具有复杂度低、数据精简率高等特点。(本文来源于《计算机应用与软件》期刊2016年04期）
麻卫峰,周兴华,徐文学,潘光江[4]（2015）在《一种基于局部曲率特征的点云精简算法》一文中研究指出平均曲率是分析叁维表面的重要几何特征之一。根据平均曲率进行海量散乱点云数据的精简,首先通过空间包围盒法建立K邻域,然后对K邻域内的点拟合二次曲面计算平均曲率,最后以邻近区域内点的平均曲率中误差为阈值,结合点的精简概率判定点是否保留。通过与传统方法对比,证实了文中方法在保留特征点和压缩上具有较好的优势。(本文来源于《测绘工程》期刊2015年11期）
王莹莹[5]（2015）在《基于方向矢量曲率估算的点云精简研究》一文中研究指出逆向工程获得的大量散乱点云数据,不利于后续曲面重构工作,因此需要进行点云精简。文章利用包围盒法分割原始点云数据,确定K邻域的中心点并搜索K邻域点,基于方向矢量曲率计算方法估算曲率,并采用曲率精简原则精简点云。实例证明,该方法对于大量点云精简有明显效果。(本文来源于《信息技术》期刊2015年06期）
吴凤和,王鑫,孙迎兵,王军[6]（2015）在《基于曲率弦高法的海量测量数据精简》一文中研究指出针对视觉测量的点云数据过大而不利于计算和重构的问题,在分析视觉测量点云数据特征的基础上,将曲率原则和弦高法相结合,提出基于曲率弦高法的海量测量数据精简方法。该方法在考虑曲线曲率变化的基础上构建弦高函数,并通过迭代得到各测点变化的弦高值,再根据弦高法的数据精简原则确定需要保留的测量点。仿真实验表明,该方法在平均误差小于0.2 mm时,精简率为89.8%,能够有效地对海量点云数据进行精简,并实现精简后测点按曲面曲率的合理分布。(本文来源于《计量学报》期刊2015年03期）
蔡志敏,王晏民,黄明[7]（2013）在《基于KD树散乱点云数据的Guass平均曲率精简算法》一文中研究指出针对大数据散乱点云精简问题,提出基于平均曲率为判断依据的精简算法。采用KD树结构对点云数据建立k领域。在散乱点参数化的基础上,对k领域内的点进行二次曲面拟合,求出拟合平面的平均曲率,进而得出领域内所有数据点的平均曲率均值,以此为判断依据精简。构造曲率差函数,识别出边界数据点,对边界数据进行保护。试验结果表明,该算法对曲率变化大的点云数据精简有一定的理论和应用价值。(本文来源于《测绘通报》期刊2013年S1期）
葛源坤,黎荣,李海伦[8]（2012）在《空间分割与曲率相融合的点云精简算法研究》一文中研究指出非接触式扫描方法获得点云数据存在大量的冗余数据。为便于模型重构,针对点云数据精简是必不可少的数据预处理手段,提出了一种基于空间分割和曲率特征信息的点云数据精简算法。通过K-邻域计算、二次曲面拟合、曲率估算和曲率阈值可调的数据分区等关键精简技术,实现了对同一数据不同区域应用不同精简算法,进行不同比例的数据精简。实例验证表明,该算法能适应各种类型曲面数据的精简要求,保证精简效率的同时,很好地保留点云的特征信息。(本文来源于《计算机应用研究》期刊2012年05期）
周煜,张万兵,杜发荣,药晓江[9]（2010）在《散乱点云数据的曲率精简算法》一文中研究指出针对海量散乱点云数据精简问题,提出了以平均曲率为判据的精简算法.采用八叉树结构对点云数据进行空间分割,由分割结果建立k邻域.在散乱数据点参数化的基础上,对k邻域内的散乱点进行二次曲面拟合,求出拟合曲面的平均曲率,进而得出邻域内所有数据点的平均曲率均值,以此为判据进行数据精简.构造曲率差函数,识别出边界数据点,对其进行数据保护.结果表明,该算法对具有曲率多样化特点的点云数据精简具有一定的理论意义和应用价值.通过实验验证了该算法的可靠性和准确性.(本文来源于《北京理工大学学报》期刊2010年07期）
姜涛,程俊廷,伏利[10]（2010）在《曲面曲率精简算法研究》一文中研究指出逆向工程中对实体扫描时,由于会受到各种因素的影响,使得测量数据多而无序,为后续的曲面重构和曲面拟合等带来困难。应用曲面曲率算法,即在曲面曲率较大的地方,留足够多的点,在曲面曲率较小的地方,留少量的点,使点云曲面收敛为一个稳定的叁维数字模型。通过实验结果表明能有效进行数据精简并很好的保持特征。(本文来源于《装备制造技术》期刊2010年03期）
曲率精简论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
针对植物叁维点云精简时特征信息提取不准确的情况,提出局部曲率误差和法向量夹角相结合的区域复杂度判断方法,对曲率精简算法进行改进。将每个数据点K邻域内曲率标准差和法向量夹角与阈值进行比较,确定局部区域的复杂情况,采用不同精简率判定邻域点是否保留,统计其保留概率,最后通过整体精简率和保留概率确定数据点的取舍。通过与传统精简算法进行对比分析,在相近精简率下,提出的局部曲率误差–法向量夹角法精简后的植物叶片、叶脉特征更明显,封装建模后的偏差减小了25%以上。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
曲率精简论文参考文献
[1].唐泽宇,高保禄,窦明亮.基于加权最小二乘法曲率计算的点云精简算法[J].计算机工程与设计.2019
[2].黄天天,刘波.基于曲率的植物叁维点云精简算法的优化[J].湖南农业大学学报(自然科学版).2018
[3].陈新河,庞俊亭,周波.改进的分层曲率海量点云精简算法[J].计算机应用与软件.2016
[4].麻卫峰,周兴华,徐文学,潘光江.一种基于局部曲率特征的点云精简算法[J].测绘工程.2015
[5].王莹莹.基于方向矢量曲率估算的点云精简研究[J].信息技术.2015
[6].吴凤和,王鑫,孙迎兵,王军.基于曲率弦高法的海量测量数据精简[J].计量学报.2015
[7].蔡志敏,王晏民,黄明.基于KD树散乱点云数据的Guass平均曲率精简算法[J].测绘通报.2013
[8].葛源坤,黎荣,李海伦.空间分割与曲率相融合的点云精简算法研究[J].计算机应用研究.2012
[9].周煜,张万兵,杜发荣,药晓江.散乱点云数据的曲率精简算法[J].北京理工大学学报.2010
[10].姜涛,程俊廷,伏利.曲面曲率精简算法研究[J].装备制造技术.2010