论文部分内容阅读
通过三维光学扫描技术必然生成大量密集的散乱点云数据，这就需要很大的存储空间和冗长的数据处理时间。本文提出一种基于K均值聚类的方法对海量密集点云数据进行精简，用递归细分的方法挑选聚类中心点同时删除冗余点，用K均值聚类把数据空间里相似的点集合在一起并按法向量的最大变化量把每个聚类细分为属于不同特征区域的子聚类，可保留下来一些微小特征，从而提高精简效果与速度。最后通过具体实例验证本文方法能取得良好的效果，具有较高的实际工程应用价值。