关乎点云轮廓提取算法

Question

关于点云轮廓提取算法的内容，我刚开始了解。点云轮廓提取算法都包括哪些呢？

Answer 1

提取平面点云轮廓
一. 基于凸包的凹点挖掘算法：
算法
1. 提取点云的凸包ide
2. 计算凸包每条边的顶点的点密度（即该点 K 个临近点到该点的距离平均值）排序
3. 若是顶点点密度大于所在边的长度的 X 倍，则删除该边，并从内部点中选择出一个知足夹角最大的点，插入边界边，造成两条新的边界边ip
4. 迭代 2 和 3，一直到所有边界边的 X 倍小于其端点的点密度，算法结束io

二. 基于 Delaunay 三角网的轮廓提取算法：class

A. 不使用辅助点：di
1. 首先对点云进行 Delaunay 三角构网时间
2. 同上，判断每条网格边长度的X倍和其端点的点密度之间的大小关系，并删除长的网格边video
3. 提取只属于一个三角形的边界，做为边界边vi
4. 分类排序，获得有顺序关系的内外轮廓
B. 使用辅助点：

1. 手动在点云的边界附近选点
2. Delaunay构网
3. 判断每一个三角形，若是其中一个点是辅助点，而另外两个点是点云中的点，则链接这两个点作为边界边
4. 分类排序，获得有顺序关系的内外轮廓
   整体来讲，因为构网算法的时间复杂度较高，所以能够有选择的使用上面两种算法，好比只有在肯定要提取内轮廓的状况下，能够选择第二种轮廓提取算法