买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：安徽建筑大学

摘要：本发明公开了基于点云数据的三维模型表面平整度优化方法，属于点云处理技术领域，包括以下步骤：S1：数据的采集与处理；S2：不平整点云的识别与优化。本发明能够自动识别点云数据中的不平整区域，而现有技术往往需要人工干预来识别这些区域，显著提高了效率和准确性；通过本发明提出的优化算法，优化了点云数据的表面平整度，减少了因表面不规则性导致的建模误差，提升了模型质量；通过自动化的识别和优化流程，减少了对人工操作的依赖，降低了因人工操作带来的误差和成本；最终输出的结果易于与其他三维建模软件和流程集成，方便用户进行后续的建模和分析工作。

主权项：1.基于点云数据的三维模型表面平整度优化方法，其特征在于，包括以下步骤：步骤S1：数据的采集与处理根据预先规划好的采集线路及采集顺序，进行建筑原始激光点云数据采集工作，然后对数据进行预处理；步骤S2：不平整点云的识别与优化对经过预处理的点云数据进行坐标转换、特征识别，获取不平整点云，然后对其进行平整度优化，多次优化之后得到平整点云，实现基于点云数据的三维模型表面平整度优化；在所述步骤S2中，不平整点云的识别与优化过程如下：步骤S21：对平面点云进行坐标转换处理；步骤S22：对平面点云上每个点使用特征值法得到局部平面法向量；步骤S23：根据相邻局部平面法向量角度变化和设定的阈值进行比较，得到不平整点云和平整点云；步骤S24：建立KD-Tree，计算不平整点云邻域半径内的平整点云的平均坐标值，用此来代替不平面点云的坐标，完成一次平整度优化；步骤S25：对完成一次平整度优化的平面点云进行不平整点云的识别，检查是否存在不平整点云，如果存在则继续迭代优化，直至检查结果显示没有不平整点云或达到迭代次数；步骤S26：输出优化后的点云数据；在所述步骤S24中，不平整点云的优化过程如下：步骤S241：建立KD-Tree数据结构，用于搜索点云中的邻域点；步骤S242：确定邻域半径RL，该半径定义了搜索邻域的范围；步骤S243：使用建立的KD-Tree和邻域半径RL，定位每个不平整点云在邻域半径RL内的所有平整点云；步骤S244：计算邻域半径RL内平整点云的平均值，公式如下： ;其中，q是邻域半径RL内平整点云的总数；步骤S245：用计算得到的坐标平均值代替不平整点云的坐标；步骤S246：更新点云数据，得到第一次平整度优化后的平面点云。

全文数据：

权利要求：

百度查询： 安徽建筑大学 基于点云数据的三维模型表面平整度优化方法