基于特征空间值筛选的点云关键点提取

针对传统的三维激光扫描点云关键点提取算法存在的计算效率低下、对噪声敏感以及算法不稳定等问题,提出了一种基于特征空间值筛选的关键点提取算法.首先建立用于特征提取的网络架构模型,以点云集内所有点与其邻域点的法向量夹角集合为输入,以一维特征空间向量为输出,按特征空间向量大小排序,选取其中最大n个值对应的点作为关键点.实验结果表明,该算法的关键点具有较高的可重复性和运行效率,且对于噪声的鲁棒性更好;在小场景、大场景数据中平均重复率分别约提高了23.0%和9.3%;关键点主要分布于特征变化明显区域,可较好地表达点云特征.