融合聚类算法的钢轨轮廓点云自适应精简

针对原始结构光钢轨轮廓点云数据量大、强噪声和离群杂点多的问题，本文提出了一种欧式聚类融合多种传统滤波方式的钢轨点云自适应精简的方法。采用点云欧式距离为特征量的聚类分割方法用于无效杂散点数据的识别和精简，采用统计滤波结合均匀体素下采样滤波方法实现点云初步去噪。在此基础上，通过欧式聚类分割噪点，采用自动获取滤波范围的自适应直通滤波去除轨底粘连数据，以保证点云配准的效率与准确性。本文提出的方法可有效精简无效数据和去噪，点云精简比约为94%,同时保留了原始点云的有效轮廓特征，为点云配准与磨耗点的高精度识别奠定了基础。