排序方式: 共有5条查询结果,搜索用时 0 毫秒
1
1.
Li DAR点云为小尺度地表形态的提取与表达提供了精确的数据源,但其高密度性与不确定性,导致应用Morse理论提取的特征点中含有大量的"伪特征点"。这里首先通过定义特征点指数等一系列概念,模拟特征点周围区域的地表形态,建立特征点重要性度量指标与计算方法;然后给出了地表重要特征点的提取算法;最后,进行了试验验证与分析。结果表明:提出的算法优于现有的持续值法与自然法则法,可以有效剔除"伪特征点",实现基于Li DAR点云小尺度复杂地形的特征点精确提取与多层次表达。 相似文献
2.
3.
针对海量LiDAR点云Delaunay三角网剖分的时间与空间性能的矛盾问题,提出了一种采用切块的流计算Delaunay构网算法。首先利用三角网墙(DeWall)从点云上切割特定大小与形状的独立数据块,避免分治算法的深度递归与内存溢出;然后运用分治算法对切块剖分,并给出了切块边界错误三角形删除算法;重复上述过程完成子网剖分,并依据非耦合区域分解模式合并为最终三角网。引入流计算的思想,以进一步提高算法的空间性能。分析与实验表明:该算法占用了较低内存,并取得了接近为O(nlg(δ))(δ为一个切块点数,且δ≤n)的时间复杂度。 相似文献
4.
LiDAR等新技术能快速获取海量模型表面离散数据,面对这些数据,仅通过提高计算机性能已不能满足实际需求,选择合适的数据表达方式,对其进行简洁、有效描述是亟待解决的问题.传统的几何方法,如三角网格等能对空间表面模型的几何信息进行精确表达且便于计算与分析,但其数据量大、冗余多、计算复杂.基于Morse理论建立的拓扑表达,能... 相似文献
5.
针对基于TIN的机载LiDAR点云数据插值为GRID过程中,大量TIN数据I/O操作导致的栅格化效率下降问题,提出了基于三角形驱动的点云栅格化流式算法:以基于直线正负区判别原理的TIN向GRID转换新算法为基础,通过遍历三角形模拟流计算实现三角形生成、三角形插值为GRID以及内存释放,有效避免了TIN数据的I/O操作,并可以提高内存利用率。试验表明:流式算法显著提高了点云栅格化效率,为海量点云的栅格化及并行计算提供了一种算法支撑。 相似文献
1