用神经网络进行散乱点的区域分割

摘要

点云的区域分割实质上是根据点的局部几何特性的相似性对点进行分类,利用自组织特征映射神经网络(self-organizing feature map, SOFM)可以实现无监督的特征聚类;本文使用SOFM进行反向工程中点云的区域分割,选用数据点的坐标、法向量六维向量作为SOFM的输入,通过改进SOFM的学习算法,加入输入权和距离权,加速了分割的速度和正确性.利用SOFM方法实现点云分割,具有以下优点:不必限定面的类型;用户可以控制分区的个数;可以处理噪音数据.并用实际数据验证了此方法的可行性.