基于多尺度邻域平移法向估计算法——点云的法向量估计

摘要

本文以邻域漂移的思想为基础,提出一种简洁高效的点云法向估计算法,该算法在保证效率的同时可以有效克服边界点的法向估计效果较差的问题。首先,设计了一种多尺度候选邻域集的生成方法,该方法以当前点的所有近邻点为中心,通过多尺度的策略丰富了候选邻域集的内容,进而提高了最优邻域的质量;其次在最优邻域的评价上不仅采用协方差对候选邻域集的“平坦程度”进行刻画,而且也考虑了候选邻域与当前点的距离,从而筛选出最合理的最优邻域,提高了法向的质量。实验结果表明,该算法可以有效的克服噪声和非均匀采样等问题,很好的恢复模型的尖锐特征,更好的权衡质量和时间。