点云数据计算曲率的算法实现，可以实现点的曲率计算

以机载LiDAR激光点云数据与高分辨率航空影像为数据源,针对铁路沿线建(构)筑物空间分布特征,提出一种基于机载LiDAR数据法向量分析和曲率计算的建(构)筑物顶面点云区域增长分割算法。创建建(构)筑物顶面轮廓线提取、规则化和再调整的技术方法,实现铁路附属建(构)筑物的三维重建,并在建(构)筑物顶面点云面片分割的基础上,建立铁路附属建(构)筑物三维建模的技术流程。为铁路勘测设计、线路改造、资产清查、应急抢险指挥决策、数字三维铁路建设等提供可靠的技术支持和服务保障。

从地铁隧道三维点云数据中分割出物体的点云是自动化检测地铁隧道病害及重建地铁隧道三维模型的关键步骤。由于某自动化检测系统的结构特点,使用其采集的三维点云数据计算点云法线向量和曲率时准确度不高,导致一些常用的三维点云分割算法,比如一种改进的区域生长分割法不适用于该检测系统采集的点云数据。为了分割某自动化检测系统采集的三维点云数据,设计并实现了一种基于密度聚类的分割算法。这种算法避免使用不准确的法线向量和曲率,克服了某自动化检测系统的缺点,并用实际三维点云数据对比了区域生长分割法和基于密度聚类分割算法

由非接触式扫描方法获得的点云数据存在大量的冗余点,为便于模型重构, 提出一种新的基于动态网格k邻域搜索的点云精简方法.首先,对点云进行k邻域搜索,在k邻域搜索过程中采用动态网格的方法快速寻找k邻域点;然后,根据数据点的k邻域计算点的曲率、点与邻域点法向夹角的平均值、点与邻域点的平均距离,并利用这3个参数定义特征判别参数和特征阈值,比较大小,对特征点进行提取;最后,利用包围盒法对非特征点进行二次精简,将精简后的点云与特征点拼接,实现精简目的.实验结果表明,所提出方法与其他k邻域搜索方法相比,提高了