逆向工程采用激光扫描设备获取点云数据时会引入无关离体噪声点,针对密度聚类法去噪时引起的内存占用较大、收敛时间较慢的问题,提出了一种高效的点云去噪聚类方法。首先,采用KD-tree建立点云数据的空间索引结构,选择点云的某一维度,找出最小索引核心点云。然后,沿着该维度方向在核心点云邻域外选择最近的未标记的点云扩展密度类。最后,分离出密度相连最大的点云类以完成点云去噪。实验结果表明,与统计滤波、半径滤波、密度聚类滤波算法相比,该方法在完整保留目标点云的同时能高效地去除离体点云噪声,提高了点云去噪的质量。

针对不完整锥面工件模型拟合问题背景,为了解决大量点云数据的标准几何模型拟合问题,提出一种基于遗传算法的锥面点云数据拟合算法:通过随机选取拟合模型采样点,用点云数据点-标准模型采样点的距离计算替代点云数据点-标准曲面模型的距离运算,提高计算效率同时保留点云细节特征;通过对点云数据建立Kd-tree索引提升标准模型采样点距离检测效率;通过遗传算法迭代搜索拟合模型参数,并通过变数据量、变拟合精度等方法改进遗传算法的搜索效率。经