服务周到的网站建设,wordpress 用户api,免费的网站给一个,网址的英文1、介绍 道格拉斯-普克算法由David H. Douglas和Thomas K. Peucker于1973年提出#xff0c;主要用于简化曲线或折线。而实际中#xff0c;激光点云的边缘点非常粗糙#xff0c;如果直接将点进行连接#xff0c;锯齿问题严重。经过DP算法处理后#xff0c;数据显示会比较光…1、介绍 道格拉斯-普克算法由David H. Douglas和Thomas K. Peucker于1973年提出主要用于简化曲线或折线。而实际中激光点云的边缘点非常粗糙如果直接将点进行连接锯齿问题严重。经过DP算法处理后数据显示会比较光滑符合认知。 2、原理介绍 对每一条曲线的首末点虚连一条直线求所有点与直线的距离,并找出最大距离值dmax用dmax与限差D相比。若dmaxD这条曲线上的中间点全部舍去若dmax ≥D保留dmax对应的坐标点,并以该点为界把曲线分为两部分对这两部分重复使用该方法。
算法的详细步骤如下: (1) 在曲线首尾两点间虚连一条直线,求出其余各点到该直线的距离如图1。 (2) 选其最大者与阈值相比较,若大于阈值,则离该直线距离最大的点保留,否则将直线两端点间各点全部舍去如图2第4点保留。 (3) 依据所保留的点,将已知曲线分成两部分处理,重复第1、2步操作迭代操作即仍选距离最大者与阈值比较,依次取舍,直到无点可舍去最后得到满足给定精度限差的曲线点坐标如图3、 4依次保留第6点、第7点舍去其他点,即完成线的化简。 3、算法测试
3.1 源代码与测试数据说明 使用python语言在pycharm平台上按照上述原理对其实现源代码下载链接https://download.csdn.net/download/qq_32867925/90283351
包括源代码与三块测试数据。 3.2 使用说明 首先说明的是提取的边缘点必须要有序结构即将点依次连接起来是一个闭合的结构如下图所示。对于无序轮廓点本程序不适合。若建构简单点云可参考之前博客点云轮廓点排序——旋转角法python pycharm_不规则点云排序-CSDN博客对轮廓点进行排序。 使用时需要修改 filepath D:\\长方形.txt这一块路径修改成自己电脑上存储路径即可。
# 生成示例点云数据
def generate_example_points():boundpts []filepath D:\\长方形.txtwith open(filepath, r) as pointsFile:for line in pointsFile:x, y, z, r, g, b map(float, line.split())if r 255 and g 0 and b 0:boundpts.append([x, y])boundpts np.array(boundpts)return boundpts这一块为随机生成的100个数据使用DP算法对其进行精简。
# 生成示例点云数据
def generate_example_points():生成一个示例点云x np.linspace(0, 10, 100)y np.sin(x) np.random.normal(0, 0.1, sizelen(x)) # 添加噪声return np.column_stack((x, y))
3.3 测试一随机数精简 如下是随机生成100个数据使用DP算法精简结果。使用不同距离阈值约束精简效果不相同。其中绿色多边形为精简后的直线红色点为关键点。 3.4 测试二多边形精简 多边形点进行精简精简效果理想。其中绿色多边形为精简后的直线红色点为关键点。 3.5 测试三规则矩形 对于规则矩形精简后为矩形效果理想。其中绿色多边形为精简后的直线红色点为关键点。
