点云从入门到精通技术详解100篇-基于二维激光雷达的隧道形貌三维重建（续）

目录

3.4 点云数据精简

3.4.1 数据精简的要求

3.4.2 经典精简算法分析

3.5 点云三维重建算法 

3.5.1 曲面重建方式的分类

3.5.2 点云数据的三角剖分

3.5.3 Delaunay三角剖分算法

3.5.4 贪婪投影三角化算法

3.5.5 泊松曲面重建算法 

4特征保留优化的点云精简 

4.1 引言

4.2 点云精简的思想

4.3 基于图信号的特征保留优化的点云精简算法

4.3.2 定义密度均匀性损失

4.4 点云精简实验结果及分析

5隧道三维曲面重建实现 

5.1 引言

5.2 泊松曲面重建

5.3 基于改进的MLS泊松曲面重建

5.3.1 改进的MLS点云优化

5.3.2 八叉树分割

5.3.3 向量场计算

5.4 重建结果及分析

---

本文篇幅较长，分为上下两篇，上篇详见基于二维激光雷达的隧道形貌三维重建

3.4 点云数据精简

在使用激光雷达采集数据的过程中，获得的三维点云数据精度高，但是密度大，采 集到的激光雷达点云数据中存在一定程度上的冗余。点云数据本身占用存储空间大，数 据冗余使得处理速度更加缓慢，增加数据传输以及重建的时间，给后续的数据处理增加 了诸多不便。所以在数据预处理过程中，以保持被测量物体原貌的前提下，根据物体结 构特点进行精简处理，才能达到提高重建精度和效率的效果。