第44卷第3期2023年3月激光杂志LASEＲJOUＲNALVol.44，No.3March，2023http∶//www．laserjournal．cn收稿日期:2022－09－14基金项目:国家自然科学基金项目(No．61701056)、重庆市科技局基础与前沿研究计划项目(No．cstc2021jcyj－msxmX0348)作者简介:邢影(1998－)，女，硕士生，主要从事传统三维重建、点云处理方面的研究。E－mail:2163309626@qq．com通讯作者:宋涛，男，副教授，硕士生导师。E－mail:tsong@cqut．edu．cn·光通信与网络·3D－SIFT特征提取与体素滤波结合的点云精简算法邢影1，宋涛1，2，赵延1，刘冠廷1，郑米培11重庆理工大学电气与电子工程学院，重庆400054;2重庆工业大数据创新中心有限公司，重庆400708摘要:点云数据中的冗余数据会影响到点云处理算法的速度，因此，为提升算法速率，需对点云数量进行精简。然而，点云精简过程容易剔除掉特征点，导致点云信息不完整，效果不好等问题。针对这些问题，提出一种利用3D－SIFT特征提取与八叉树体素滤波结合的点云精简方法。利用3D－SIFT算法提取出点云的强特征点和弱特征点，对弱特征点进行改进的八叉树体素滤波，并保留强特征点，通过点云合并，将滤波后的弱特征点与保留的特征点整合到一起，使得精简后的点云数据不丢失特征点信息，从而也达到了精简的效果。将本算法与均匀网格算法、非均匀网格法、随机采样算法进行对比实验。通过多个不同模型的可视化结果和信息熵评价分析，可以得出对于几种不同模型取平均本算法平均信息熵达到3.77192，高于其他算法的信息熵，证明本算法在对数据进行精简的同时也达到了特征保留的效果。关键词:点云;精简;3D－SIFT;八叉树;可视化;信息熵中图分类号:TN249文献标识码:Adoi:10.14016/j．cnki．jgzz.2023.03.163Pointcloudreductionalgorithmof3D－SIFTfeaturepointextractionandvoxelfilteringXINGYing1，SONGTao1，2，ZHAOYan1，LIUGuanting1，ZHENGMipei11CollegeofElectricalandElectronicEngineering，ChongqingUniversityofTechnology，Chongqing400054，China;2ChongqingIndustrialBigDataInnovationCenterCo．LTD，Chongqing400708，ChinaAbstract:Ｒedundantdatainpointclouddatawillaffectthespeedofthepointcloudprocessingalgorithm．There-fore，simplifythenumberofpointcloudstoimprovethealgorithmspeed．However，theprocessofpointcloudreduc-tioniseasytoeliminatefeaturepoints，resultinginincompletepointcloudinformationan...
