基于移动最小二乘法的点云曲面拟合(python)
1.移动最小二乘法介绍
为了更好地对数据量大且形状复杂的离散数据进行拟合,曾清红等人[1]开发出一种新的算法——移动最小二乘法。这种新的最小二乘算法为点云数据的处理提供了新的方法。使用点云数据拟合曲面时,由于点云的数据量大、形状复杂的特点,如果使用传统的最小二乘法拟合可能会得到病态的曲面方程,从而导致较大的误差。而使用移动最小二乘法拟合点云不仅能够减少误差,提升局部的准确率,还能避免分块拟合和平滑化的过程。下图为子区域的划分示意图。
通过某点确定一个子区域,在该区域内,移动最小二乘法是根据区域内的空间点加权拟合方程,并根据拟合方程解算这一点的坐标。使用移动最小二乘法拟合点云曲面可以看作是一个插值的过程,每一次插值都对应着一次加权最小二乘的方程拟合,所以它可以逼近曲面但不能得到曲面方程。
关于该算法的原理叙述请参看曾清红, 卢德唐. 基于移动最小二乘法的曲线曲面拟合
2.程序设计
在某个子区域中可能会出现空间点数量过少或分布复杂不规律的情况,这会导致最小二乘法解算方程系数时出现奇异矩阵。一般做法是迭代调整阈值,直到子区域内的空间点数量分布符合拟合要求,但这种方法复杂度较高且在点云本身分布失常的情况下调整阈值没有意义。为了方便,我们在点云分布不均匀导致出现奇异矩阵的情况下,引入几何中心(也可以根据情况选择其他方法)代替最小二乘的方程求解。
# -*- coding: utf-8 -*-
"""
Created on Sat Apr 11 17:39:16 2020 @author: L JL
"""
import numpy as np
import matplotlib.pyplot as plt
from mpl_toolkits.mplot3d import Axes3D f = open('xuanze.txt','r')
point = f.read()
f.close()
data1 = point.replace('\n',' ')
data2 = data1.split(' ')
data2.pop() mat1 = np.array(data2[0:4806])
mat2 = mat1.reshape(1602,3)
mat3 = [] for each in mat2:
each_line = list(map(lambda x:float(x),each))
mat3.append(each_line)
mat4=np.array(mat3)
x = [k[0] for k in mat4]
y = [k[1] for k in mat4]
z = [k[2] for k in mat4] def D_radius(x,y,X,Y,N):
ind_mat = np.zeros((N,2))
for i in range(N):
s = ((x-X[i])**2+(y-Y[i])**2)**0.5
ind_mat[i][0] = s
ind_mat[i][1] = i
ind_mat = ind_mat[np.lexsort(ind_mat[:,::-1].T)]
return ind_mat def W_mat(d,x0,y0,x,y):
s=(((x-x0)**2+(y-y0)**2)**0.5)/d
#print((x-x0)**2+(y-y0)**2)
#print(s)
if (s<=0.5):
return (2/3)-4*s**2+4*s**3
elif(s<=1):
return (4/3)-4*s+4*s**2-(4/3)*s**3
else: return 0 def A_mat(W,P,M,N):
A = []
for m in range(M):
a = []
for n in range(M):
#pmn = p_mn(W,P,N,m,n)
pmn = 0
for i in range(N):
pmn = pmn + W[i]*P[i,m]*P[i,n]
a.append(float(pmn))
A.append(a)
return A def B_mat(u,W,P,M,N):
B = []
for i in range(M):
sumB = 0
for j in range(N):
sumB = sumB + W[j]*P[j,i]*u[j]
B.append(float(sumB))
return B X = np.array(x)
Y = np.array(y)
Z = np.array(z)
Xmax = int(np.max(X))
Xmin = int(np.min(X))
Ymax = int(np.max(Y))
Ymin = int(np.min(Y)) N = len(X)
M = 3
P = np.mat(np.zeros((N,M)))
W = np.mat(np.zeros((N,1)))
A = np.mat(np.zeros((M,M)))
B = np.mat(np.zeros((M,N)))
u = np.mat(Z).T
a = np.mat(np.zeros((M,1)))
d_mat = np.mat(np.zeros((N,1)))
#dataZ = [] dataX = np.arange(Xmin,Xmax,0.5)
dataY = np.arange(Ymin,Ymax,0.5) print(Xmin,Xmax)
print(Ymin,Ymax) f2 = open("dataZ.txt","w")
for i in dataX:
for j in dataY:
#d = D_radius(i,j,X,Y,N)
d = 2
ind_mat = D_radius(i,j,X,Y,N)
#print(ind_mat)
if ind_mat[3,0] <= d:
try:
W = np.mat(np.zeros((N,1)))
for n in range(0,N):
P[n,0] = 1
P[n,1] = X[n]
P[n,2] = Y[n]
W[n] = W_mat(d,X[n],Y[n],i,j)
#print(W)
A = A_mat(W,P,M,N)
B = B_mat(u,W,P,M,N)
c = np.linalg.solve(A,B)
#dataZ.append(c[0]+c[1]*i+c[2]*j)
dataZ = c[0]+c[1]*i+c[2]*j
print('A')
#print(dataZ)
except:
ind_Zsum = 0
for ind in range(0,4):
ind_Zsum += Z[int(ind_mat[ind,1])]
#dataZ.append(ind_Zsum/4)
dataZ = ind_Zsum/4
print('B')
#print(dataZ)
else:
ind_Zsum = 0
for ind in range(0,4):
ind_Zsum += Z[int(ind_mat[ind,1])]
#dataZ.append(ind_Zsum/4)
dataZ = ind_Zsum/4
print('C')
#print(dataZ)
f2.write(str(i) + ',' + str(j) + ',' + str(dataZ) + '\n')
print(i,j) f2.close()
# 3D绘图示意
import numpy as np
import matplotlib.pyplot as plt
from mpl_toolkits.mplot3d import Axes3D fig = plt.figure()
ax = Axes3D(fig)
Xmin = -82
Xmax = 23
Ymin = 0
Ymax = 42 x = np.arange(Xmin, Xmax, 0.5)
y = np.arange(Ymin, Ymax, 0.5) y,x = np.meshgrid(y, x) f = open('dataZ.txt','r')
point = f.read()
f.close()
data1 = point.replace('\n',',')
data2 = data1.split(',')
data2.pop()
n = len(data2)
data2 = list(map(float,data2)) mat1 = np.array(data2[0:n])
mat2 = mat1.reshape(int(n/3),3) z = mat2[:,2].reshape(x.shape)
'''
print("网格化后的X=",x)
print("X维度信息",x.shape)
print("网格化后的Y=",y)
print("Y维度信息", y.shape)
print("网格化后的Z=",z)
''' ax.plot_surface(x, y, z, cmap=plt.cm.hot) # 渐变颜色
#ax.contourf(x, y, z,cmap=plt.cm.hot)
ax.set_xlabel('X Label (m)')
ax.set_ylabel('Y Label (m)')
ax.set_zlabel('Z Label (m)')
ax.set_title('Point Cloud Surface Fitting')
plt.show()
3.拟合情况及存在的问题
其他点云的拟合情况,如下图所示
(1)部分区域出现拟合异常
(2)程序计算量大,复杂度太高,有待优化
(3)对高分辨率点云,通过调整步长,可以调整插值步数,提高精度。
参考文献:
[1] 曾清红, 卢德唐. 基于移动最小二乘法的曲线曲面拟合 [J]. 工程图学学报, 2004, 01): 84-9.
基于移动最小二乘法的点云曲面拟合(python)的更多相关文章
- 腾讯云CDN python SDK
腾讯云CDN python SDK 博主在开发时偶尔要用到CDN,感觉适合学生党的应该是腾讯云的CDN了,还提供了每月10G的流量,博主平时学习使用已经足够了. 代码 #coding=utf-8 fr ...
- 【原创】基于Docker的CaaS容器云平台架构设计及市场分析
基于Docker的CaaS容器云平台架构设计及市场分析 ---转载请注明出处,多谢!--- 1 项目背景---概述: “在移动互联网时代,企业需要寻找新的软件交付流程和IT架构,从而实现架构平台化,交 ...
- 视频私有云实战:基于Docker构建点播私有云平台
私有云是为一个客户单独使用而构建的,因而提供对数据.安全性和服务质量的最有效控制.前置条件是客户拥有基础设施,并可以使用基础设施在其上部署应用程序.其核心属性是专有的资源.本篇文章将会结合网易云信的实 ...
- 基于zookeeper集群的云平台-配置中心的功能设计
最近准备找工作面试,就研究了下基于zookeeper集群的配置中心. 下面是自己设想的关于开源的基于zookeeper集群的云平台-配置中心的功能设计.大家觉得哪里有问题,请提出宝贵的意见和建议,谢谢 ...
- 利用百度智能云结合Python体验图像识别(转载来自qylruirui)
https://blog.csdn.net/qylruirui/article/details/94992917 利用百度智能云结合Python体验图像识别只要注册了百度账号就可以轻松体验百度智能云中 ...
- Python基于jieba的中文词云
今日学习了python的词云技术 from os import path from wordcloud import WordCloud import matplotlib.pyplot as plt ...
- 基于Kubernetes构建企业容器云
前言 团队成员有DBA.运维.Python开发,由于需要跨部门向公司私有云团队申请虚拟机, 此时我在思考能否在现有已申请的虚拟机之上,再进行更加细粒度的资源隔离和划分,让本团队的成员使用, 也就是在私 ...
- 金山云 KS3 Python SDK 多线程并发上传文件;下载断点续传 参考脚本
并发上传 基于py自带模块 concurrent.futures import ThreadPoolExecutor #!/usr/bin/env python3 # -*- coding:utf-8 ...
- mysql基于binlog回滚工具_flashback(python版本)
update.delete的条件写错甚至没有写,导致数据操作错误,需要恢复被误操作的行记录.这种情形,其实时有发生,可以选择用备份文件+binlog来恢复到测试环境,然后再做数据修复,但是这样 ...
随机推荐
- poj3376 KMP+字典树求回文串数量(n*n)
Finding Palindromes Time Limit: 10000MS Memory Limit: 262144K Total Submissions: 4043 Accepted: ...
- POJ1905
题目链接:http://poj.org/problem?id=1905 题目大意: 竹竿受热会膨胀.设其原长为 L ,受热膨胀后的长度 L'=(1+n*C)*L ,其中 n, C, L都是要输入的参数 ...
- 一、工具类DBUtil——数据库连接
这个工具类完成的工作如下: 1.第一个static方法,完成数据库初始化的工作 2.第二个static方法,完成与数据库建立连接的工作. package util; import java.sql.C ...
- PHP 操作结果集对象方法
<?php header('Content-type:text/html;charset=utf-8'); //建立 或者 关闭mysql服务器 @符号用于屏蔽错误信息 $link=@mysql ...
- 【C++】变量
注意:以下内容摘自文献[1],修改了部分内容. 1.变量:在程序运行期间其值可以改变的量称为变量.一个变量应该有一个名字,并在内存中占据一定的存储单元,在该存储单元中存放变量的值.变量名代表内存中的一 ...
- NOI2006 最大获利 洛谷P4174
洛谷题目传送门! 题目描述 新的技术正冲击着手机通讯市场,对于各大运营商来说,这既是机遇,更是挑战.THU 集团旗下的 CS&T 通讯公司在新一代通讯技术血战的前夜,需要做太多的准备工作,仅就 ...
- [Wireshark]_001_入门
Wireshark(前称Ethereal)是一个网络封包分析软件.网络封包分析软件的功能是撷取网络封包,并尽可能显示出最为详细的网络封包资料.Wireshark使用WinPCAP作为接口,直接与网卡进 ...
- WEB APPLICATION PENETRATION TESTING NOTES
此文转载 XXE VALID USE CASE This is a nonmalicious example of how external entities are used: <?xml v ...
- cpprestsdk同时使用boost.asio,acceptor就一直报Invalid argument。
本文目录,首先总结问题,然后案例还原. 总结: 问题的根本在于boost.asio作为header-only库,运行程序与动态库之间容易因为版本错配而产生运行期莫名其妙的问题. cpprestsdk使 ...
- Jupyternotebook添加c++核心支持的配置过程
一.环境:虚拟机:(1)系统:centos7.5_1804(64bit)版本(2)软件环境:git.python3.5.3.Jupyter4.4.0二.下载安装脚本:资源及安装说明:https://g ...