改进秃鹰搜索和K均值混合迭代的点云简化算法

摘要

针对激光雷达的固有特性和复杂环境易造成点云噪声和冗余点云，以及传统点云简化算法忽略了点云固有特征等问题，提出了一种基于改进秃鹰搜索和K均值聚类(KMC)混合迭代的点云简化算法(IBESSA)。首先，通过秃鹰搜索(BES)算法迭代阶段的竞争融合(CFBES),提高其收敛速度和优化精度；其次，通过CFBES和KMC算法的混合迭代，实现了点云数据的聚类；然后，在k近邻(k-NN)实现点云簇密度估计的基础上，结合香农熵实现点云信息量化；最后，删除信息量化值小于阈值的聚类簇，完成点云数据简化。使用UCI国际标准数据集和斯坦福点云数据集分别对CFBES-KMC算法的聚类效果及点云的简化效果进行验证，结果表明：与改进飞蛾扑火的K均值交叉迭代、K-means++、模糊C均值聚类算法的聚类效果相比，CFBES-KMC算法的聚类准确率分别提高了1.02%、12.31%、14.72%;在斯坦福点云数据集上，IBESSA算法在有效滤除冗余点云的基础上保留了原本点云的细节和形状特征，不失为一种高效的点云简化算法。

关键词

秃鹰搜索算法 / 竞争融合 / K均值聚类混合迭代 / 香农熵 / 点云简化

基金资助

甘肃省自然科学基金资助项目(22JR5RA358)