Dans l'enregistrement de nuages de points 3D, les données de nuages de points scannées au laser de chaque vue se chevauchent partiellement. Pour résoudre le problème de la densité inégale des nuages de points causée par différentes zones de chevauchement affectant directement la précision de l'enregistrement multi-sites, cet article propose une méthode d'enregistrement multi-sites de nuages de points 3D à densité non uniforme basée sur le sous-échantillonnage par clustering de variétés. Tout d'abord, la distance géodésique est utilisée comme mesure de similarité pour réaliser un clustering des données de nuages de points déséquilibrées afin de simplifier les données ; ensuite, la méthode de recherche du voisinage K est utilisée pour calculer le nombre de points dans le rayon de chaque point, divisant le nuage de points en zones de densité ; puis, les zones de densité élevée sont regroupées et une surface est ajustée pour chaque cluster, calculant la courbure de tous les points sur la surface ; ensuite, les points avec une courbure élevée sont extraits afin d'équilibrer approximativement le nombre de points entre les zones de haute et basse densité, obtenant ainsi des données de nuage de points à densité plus équilibrée. Enfin, le nuage de points sous-échantillonné par clustering de variétés est regroupé avec la méthode K-means et les centres de clusters ainsi que la matrice de transformation rigide sont mis à jour, réalisant l'enregistrement de nuages multi-sites à densité non uniforme. Comparée aux méthodes d'échantillonnage aléatoire et uniformes, la méthode proposée présente une plus petite distance de chanfrein et conserve les informations des caractéristiques locales du nuage de points. Les expériences sur le jeu de données Bunny du jeu de données public de l'université de Stanford montrent que cette méthode améliore l'efficacité de l'enregistrement de plus de 60% tout en garantissant la précision.

enregistrement de nuages de points;nuages de points multi-sites;clustering de variétés;simplification des nuages de points;k-means