论文部分内容阅读
为实时健康监测森林资源的生长状况,以原木为试验样本,利用三维激光扫描技术（3D Laser Scanning Technology）对原木进行扫描,得到原木点云数据,共计1 016 990个数据点。经扫描直接得到的点云数据存在噪点且数据量过多,给重构原木三维模型增加了困难,因此需要对点云数据进行分割、去噪和精简。本研究应用K均值（K-means）聚类算法对点云数据进行数据分割;自组织映射（Self Organization Map,SOM）神经网络对点云数据进行数据去噪;弦高偏移算法（Chord Heig