《表7 三个模型在CVS算法中的压缩复原点数》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《向量相似度可复原三维点云压缩算法》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

由以上实验结果可以得出，CVS算法通过调整阈值，可以生成覆盖整个模型点云的采样空间，使得点云稀疏的区域中，参考向量包含的点云较少，甚至不包含点云，而点云稠密的区域的参考向量包含较多的点云，然后根据点云疏密程度进行点云压缩。而且CVS在采样空间中，根据曲率大小决定剔除的点云比率，实现模型平缓稠密区域的点云精简，稀疏区域的点云保留，复杂稠密部位的点云低压缩率，尽可能保留模型的细节特征。CVS压缩是在原模型的基础上减少点云个数，不会从整体上修改模型点云的坐标，不会较大程度改变模型的整体形态。在CVS点云复原阶段，可根据复原信息生成贴合模型外表的点云，恢复并增强模型的细节特征。