An Enhanced Algorithm for Segmenting Point Clouds into Clusters Based on Euclidean Distance

Dieses Kapitel stellt einen erweiterten Algorithmus zur Segmentierung von Punktwolken in Cluster auf der Grundlage der euklidischen Entfernung vor, der die Beschränkungen traditioneller Methoden adressiert. Die Studie untersucht verschiedene Segmentierungstechniken, einschließlich kantenbasierter, regionaler Anbau- und Modellanpassungsmethoden, und präsentiert einen neuartigen Ansatz, der die Clustergenauigkeit verbessert. Der vorgeschlagene Algorithmus wird mit traditionellem euklidischen entfernungsbasiertem Clustering und DBSCAN verglichen, was seine überlegene Leistung in Bauanwendungen demonstriert. Experimentelle Ergebnisse zeigen die Fähigkeit der erweiterten Methode, Punktwolken präzise zu gruppieren, wobei der Schwerpunkt auf Landvermessung, Straßenplanung und Baustellenüberwachung liegt. Die Studie kommt zu dem Schluss, dass die erweiterte euklidische entfernungsbasierte Methode ein vielversprechendes Werkzeug für Punktwolkencluster ist, das hohe Genauigkeit und Effizienz bietet.