基于法矢修正的点云数据去噪平滑算法.docx

??

?

??

基于法矢修正的点云数据去噪平滑算法

?

??

?

?

?

?

?

?

?

???

?

?

?

?

?

薛萍姚娟邹学洲王宏民

摘要：逆向工程数据采集点云数据的离群点和噪声点的存在，直接影响数据的多视图拼合，特征提取，数据精简以及曲面重构的质量。在对双边滤波和三边滤波算法的研究的基础上，提出了一种基于法矢修正的点云数据去噪平滑的算法。对于噪声点通过加权协方差矩阵估算点云邻域内几何特征，将具有相似几何特征的点限制在法向量相似的区域，在相似邻域内的采样点法矢和位置分别进行保特征的三边滤波。改进后的算法能够有效地滤出点云数据中的离群点和噪声点，同时保证了点云数据的尖锐及边缘特征，取得良好的去噪效果。

关键词：

点云数据；去噪平滑；加权协方差矩阵；三边滤波；法矢修正

DOI：10.15938/j.jhust.2018.05.015

中图分类号：TP3919

文献标志码：A

文章编号：1007-2683（2018）05-0086-06

Abstract：Thepresenceofoutliersandnoisepointsintheclouddataofthereverseengineeringdatacollectiondirectlyaffectsthemultviewscombinationofthedata，featureextraction，datareductionandthequalityofsurfacereconstructionbasedontheresearchofbilateralfilteringandtrilaterationfilteringalgorithm，thispaperpresentsanalgorithmofdenoisingandsmoothingofpointclouddatabasedonnormalvectorcorrectionFirstly，thelocalneighborhoodofthepointclouddataisconstructed，andthenoisepointsofthescattereddatacollectedbythedataacquisitionsystemareclassifiedandprocessedForoutliersinthepointclouddata，mathematicalstatisticsanalysisisusedtofilteroutthepointswhoseKNNislowerthanthethresholdThepointswithsimilargeometriccharacteristicsarerestrictedtotheregionswherethenormalvectorsaresimilar，andthenormalvectorsandpositionsofthesamplesinthesimilarneighborhoodsaretriangulatedTheimprovedalgorithmcaneffectivelyfiltertheoutliersandnoisepointsinthepointclouddata，andensurethesharpandedgefeaturesofthepointclouddataandobtaingooddenoisingeffect

Keywords：pointclouddata；denoisingsmoothing；weightedcovariancematrix；trilaterationfiltering；normalvectorcorrection

0引言

逆向工程中對实体表面的数据获取[1]方式分为接触式测量和非接触式测量。随着三维测量技术的不断发展和完善，各种各样的三维测量设备很容易对物体表面的数据进行采集，同时得到的测量数据不可避免的存在着噪声信号，这些测量的噪声信号受到测量物体的形状，物体的材料，光线或者其他环境因素的影响。这些测量误差统称为噪声点，与此同时点云数据[2]中也存在离主体点云较远的离群点。由于点云数据的离群点和噪声点的存在，直接影响数据的多视图拼合，特征提取，数据精简以及曲面重构的质量，因此需要对噪声进行滤波处理。在滤除噪声点的