《工业机器视觉技术应用》 课件 3.2 三维点云处理算法介绍.pdf

三维点云处理算法

目录

•1.1点云简介

•1.2点云精简

•1.3点云滤波

•1.4点云匹配

•1.5点云分割

•1.6点云重建

1.1点云简介

点云是空间中点的数据集，可以表示三维形状或对象，通常由三维扫描仪获取。点云中每个点的位置都由

一组笛卡尔坐标(x,y,z)描述，有些还含有色彩信息或物体反射面强度信息。

根据点云的不同应用需求，其来源呈现多样化的特征，常见的获取方法有三维激光扫描和相机扫描。三

维激光扫描是通过发射激光来获取点云数据，若将激光束按照某种轨迹进行扫描，便会边扫描边记录到反

射的激光点信息，用这种方法获得的点云一般具有三维空间坐标值和激光反射强度这两种信息。相机扫描

是通过摄影测量原理获得点云，一般具有三维空间坐标值以及颜色信息。

点云根据点与点之间的间距差异可以进行细分，通常使用三维激光扫描仪或照相式扫描仪得到的点云数

量比较大且比较密集，称为密集点云；而通过三坐标测量机等接触式测量手段所得到的点云数量较少，点

与点的间距也比较大，称为稀疏点云。此外，按照点云的获取途径还可以分为静态点云、动态点云、动态

获取点云三类。静态点云指物体是静止的，获取点云的设备也是静止的；动态点云指物体是运动的，但获

取点云的设备是静止的；动态获取点云指获取点云的设备是运动的。

1.2点云精简

点云精简就是在精度允许下减少点云数据的数据量，提取有效信息，精简效果如图1-1所示。一般分为两

种：去除冗余与抽稀简化。冗余数据是指在数据配准之后，存在重复区域的数据，这部分数据多为无用数

据，对建模的速度以及质量有很大影响，因此要予以去除。抽稀简化是指扫描的数据密度过大，数量过多，

其中一部分数据对于后期分析用处不大，所以在满足一定精度以及保持被测物体几何特征的前提下对点云

数据进行精简，以提高数据的操作运算速度与效率。点云精简的方法较多，这里主要介绍常用的均匀精简

方法和曲率适应性精简方法。

a)精简前b)精简后

图1-1点云精简

1.2点云精简

1.2.1均匀栅格精简

均匀栅格精简适用于简单曲面，其主要思想是构建一个覆盖所有测点的包围盒，按照设定栅格大

小或精简比例，在分割后的栅格中选取采样点。如图1-2所示，对点云进行栅格划分后，计算同一栅

格内所有点的重心作为采样点。通过改变栅格的边长a可以改变栅格的大小，从而控制精简后点云的

规模。

图1-2建立长方体包围盒并计算唯一采样点

1.2.2曲率适应性精简

曲率适应性精简主要用于具有高低曲率特征、薄壁特征的曲面。根据点云局部的法矢量变化和平

均曲率的变化对精简参数进行自适应的调整，在曲面平坦区域保留均匀的点云，在曲面高曲率区域

保留相对密集的点云。曲率自适应精简能使曲面结构特征得到保持，相较于栅格精简更有优势。

1.3点云滤波

点云滤波用于去除噪声点、平滑点云等。采集后的点云常会包含噪声数据，点云噪声数据一方面来自设备，

比如用扫描仪、深度相机等设备获取点云数据时，设备扫描精度、电磁波衍射特性等都会引入噪声。另一方

面来自环境因素带来的影响，比如被测物体表面性质发生变化。

噪声数据使局部点云特征（如表面法线或曲率变化）的估计复杂化，可能导致点云配准失败，对后续操作

的影响比较大，而且这些噪声数据造成的误差还会随着积累进行传导，因此在对点云数据进行分析处理前需

要通过滤波来消除噪声数据。接下来将介绍四种常用的点云滤波方法。

1.3.1统计滤波器

统计滤波器用于去除明显离群点。离群点是指在空间中分布稀疏的点，考虑到离群点的特征，可以定义若

某处点云密度小于某一阈值时，则将该点云视为无效的离群点云。计算点云中每个点到其最近数个点的平均

距离，则点云中所有点的距离应构成高斯分布。根据给定均值与方差，可剔除离群点。

1.3.2半径滤波器

半径滤波器的思想是根据空间点半径范围临近点数量进行滤波。即在点云数据中，设定每个点一定半径范