《点云数据预处理方法分析综述》3200字.docx

点云数据预处理方法分析综述

目录

TOC\o1-2\h\u3142点云数据预处理方法分析综述 1

98521.1点云的分类 1

163921.2点云过滤 1

193421.1.1直通滤波法 2

118831.1.2半径滤波法 2

29961.1.3统计滤波法 3

244891.1.4双边滤波法 4

266391.3基于欧式聚类的点云分割方法 5

110031.4基于体素栅格的点云下采样方法 6

1.1点云的分类

点云（PointCloud）是表达目标物体表面特性的海量点集合，根据数据点分布情况的不同，通常可以将点云分为四类：

（1）散乱点云：这种点云中的大多数点都表现出无序分布的特征，点云中的点之间没有特定的联系。

（2）扫描线点云：这种点云中的点是按照激光雷达的扫描线方向排列的，扫描线都处于扫描平面上。

（3）多边形点云：这种点云按照距离最小原则将近邻点连接起来，线段之间进行相互嵌套连接形成平面多边形。

（4）网格化点云：由光学系统测量所得的点云一般是网格化点云，这类点云的数据点以网格化的形式均匀排列。

本文的研究对象是乱序摆放的点云工件，点云数据具有无序性，属于第（1）种点云类型。

1.2点云过滤

从点云采集设备中获取的点云数据量是非常密集、庞大的，除此之外，由于存在点云采集设备精度、工作环境存在电磁噪声、工件表面材料性质、光照影响等因素，获取的点云数据往往存在大量的噪声点。除此之外，在点云采集设备工作过程中，除去目标工件本身，工作场景中存在着大量无关的数据也会被设备所采集，导致获取的点云数据中存在大量的离群点、杂点。这些与目标工件无关的数据点会对后续的点云分割、特征提取、特征匹配等过程带来极大的干扰，同时庞大的点云数据量也会急剧增加后续的计算量，因此对点云数据进行预处理是非常有必要的。一般通过滤波技术滤除原始点云中离群的数据点和噪声点，过滤后的点云虽然已经滤除了大量无关点，但是依旧存在数据量庞大的问题，针对此问题一般采用采样算法对点云数据进行精简，同时尽可能保留点云的特征。

常见的点云预处理技术包括：直通滤波法、半径滤波法、统计滤波法、双边滤波法、体素栅格法等。

1.1.1直通滤波法

直通滤波法是指在指定坐标范围内进行切割，在指定坐标轴上定义阈值范围，寻找位于该坐标轴上阈值之外的点云数据，选择是否进行过滤，在相机和工件相对位置固定的情况下，这是一种较为简洁且能够快速滤除离群点的过滤方法。直通滤波法的流程图如图1.1所示。

图1.1直通滤波法流程图

1.1.2半径滤波法

半径滤波法也是一种常用于滤除离群点和噪声的方法，该方法对初始点云中每一个点设置半径范围，在该范围内如果邻域内的点少于设定的数量阈值，则滤除该点。这是一种计算效率较高的滤波方法，能够保留点云密度较高的区域范围，有效去除离群点和无效点。这种方法较为简单高效，但是对点云表面噪声处理效果较差。半径滤波法的步骤如下：

(1)设置球体半径和数量阈值，半径滤波法计算每一点在其半径范围内点的个数，

(2)有哪些信誉好的足球投注网站半径范围内近邻点的个数，如果点的个数大于，则保留该点，如果小于，则去除该点。

如图1.2所示，分别考察A,B,C,D四个区域内的点，设置数量阈值，B区域只有1个点，D区域内只有2个点，这两个区域的中心点将会被滤除，而A、C区域的球心点将会被保留。

图1.2半径滤波法原理示意图

1.1.3统计滤波法

在点云去噪中，为了去除点云数据中的异常值，通常会依次计算点云的邻域特征。根据统计邻域特征的特点，设置适当的判断标准，对不符合判断标准的数据点进行修剪。一般来说，点云数据中离群点与对象模型之间的空间距离大于对象模型的局部区域点之间的距离，空间距离阈值的设置是目前较为常用的判断标准。统计滤波法假设邻域中心和邻域内的点距符合高斯分布，每个点都表达一定的信息，在某一邻域内点越密集则表达的信息量越多，点越稀疏表达的信息量越少，这种点往往是无效点。简单来说统计滤波法利用高斯模型计算和分析点云的分布规律，计算其均值和标准差，然后确定判断范围。超出判断范围的点集被视为异常值并删除。这种方法能够有效滤除点云表面噪声点，但是也可能在过滤过程中失去一些有效点。

统计滤波法的步骤如下：

（1）记邻域中心点，邻域附近的点，利用式（2-1）计算邻域内各点与中心点的距离。

(2-1)

（2）得到一组距离值，对这组距离值进行统计学分析，利用式（2-2）和（2-3）计算均值和标准差。

（2-2）

（2-3）

定义距离阈值，其中代表标准差倍数阈值。根据点云数据的实际情况进行选取。如果过小则容易出现去噪过度，滤出了一些主体点云中的非噪声点。如果过大则容易导致去噪不完全，距离阈值过大导致一些噪声