[发明专利]一种点云噪声点去除方法

说明书

技术领域

本发明属于计算机图像处理技术领域，尤其涉及一种计算机三维图像处理技术的对点云中噪声点的去除方法。

背景技术

近年来三维数字测量设备的快速发展使直接获取物体表面高密度点云数据成为可能，这不仅极大地促进了逆向工程的发展，也为后期的快速成型创造了条件。因此，基于点云数据的三维表面建模问题也正日益成为计算机工程领域的一个研究热点。

逆向工程的任务之一是将目前现实中已经存在的模型，通过三维测量工具或者计算机视觉的方法得到点云数据，进而通过计算机重建出一个真实感的虚拟三维模型。所谓点云是指海量的包含多种信息，如点坐标、点颜色、点光照等的数据点，一般情况下，点云数据仅包含点坐标信息。在理想情况下，利用点云数据，通过点与点的位置关系就可以方便地重建出物体的表面。然而在实际操作中，往往因为采集到的点云数量庞大、噪声点多而导致后续的三维表面重建结果错误。所以通常情况下会首先对这些点云进行去噪、空洞修补等预处理操作。点云的预处理是分析、提取物体特征和进行后期建模的基础，通常点云的预处理包括降低点云噪声点，减低点云数据量，获得点云法向信息等等，这些技术手段将提高后期处理的效率与可靠性。

在点云噪声处理中，往往有以下三种方法处理噪声点：

直接观察法：通过图形终端，用肉眼辨别点云中偏离较大的孤立点并将其剔除。这种方法适合于数据的初步检查。

曲线检查法：该方法首先对点云数据切片化，然后对在某一切片截面上的数据点，用最小二乘法拟合一条曲线，曲线的阶次可根据曲面截面的形状设定，通常为3～4阶，然后分别计算中间数据点到样条曲线的欧氏距离。

弦高差法：连接检查点前后两点，计算任意点到弦的距离，如果距离值小于给定值，则保留，否则剔除该点。这种方法适合于均匀分布的较密集的测量点，特别是在曲率变化较大的位置。

以上三种方法原理虽简单，然而常常首先需要进行切片化，切片化的难点之一是脊线的寻找，同时该类方法只能对一些简单点云进行噪声点去除。随着三维数据采集技术的飞速发展，获取大规模模型点云数据变得越来越简单和方便。目前常用的点云获取技术有：机械测量、光学测量、声学测量、电磁测量等等。然而，采集方法虽然千差万别，归根结底都会伴随着噪声，这些噪声点云对后续的三维重建产生严重的干扰，而点云本身只带有坐标数据，难以确定各个点之间的拓扑关系。因此，点云的去噪也成为当今的一个热点问题。

发明内容

本发明的目的是为了避免传统方法中求取点与点之间拓扑关系而消耗的大量计算资源，提出一种点云噪声点去除方法，有效地提高了算法的计算速度。

为了实现上述发明目的，本发明技术方案如下：

一种点云噪声点去除方法，用于去除点云中的噪声点，所述方法包括步骤：

步骤1、根据所述点云是二维点云或三维点云，以所述点云中每个点为圆心或球心，为其赋予初始半径，并将形成的每个圆或球视为一个点族；

步骤2、对每个点族的半径进行一次增长迭代；

步骤3、当两个相邻点族之间的距离小于他们半径的和，将所述相邻点族进行合并，形成一个新的点族；

步骤4、为新的点族赋予一个牵移量，将其向偏离点云重心位置的方向进行牵移；

步骤5、将当前所有点族按照点族的半径大小进行排序，计算每个点族对应的半径大小的变化量，若当该变化量大于指定的阈值，则迭代结束，否则返回步骤2进行下一次迭代；

步骤6、将除所述变化量大于指定阈值的点族以外其他点族中的点作为噪声点去除。

本发明中，对于二维点云，所述初始半径为：

Rini=αSmax]]>

其中R_ini为初始半径，α是与所述点云相关的系数，S_max为所述点云覆盖的最大正方形面积。

进一步地，所述将所述相邻点族进行合并，是指以所述相邻点族的半径和为新的点族的半径，以所述相邻点族圆心的连线的中心点为新的点族的圆心。

本发明中，对于三维点云，所述初始半径为：