[发明专利]一种不均匀散乱点云数据的滤波方法

说明书

技术领域

本发明涉及点云数据处理技术领域，尤其涉及一种不均匀散乱点云数据的滤波方法。

背景技术

目前，三维扫描技术提高了三维测量对象变形检测的精度，为制定和优化后期支护方案提供有效依据。由于测量环境复杂和扫描仪自身误差的影响，获取的原始点云数据带有大量噪声，导致三维重建模型与实际测量对象的几何形态存在较大误差，为获得更加精准的三维重建模型，在分析原始点云数据和噪声来源的基础上，进行点云数据的有效去噪是很有必要的。

采空区点云数据噪声主要有区域性悬浮噪声、孤立噪声和波动性噪声等三种形式，其中在采空区之外的成片点云数据称为区域性悬浮噪声，属于大尺度噪声；点云模型内部出现的点状或簇状点云数据称为孤立噪声，包括大尺度和小尺度噪声；实测对象附近小幅度振荡的点云数据称为波动性噪声。采空区获取的点云，体现出孔洞较多、密度分布不均匀、形态不规则等特征，增大去噪难度，严重干扰点云形态。孔洞在去噪过程呈现扩大现象；点云密度不均匀、形态不规则增大去噪参数的设置难度，易误剔除非噪声点，及保留部分噪声数据；因此点云密集区域难以有效去噪，点云稀疏区域几何特征难以保留，使得模型几何特征削弱。

现有技术中点云滤波方法常采用以下两类：一类是光顺去噪的方法，如基于Laplacian算子的点云滤波、双边滤波、曲面能量最小化的迭代方法等；另一类是剔除坏点的方法，如曲线检查法、角度判断法、弦高差法等。在处理不均匀散乱点云时，光顺去噪方法可能误认为采样点稀疏的非噪声区域为噪声，导致光顺后模型孔洞扩大、几何特征削弱；而剔除坏点方法剔除大尺度噪声效果明显，但无法剔除小尺度噪声且弱化模型几何特征等问题，上述两类去噪方法在处理不均匀散乱点云噪声时，难以自适应不同尺度的噪声及保持采空区的原始几何形态。

发明内容

本发明的目的是提供一种不均匀散乱点云数据的滤波方法，能够提高散乱点云滤波效果，同时保持点云模型的几何特征。

一种不均匀散乱点云数据的滤波方法，所述方法包括：

将采空区的散乱点云数据进行索引组织，将所述点云数据组织成正方体规则网格的数据模型，并记录每一个网格所包含的散乱测点；

利用所述网格的三维坐标范围和所述测点的三维坐标，确定每个测点所属网格，并计算出网格点云重心C_i，选择网格测点数最多的三个邻域网格的重心来确定网格逼近视平面S；

求得所述网格逼近视平面S的法向量n，利用所述法向量n求得所述网格中每个测点到所述网格逼近视平面S的最短距离h；

将所述网格中每个测点对应的h值按升序排序，计算出各h值的均值k和方差σ，并自适应确定滤波范围，进行噪声点剔除处理；

针对滤波处理后的点云数据，调整规则网格的大小，并重复上述步骤迭代滤波。

由上述本发明提供的技术方案可以看出，采用该滤波方法可以对密度分布不均匀的散乱点云进行自适应调节获得逼近视平面，根据测点到视平面的距离大小，确定均匀分布范围，有效的剔除大尺度噪声和部分小尺度噪声，降低非均匀数据的误剔除率，同时保持点云模型的几何特征，防止点云稀疏区域孔洞扩大。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他附图。

图1为本发明实施例所提供不均匀散乱点云数据的滤波方法流程示意图；

图2为本发明实施例所提供的规则网格构造示意图；

图3为本发明实施例所提供的网格逼近视平面及法向量的示意图。

具体实施方式

下面结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明的保护范围。

本发明实施例所述不均匀散乱点云数据的滤波方法基于邻域的相对密度构造了不同局部密度下的逼近视平面，自适应不同尺度噪声，解决了模型孔洞现象、密度分布不均匀和形态不规则等所带来的问题。下面将结合附图对本发明实施例作进一步地详细描述，如图1所示为本发明实施例所提供不均匀散乱点云数据的滤波方法流程示意图，所述方法包括：

步骤11：将采空区的散乱点云数据进行索引组织，将所述点云数据组织成正方体规则网格的数据模型，并记录每一个网格所包含的散乱测点；