[发明专利]一种面向密集点云的噪声剔除方法

权利要求书

1.一种面向密集点云的噪声剔除方法，其特征在于，所述方法包括：

S1、采用地面激光雷达系统获取具有平面特征的对象表面的点云数据集{P_i|i＝1,2,…n}，其中，n所述点云数据集中点的数量，每个点的数据包括对象表面点的三维坐标和强度；

S2、利用主成分分析算法计算所述点云数据集所在平面方程，得到平面法向量；

S3、计算所述点云数据集中每个点各自到所述平面方程的距离d_i，其中，i＝1,2,…,n；

S4、依据每个点各自到所述平面方程的距离d_i，获得所述点云数据集的标准差σ；

所述依据每个点各自到所述平面方程的距离d_i，获得所述点云数据集的标准差σ的表达式为：

S5、对所述点云数据集进行噪音点判断，依据经典粗差剔除理论，选择两倍所述标准差σ为阀值对所述点云数据集中的噪声点进行剔除，将剩下的所有点作为保留点集Q(x_j,y_j,z_j)_{j＝1,2,…,m}；

其中，对所述点云数据集进行噪音点判断的具体方式为：

当d_i2σ时，该点被认为是噪声点，予以剔除，否则，即为保留点；遍历所述点云数据集中的所有点，得到所述保留点集Q(x_j,y_j,z_j)_{j＝1,2, … ,m}；

S6、对所述保留点集建立K-D树索引；

S7、输入k值，遍历所述保留点集，确定所述保留点集中每个点的k-近邻，并以所述每个点的k-近邻生成邻域点集t(x_l,y_l,z_l)_{l＝1,2,…,k}；

S8、计算所述邻域点集中每个点与当前点的距离M_j及标准差σ_j，其中，j＝1,2,…,m；

S9、对所述保留点集进行噪音点判断，依据经典粗差剔除理论，选择两倍所述标准差σ为阀值对所述保留点集中的噪声点进行剔除，得到剔除噪声后的保留点集R(x_u,y_u,z_u)_{u＝1,2,…,f}，其中，f为所述剔除噪声后的保留点集中点的个数；

S10、若所述剔除噪声后的保留点集中还存在成簇的噪声，重新输入新的k值，并重复执行S7、S8及S9。

2.如权利要求1所述的方法，其特征在于，步骤S2中利用主成分分析算法计算所述点云数据集所在平面方程的具体步骤为：

所述点云数据集为M，构造对应的协方差矩阵为：

其中，为点集的重心坐标，对矩阵C进行主成分分析，可求得三个特征值λ₁、λ₂、λ₃按降序排列，得到λ₁≥λ₂λ₃0，λ₃所对应的特征向量v₃，且v₃为法向量，其值为v₃(a,b,c)，那么，点云平面所在方程为：

ax+by+cz＝d

其中，

3.如权利要求1所述的方法，其特征在于，步骤S3中，每个点各自到所述平面方程的距离的具体表达式为：

其中，