[发明专利]一种非迭代单一物体散乱点云数据的噪声处理方法

说明书

一种非迭代单一物体散乱点云数据的噪声处理方法，涉及计算机图形学和三维点云数据去噪领域，解决现有迭代过程因迭代中心点设定而带来的迭代收敛慢的问题，获取含有噪声的初始点云数据，并将所述初始点云数据进行归一化处理，估算归一化后的点云数据的密度，按照估算的密度在直角坐标系中按z轴将归一化点云数据进行分层；对每一层按照包围长方形的形式，去除距离点云数据主体较远的噪声点；将去除噪声点的点云数据再次进行密度估算及点云数据进行分层；再对每一层按照包围盒方法，去除噪声点用采用双边滤波方法进行光顺，获得双边滤波后的点云数据；将点云数据的坐标分别乘以归一化系数的倒数，完成点云数据的噪声处理。

技术领域

本发明涉及计算机图形学和三维点云数据去噪领域，具体涉及一种基于非迭代单一物体散乱点云数据的噪声处理方法。

背景技术

点云数据的噪声处理技术已经广泛地应用于无人驾驶，三维物体重构，人工智能等多个领域。点云数据的噪声处理技术可以使三维物体的重构，识别等技术更加准确、快速的完成。目前，已经有的点云数据噪声处理算法有基于K-means的迭代算法和基于双边滤波的算法。

基于K-means迭代算法去噪主要思想是通过给定初始聚类数目K值和初始迭代中心，并设定收敛条件从而确定聚类单元，并分析各个聚类单元空间距离，从而完成点云去噪工作。

这类方法最大缺点在于对于未知点云数据设定的初始聚类数目K值和初始迭代中心容易造成局部最优解而不是全局最优解，并且在迭代中收敛速度会因为K值和初始迭代中心的不合理设定导致收敛速度慢。

基于双边滤波的算法光顺主要思想是对点云数据变化起伏不大的地方使用类似于高斯滤波的方法进行平滑。在点云数据变化大的地方保留特征，从而完成点云去噪的工作。

这类方法最大缺点在于无法处理距离点云主体较远的噪声点，且会因为双边滤波迭代多次产生过度光顺问题。

发明内容

本发明提供一种非迭代单一物体散乱点云数据的噪声处理方法，目的在于避免迭代过程因迭代中心点设定而带来的迭代收敛慢的问题，并且可以快速有效地实现散乱点云数据去噪的处理方法。

一种非迭代单一物体散乱点云数据的噪声处理方法，该方法由以下步骤实现：

步骤一、获取含有噪声的初始点云数据，并将所述初始点云数据进行归一化处理，获得归一化后的点云数据；

步骤二、估算归一化后的点云数据的密度，按照估算的密度在直角坐标系中按z轴将归一化点云数据进行分层；

步骤二一、根据步骤一二归一化后的点云数据建立最小包围盒U，所述最小包围盒U的八个顶点坐标分别为A(x'_min,y'_min,z'_min)，B(x'_max,y'_min,z'_min)，C(x'_max,y'_max,z'_min)，D(x'_min,y'_max,z'_min)，E(x'_min,y'_min,z'_max)，F(x'_max,y'_min,z'_max)，G(x'_max,y'_max,z'_max)，H(x'_min,y'_max,z'_max)；

步骤二二、以z轴切割点云数据，从所述最小包围盒左侧面向右侧面沿x轴正方向移动，所述点云数据被压缩在一个平面且设定在移动过程中只有x轴坐标点的点云数据发生水平移动，估算切割点云数据的厚度δ，计算公式为：