[发明专利]一种基于空间密度和聚类的分步点云噪声去除方法

权利要求书

1.一种基于空间密度和聚类的分步点云噪声去除方法，其特征在于，包括以下步骤：

S1，抽取点云数据总量预设比例的点云计算其点云密度，将该点云密度作为整个点云数据的平均密度，统计其r×r×r立方体空间中点云平均数量Q，将Q作为空间密度去噪法密度阈值的参考值，并根据该参考值定义阈值O；

S2，遍历点云数据中的每一个点，求取该点的r×r×r立方体空间中的点云数量K，若K小于阈值O，则判定为点状噪声点并去除；若K大于等于阈值O，则保留，以获得去除了点状噪声点的初次去噪点云数据；

S3，对上述初次去噪点云数据进行聚类，读取点云数据集合；

S4，统计每个集合中的点云数量M，若M小于参考值Q，则判定为簇状噪声点并去除；若M大于等于参考值Q，则保留以得到最终去噪结果；

其中，所述步骤S1具体包括以下步骤：

S11，抽取点云数据总量10％的点云计算其点云密度，以代表整个点云数据的平均密度，统计其r×r×r立方体空间中点云平均数量Q，作为空间密度去噪法密度阈值的参考值；

S12，定义一个r×r×r立方体空间，若当前判断点X₁坐标为X₁、Y₁、Z₁，则在点X₁的r×r×r立方体空间范围中任意一点的X、Y、Z坐标满足(1)式条件；

S13，遍历该点云数据后将满足X₁，X₂…X_N坐标条件的点的总数进行累加，此时该点云数据包含于r×r×r立方体空间的点的平均数量Q由(2)式获得；

其中N为该点云数据点云数量的10％，K_a为存在于点X_a的r×r×r立方体空间中的点的总数。

2.根据权利要求1所述的基于空间密度和聚类的分步点云噪声去除方法，其特征在于，所述步骤S2中，阈值O为参考值Q的1/4。

3.根据权利要求2所述的基于空间密度和聚类的分步点云噪声去除方法，其特征在于，所述步骤S3具体包括以下步骤：

S31，读取初次去噪点云数据的集合I，集合I中此时的点云数量为P，构建第一个读入点x₀的r×r×r立方体空间，并将该区域内的点以及点x₀放入同一个空集合A₁中，并将集合A₁从集合I中删除，此时为初次聚类，若此时聚类加入的点数为M₁，则此时集合A₁内新加入的M₁个点的坐标(x₁，y₁，z₁)满足(3)式条件；

其中k为聚类次数，此时k＝1；x₀、y₀、z₀为第一个读入点的坐标，集合I中剩余的点的数量P_s为(4)式所示；

M_b为第b次聚类加入集合A₁的点的个数；

S32，进行第二次聚类，遍历集合I中剩余的点，将坐标符合(3)式的点加入集合A₁中，并将加入集合A₁中的M₂个点从集合I中删除，此时集合A₁中总点数M如(5)式所示；

S33，判断上一次聚类是否有点加入集合A₁，判断条件如(6)式，若m＞0，则表示在上一次聚类中有点加入集合A₁，则继续下一次聚类，将集合I中剩余满足(3)式的点加入集合A₁中，并将新加入的M_b个点从集合I中删除；

S34，循环步骤S33直到m＝0，此时集合A₁是集合I中第一个完成聚类的点云集合，并且已经从集合I中删除。

4.根据权利要求3所述的基于空间密度和聚类的分步点云噪声去除方法，其特征在于，所述步骤S4具体包括以下步骤：

S41，判断集合A₁的点云数量是否大于阈值，此处阈值的取值为步骤S1中的参考值Q，若大于阈值，则将集合A₁加入空集B中，若否，则不进行该操作；

S42，判断集合I点云剩余数量P_s是否大于0，若是，则重复步骤S31-S34，若否，则点云去噪过程结束，最终点云数据被分类为集合A₁、集合A₂…集合A_i数个不同点云数量的集合，其中点云数量大于阈值的集合加入集合B，集合B则为不包含簇状噪声的点云数据。