[发明专利]基于图像处理的K近邻点云滤波方法、装置和存储介质

权利要求书

1.一种基于图像处理的K近邻点云滤波方法，其特征在于，包括以下步骤：

获取三维点云，构建出二维图像，所述二维图像中的二维点与所述三维点云中的三维点唯一对应；

获取预先设定的K邻近滤波模板，根据所述K邻近滤波模板对所述二维图像进行卷积计算，得出所述K邻近滤波模板的中心点与所有的K邻近点之间的欧式距离，若所述欧式距离小于预先设定的距离阈值，则将所述K邻近点设置为第一K邻近点，若所述欧式距离大于预先设定的距离阈值，则将所述K邻近点设置为第二K邻近点；

获取预先设定的比例阈值和数量阈值，若所述第一K邻近点与所述第二K邻近点的数量比值大于所述比例阈值，或者所述第一K邻近点与所述第二K邻近点的数量比值小于所述比例阈值且所述第一K邻近点和所述第二K邻近点的数量和小于所述数量阈值，将所述中心点设置为噪声点。

2.根据权利要求1所述的一种基于图像处理的K近邻点云滤波方法，其特征在于：所述三维点云由绝对相位图和图像获取设备的内外参数进行重构得出，所述图像获取设备包括相机和投影机。

3.根据权利要求1所述的一种基于图像处理的K近邻点云滤波方法，其特征在于，所述根据所述K邻近滤波模板对所述二维图像进行卷积计算具体包括以下步骤：

获取所述三维点云中与所述中心点所对应的第一点坐标和与所述K邻近点所对应的第二点坐标；

根据所述第一点坐标和第二点坐标计算出欧式距离。

4.根据权利要求1所述的一种基于图像处理的K近邻点云滤波方法，其特征在于：所述K邻近滤波模板的形状包括但不限于矩形和圆形，所述K邻近滤波模板中至少包括中心点和若干个K邻近点。

5.根据权利要求1所述的一种基于图像处理的K近邻点云滤波方法，其特征在于，若所述第一K邻近点与所述第二K邻近点的数量比值小于所述比例阈值且所述第一K邻近点和所述第二K邻近点的数量和小于所述数量阈值，还包括：将所述中心点设置为离群噪声点。

6.根据权利要求1所述的一种基于图像处理的K近邻点云滤波方法，其特征在于，将所述中心点设置为噪声点后还包括：将所述K邻近滤波模板移动至所述二维图像中未被滤波的区域，重复执行滤波操作直至完成对所述二维图像的遍历。

7.一种用于执行基于图像处理的K近邻点云滤波方法的装置，其特征在于，包括CPU单元，所述CPU单元用于执行以下步骤：

获取三维点云，构建出二维图像，所述二维图像中的二维点与所述三维点云中的三维点唯一对应；

获取预先设定的K邻近滤波模板，根据所述K邻近滤波模板对所述二维图像进行卷积计算，得出所述K邻近滤波模板的中心点与所有的K邻近点之间的欧式距离，若所述欧式距离小于预先设定的距离阈值，则将所述K邻近点设置为第一K邻近点，若所述欧式距离大于预先设定的距离阈值，则将所述K邻近点设置为第二K邻近点；

获取预先设定的比例阈值和数量阈值，若所述第一K邻近点与所述第二K邻近点的数量比值大于所述比例阈值，或者所述第一K邻近点与所述第二K邻近点的数量比值小于所述比例阈值且所述第一K邻近点和所述第二K邻近点的数量和小于所述数量阈值，将所述中心点设置为噪声点。

8.根据权利要求7所述的一种用于执行基于图像处理的K近邻点云滤波方法的装置，其特征在于，所述CPU单元还用于执行以下步骤：获取所述三维点云中与所述中心点所对应的第一点坐标和与所述K邻近点所对应的第二点坐标；

根据所述第一点坐标和第二点坐标计算出欧式距离。

9.根据权利要求7所述的一种用于执行基于图像处理的K近邻点云滤波方法的装置，其特征在于，所述CPU单元还用于执行以下步骤：将所述K邻近滤波模板移动至所述二维图像中未被滤波的区域，重复执行滤波操作直至完成对所述二维图像的遍历。

10.一种计算机可读存储介质，其特征在于：所述计算机可读存储介质存储有计算机可执行指令，所述计算机可执行指令用于使计算机执行如权利要求1-6任一项所述的一种基于图像处理的K近邻点云滤波方法。