[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

说明书

本发明公开了一种基于图像处理的K邻近点云滤波方法、装置和存储介质，在获取三维点云后，构建出二维图像，通过K邻近滤波模板在二维图像中选中若干个点，计算出中心点与K邻近点之间的欧式距离，基于欧式距离和预先设定的距离阈值和比例阈值判断中心点是否为噪声点，对于满足距离阈值和比例阈值的中心点，基于数量阈值对模板中的K邻近点数量进行统计，将数量小于数量阈值的模板的中心点设置为离群的噪声点，通过设置数量阈值实现了空间层面的限制，有效去除离群、散乱和狭长的噪声点云，提高滤波的准确性和适用范围。

技术领域

本发明涉及三维形貌测量技术领域，特别是一种基于图像处理的k近邻点云滤波方法、装置和存储介质。

背景技术

目前，随着三维扫描技术的发展，获取物体表面的三维点云数据越来越容易，推动了三维扫描技术广泛应用于城市建模、逆向工程、测量工程等领域。然而，由于三维扫描设备需要人为操作，加上相机和投影机等设备本身的结构和外界因素的影响，获取到的三维点云中存在噪声点云，现有的去噪方法主要是基于K近邻点的点云滤波方法，但是现有的方法仅针对单独的噪声点进行去除，无法去除狭长状的噪声点云，滤波效果不佳。

发明内容

为了克服现有技术的不足，本发明的目的在于提供一种基于图像处理的K近邻点云滤波方法、装置和存储介质，能够去除狭长状的噪声点云，提高K近邻点滤波方法的适用范围。

本发明解决其问题所采用的技术方案是：第一方面，本发明提供了一种基于图像处理的K近邻点云滤波方法，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。

进一步，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。

进一步，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。

进一步，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。

进一步，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。

进一步，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。

第二方面，本发明提供了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，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；