[发明专利]一种点云去噪平滑方法

摘要

本发明公开了一种点云去噪平滑方法，采用自适应密度聚类分析方法对点云进行去噪，采用双边滤波算法对去噪后的点云进行平滑，并对平滑后得到的点云模型进行重建，得到重建后的三维模型，通过计算确定自适应密度聚类分析方法中的初始半径和最小邻域数目的值，避免了原始聚类方法根据聚类结果不断调整参数的缺陷，从而提高了处理速度。

主权项

一种点云去噪平滑方法，其特征在于，具体包括以下步骤：步骤1：对三维点云模型进行自适应密度聚类分析，得到去噪后的点云模型，其具体实现方法如下：步骤1.1：将三维点云模型导入以x、y、z为坐标轴的三维坐标系，计算自适应参数初始半径e和最小邻域数目MinPts，并为类号ClusterID赋初值1；步骤1.2：将三维点云模型中的所有点作为一个集合D，从D中读出一个未访问过的对象P，并查找D中关于e和MinPts的从P密度可达的所有对象；步骤1.3：若P是核心对象，即点P的e邻域内的样本点数大于等于MinPts，则对象P的类号赋值为ClusterID；如果P不是核心对象，即为边界对象，则对象P的类号赋值为0，表示对象P为孤立的噪声点；步骤1.4：从步骤1.2得到的对象P密度可达的对象开始继续搜索，直至无对象为止，将所有密度可达的对象赋值为ClusterID，ClusterID自加1，并转步骤1.2，直到待分类集合D中所有对象都被访问过；步骤2：对步骤1得到的去除噪声之后的点云进行双边滤波，得到平滑后的点云模型；步骤3：针对步骤2得到的点云模型，应用Delaunay三角剖分方法生成重建后的三维模型；所述步骤1.1中：所述自适应参数初始半径e的计算方法如下：根据公式1计算三维点云模型中任意两点pi和pj之间的欧式距离dist(i,j)：其中，(xi,yi,zi)和(xj,yj,zj)分别表示点pi和pj的坐标；根据公式2和公式3计算dist(i,j)的最大值maxdist和最小值mindist，根据公式4求得距离间隔distrange；maxdist＝Max{dist(i,j)|0≤i＜n,0≤j＜n}    式2mindist＝Min{dist(i,j)|0≤i＜n,0≤j＜n}   式3distrange＝maxdist‑mindist    式4其中，n表示三维点云模型中点的数目；将距离间隔distrange等距分为十段，各分段的端点值从小到大分别用d0,d1,...,d10表示，统计dist(i,j)在每段范围内的次数pk，0≤k＜10，其中，下标k表示上述各分段的段号，记次数pk中的最大值为pm，0≤m＜10，则根据公式5求得自适应参数初始半径e：所述最小邻域数目MinPts的计算方法如下：自适应参数初始半径e确定之后，设置MinPts的初始值为1；根据公式6统计点云模型中的任意点pi的邻域点数目pNumi，0≤i<n根据公式7统计点云模型中所有点的邻域点数目大于MinPts的点的个数，即为pNum；pNumi＝count{dist(i,j)＜e|0≤j＜n}   式6pNum＝count{pNumi≥MinPts|0≤i＜n}  式7逐步增大最小邻域数目MinPts，每次递增1，随着最小邻域数目MinPts的增加，pNum会逐渐减少并趋于稳定，每次计算pNum之后与前一次计算的结果相比较，选择pNum不再变化时的最小邻域数目作为MinPts。