[发明专利]一种散乱点云的保特征滤波方法

摘要

一种散乱点云的保特征滤波方法，采用kdtree搜索采样点的k邻域，根据采样点与邻域点的曲率差异判断采样点的有效邻域，进而在有效邻域下，以待采样点的切平面为视平面构建滤波器。该滤波器采用采样点、邻域点及邻域点在采样点切平面的投影点构成的三角形的面积，与法向特征差异相结合作为滤波因子对散乱点云数据去噪。本发明的滤波方法可在对点云模型去噪的同时，较好地保持模型的细节特征。

主权项

1.一种散乱点云的保特征滤波方法，其特征在于：获取采样点的k个邻域点中的有效邻域，根据采样点与其邻域点的曲率差异，设定阈值H，当曲率差异小于H时，该点为有效邻域点，否则为无效邻域点；该采样点所有有效邻域点构成有效邻域；采样点、邻域点及邻域点在采样点切平面的投影点构成的三角形的面积，与法向特征差异相结合作为滤波因子对散乱点云数据去噪；所述方法的具体步骤如下：步骤1，输入噪声点云集V＝{v_i，i＝1，2，…n)，通过kdtree算法对邻域进行搜索并设定邻域点个数k，定义矩阵其中，c为邻域中心；v_ij为采样点v_i的第j个邻域点；对矩阵R进行特征分解，0≤λ₁≤λ₂≤λ₃为矩阵R的三个非负特征值，e₁，e₂，e₃为相应的特征向量，最小特征值λ₁所对应的特征向量e₁为该点的法向N_i，最大特征值λ₃所对应的特征向量e₃近似为该采样点的切向T_i，采样点的曲率步骤2，根据采样点曲率ρ_i与邻域点曲率ρ_ij的差异判断有效邻域，计算ρ_i‑ρ_ij，并设定阈值H，当ρ_i‑ρ_ij的值小于H时，该邻域点为有效邻域点，否则为无效邻域点，即定义二值函数η表示该点是否为有效邻域点；步骤3，计算采样点v_i与邻域点v_ij之间的位置差异||v_ij‑v_i||，q_j为邻域点v_ij在采样点v_i的切平面的投影点，计算邻域点v_ij与投影点q_j间的距离＜N_i,v_ij‑v_i＞，采样点v_i与投影点q_j间的距离＜T_i,v_ij‑v_i＞，采样点v_i、邻域点v_ij以及投影点q_j构成的三角形的面积步骤4，根据下式计算位置权重函数W_c和特征权重函数W_s其中，σ_c为位置影响因子，σ_s为特征影响因子，N_i为采样点v_i的法向，N_ij为邻域点v_ij的法向；步骤5，将W_c和W_s代入双边滤波因子h其中，N(v)为采样点的邻域点集；步骤6，将h代入下式中V_out＝v_i+N_i·h  (6)其中，v_out为输出采样点；N_i为v_i的法向；v_i为原始待处理采样点；h为滤波因子；步骤7，对于所有采样点重复步骤1到步骤6，得到去噪后的点云模型。