[发明专利]一种面向密集点云的噪声剔除方法

摘要

本发明实施例提出了一种面向密集点云的噪声剔除方法，涉及噪声处理技术领域，该方法包括：主成分分析拟合平面方程；计算点云中点到平面的距离及标准差；噪声点判断，得到处理后点集；建立K‑D树索引；输入k值，遍历点集，确定各点邻域；计算各点邻域内点的距离(点个数)的平均值及标准差；噪声点判断与剔除。本发明实施例所提供的一种面向密集点云的噪声剔除方法，能够高精度地剔除具有平面特征的点云噪声。

主权项

1.一种面向密集点云的噪声剔除方法，其特征在于，所述方法包括：S1、采用地面激光雷达系统获取具有平面特征的对象表面的点云数据集{Pi|i＝1,2,…n}，其中，n所述点云数据集中点的数量，每个点的数据包括对象表面点的三维坐标和强度；S2、利用主成分分析算法计算所述点云数据集所在平面方程，得到平面法向量；S3、计算所述点云数据集中每个点各自到所述平面方程的距离di，其中，i＝1,2,…,n；S4、依据每个点各自到所述平面方程的距离di，获得所述点云数据集的标准差σ；S5、对所述点云数据集进行噪音点判断，依据经典粗差剔除理论，选择两倍所述标准差σ为阀值对所述点云数据集中的噪声点进行剔除，将剩下的所有点作为保留点集Q(xj,yj,zj)j＝1,2,…,m；S6、对所述保留点集建立K‑D树索引；S7、输入k值，遍历所述保留点集，确定所述保留点集中每个点的k‑近邻，并以所述每个点的k‑近邻生成邻域点集t(xl,yl,zl)l＝1,2,…,k；S8、计算所述邻域点集中每个点与当前点的距离Mj及标准差σj，其中，j＝1,2,…,m；S9、对所述保留点集进行噪音点判断，依据经典粗差剔除理论，选择选择两倍所述标准差σ为阀值对所述保留点集中的噪声点进行剔除，得到剔除噪声后的保留点集R(xu,yu,zu)u＝1,2,…,f，其中，f为所述剔除噪声后的保留点集中点的个数；S10、若所述剔除噪声后的保留点集中还存在成簇的噪声，重新输入新的k值，并重复执行S7、S8及S9。