[发明专利]一种基于阈值分割的小尺度点云噪声去噪方法

摘要

本发明一种基于阈值分割的小尺度点云噪声去噪方法属于计算机视觉和逆向工程领域，涉及一种基于阈值分割的小尺度点云噪声去噪方法。该方法采用激光结合双目视觉的方式，利用双目摄像机拍摄获取代表被测物表面信息的点云数据。根据主成分分析法对获得的点云数据进行坐标变换，分别获得点云数据的两个主成分方向。再根据点云数据的方向划分若干网格，并求解网格内所有点Z坐标的中值，最后设置分割阈值，将大于阈值的数据进行中值滤波，小于阈值的数据进行双边滤波，实现小尺度点云噪声的去除。本发明在双边滤波的基础上，应用阈值分割的方法，改进了现有小尺度点云噪声去噪的局限性，克服了传统的滤波方法无法有效去除边界噪声点问题。

主权项

1.一种基于阈值分割的小尺度点云噪声去噪方法，其特征是，该方法采用激光结合双目视觉的方式，利用左、右摄像机(1、2)拍摄激光发射器(3)在被测物(5)上形成的辅助激光条纹(6)，获取代表被测物(5)表面信息的点云数据；其次根据主成分分析法对获得的点云数据进行坐标变换，分别获得点云数据的两个主成分方向；根据点云数据的方向划分若干网格，并求解网格内所有点Z坐标的中值，最后设置分割阈值，将大于阈值的数据进行中值滤波，小于阈值的数据进行双边滤波，实现小尺度点云噪声的去除；方法的具体步骤如下：第一步，获取点云数据安装测量设备，打开辅助激光发射器(3)并照射被测物(5)，在开始采集之后，打开转台(4)带动激光发射器(3)转动，使激光扫描被测物(5)；然后，整体平移左右摄像机(1、2)的位置，进行多次拍摄，保证被测物(5)形面信息的完整性；通过信息采集系统采集到辅助激光光条(6)图像之后，需要对激光光条(6)的中心线进行提取，采用光条图像中心灰度重心提取的方法，公式为：其中：(ui,vi)为第i行光条灰度重心坐标，Iij为第i行第j列灰度值；通过此方法可以获取辅助激光光条(6)的特征点二维信息，再结合标定结果以及重建公式，得到边界点和光条中心点在世界坐标系下的三维坐标值，重建公式为：其中，假设x_i'＝(X_i',Y_i')，X_i'，Y_i'分别为左摄像机(1)采集的图像边界点或光条中心点x_i′在像面坐标系下的横、纵坐标；x_i′′＝(X_i′′,Y_i′′)，X_i′′，Y_i′′分别为右摄像机(2)采集的图像光斑中心点x_i′'在像面坐标系下的横、纵坐标；f₁、f₂分别为左、右摄像机(1、2)标定得到的焦距；是右摄像机(2)相对于左摄像机(1)的旋转矩阵，[t_x t_y t_z]是右摄像机(2)相对于左摄像机(1)的平移矩阵，由标定实验得到；则(x_i,y_i,z_i)为重建出来的对应点的三维坐标，由此获取整个被测物(5)表面的三维点云数据；第二步，转换点云坐标通过第一步获取的点云，建立在摄像机坐标系下，无法直接获取点云数据的主成分方向，因此需要采用主成分分析法进行求解：假设三维点云数据的矩阵为P＝[X Y Z]，其中向量X＝[x₁ x₂ … x_n]^T，Y＝[y₁ y₂ … y_n]^T，Z＝[z₁ z₂ … z_n]^T，然后对向量X、Y、Z进行归一化处理，得到点云数据中心其中，分别为点云X、Y、Z三个方向的数据中心，n为点云数量，(x_i,y_i,z_i)为第i个点的三维坐标；数据去中心化得P'＝[X' Y' Z']，其中X',Y',Z'如下所示：数据P′的协方差矩阵C可求得：因矩阵C是一个实对称矩阵，所以C可对角化：其中λ是矩阵C的特征值，U是特征向量所组成的矩阵；将D中的特征值按照从大到小排列，得到与其对应的前两个特征向量u₁和u₂，投影方向可得：因此可建立一个新的u1u2u坐标系，将XYZ坐标系下的点云转换到u1u2u坐标系下，转换公式如下：其中Q为u1u2u坐标系下点云的集合；第三步，划分点云网格将点云数据分别沿着u₁轴、u₂轴方向划分网格，网格内u坐标集合为λ表示划分网格的长度，表达式为：其中z″k(k＝1,2…,s)表示网格内数据点的u坐标值；s表示区域内数据点的u坐标值的个数；x″和y″为网格边界坐标值；第四步，去除点云噪声在网格内对的元素进行排序，求取网格内元素的中值计算各元素与的距离，记为将按照从小到大的顺序排列，并设置阈值将值大于阈值的z″_k进行中值滤波，并将符合要求的元素对应的三维数据作为邻域点计算光顺滤波权函数和特征保持权函数，并得到新的双边滤波因子；为提高运算效率，改进后的双边滤波因子表示为：其中N为邻域点个数，定义为光顺滤波权函数，为特征保持权函数，σ_c和σ_s为高斯滤波系数，σ_c为网格的长度，σ_s为网格内点到q点距离的标准差；滤波后的点云数据为：q′＝q‑α′n (11)其中q为滤波前的点云数据，q′为滤波后的点云数据，n为单位向量(0，0，1)；这样就完成了小尺度点云噪声的去噪。