[发明专利]一种点云模型的去噪精简方法

说明书

技术领域

本发明属于三维点云重建技术领域，具体涉及一种点云模型的去噪精简方法。

背景技术

由于人为等随机因素或扫描设备本身的缺陷以及点云模型特征的多样性与噪声本身的复杂性，使得获取的数据不可避免地带有噪声,而噪声的存在严重影响了后续建模的精度以及相关处理的效率。同时，随着三维数据扫描设备精度的不断提高,以及点云数据在大规模复杂场景建模中的广泛应用，采集到的点云数据往往过密，而我们重建出一个完整的点云产品又需要多幅不同角度点云数据合并而成，造成数据量庞大，如果直接对采集来的数据进行重建，必然会影响重建效率以及模型的光顺性，同时计算机储存、显示这类点云，占用空间内存大，处理时间长，严重影响计算机的运行。

发明内容

本发明的目的是提供一种点云模型的去噪精简方法，解决了现有技术占用内存大，处理时间长影响计算机运行的问题。

本发明的技术方案是：一种点云模型的去噪精简方法，其特征在于，具体按照以下步骤实施：

步骤1，采集图像并对图像进行预处理；

步骤2，对步骤1中得到的三维点云模型图片进行大尺度噪声的去除；

步骤3，采用移动最小二乘去除小尺度噪声；

步骤4：对经步骤3去噪后的点云数据进行基于体素栅格下采样，得到精简后的点云模型。

本发明的特点还在于，

步骤1具体为：

步骤1.1，通过视觉传感器获取原始三维点云模型图像，

步骤1.2，将步骤1.1采集获取的三维点云模型图像进行预处理，利用直通滤波方法进行分割提取，得到三维点云模型图像。

步骤2具体为，步骤2.1：采用统计滤波去除部分大尺度噪声点；

步骤2.2：为了更加全面的去除大尺度噪声点，同时采用半径滤波去除大尺度噪声点。

步骤2.1具体为：

对三维点云模型中每个数据点q_n，假设q_n到任意点的距离为d_i，q_n表示为三维点云模型中的第n个数据点，n＝1，2，3...S,根据公式(1)计算q_n到它所有k个邻近点的平均距离avr_n，计算出的avr_n采用高斯分布进行表示，其均值为μ和标准差为σ，

设定的标准范围span，用于判断模型中的数据点是否为噪声点，其中标准范围按照公式(2)进行计算，

span＝μ±g·σ(g＝0,1,2,...)(2)

其中，μ值与σ值由步骤1.1可见。

对比平均距离avr_n和标准范围span，对相应的点进行选择，即，

当点q_n对应的平均距离avr_n大于标准范围span时，则删除该点q_n；当点q_n对应的平均距离avr_n小于等于标准范围span时，则保留该点q_n。

步骤2.2具体为：

设以三维点云模型中的数据点q_n为中心，r为半径的球体范围内的近邻数目为m，设定的最少近邻数目为M,其中，M＝(2％-5％)·n,

对比m和M之间的关系，判定是否保留对应的点q_n；

当m大于M，则保留该点q_n；

当m小于等于M，则删除该点q_n。

步骤3具体为：

步骤3.1，将三维点云模型表面数据依次投影到平面坐标系，所得平面数据集合为区域U，设区域U上的拟合函数为公式(3)，

其中，

j为区域U上第j个数据点(j＝1，2...,N).m是基函数的个数；

F^T(x,y)＝[F₀(x,y),F₁(x,y),...,F_m(x,y)],F_j(x,y)是基函数，

a(x,y)＝[a₀(x,y),a₁(x,y),...,a_m(x,y)]^T,a_j(x,y)为相应待求系数，

F^T(x,y)a(x,y)为矩阵表示形式；