[发明专利]一种各项异性扩散滤波的三维散乱点云平滑去噪方法

说明书

本发明公开了一种各项异性扩散滤波的三维散乱点云平滑去噪方法，通过对采样点与其有效邻域点进行张量投票得到张量矩阵结构张量矩阵，求解特征值和特征向量并根据结构张量矩阵的特征值和特征向量来分析采样点的局部特性，根据采样点的不同几何特征信息来设计扩散张量矩阵的特征值，并根据不同的几何特征信息来设计扩散速率，使得在不同主特征方向上的扩散速率不同，重构出修正后的扩散张量矩阵，最后将重构好的扩散张量代入三维扩散异性滤波方程中进行微分求解，经过一定次数的迭代得到滤波因子，对噪声进行平滑处理。本方法对散乱点云去除噪声的同时，可以有效的保持原始模型的特征信息，避免了过光顺和局部失真。

技术领域

本发明涉及计算机视觉技术与三维重建的逆向工程领域，具体是一种各项异性扩散滤波的三维散乱点云平滑去噪方法。

背景技术

物体三维点云数据的获取是逆向工程的重要环节。但由于测量设备本身的缺陷以及测量环境的影响，导致测量得到的三维点云数据不可避免的存在噪声。因此，三维点云数据的平滑去噪处理已经成为逆向工程研究领域的热点问题之一。

随着计算机与三维数字化的不断发展，三维点模型也被广泛应用于3D打印、虚拟现实和计算机建模等领域。然而通过三维扫描仪得到的点云数据中含有噪声，传统的去噪方法在去除噪声时，易导致模型特征细节的丢失，所以一种点云保特征的去噪方法显得尤为重要。

发明内容

针对现有技术的不足，本发明拟解决的技术问题是，提供一种各向异性扩散滤波的三维点云去噪方法。

本发明解决所述技术问题的技术方案是，提供一种各项异性扩散滤波的三维散乱点云平滑去噪方法，其特征在于该方法包括以下步骤：

步骤1，输入三维散乱点云数据P＝{p1,...,pn}，pi为其中的一个采样点，确定其邻域点个数k；

步骤2，运用K-D树算法搜索邻域点：设邻域点集Ni＝{pi1,pi2,pi3,...,pik}，i＝1,2,...,n，k≤n；

步骤3，对采样点和邻域点进行张量投票，得到结构张量矩阵T，采样点pi和其邻域点集Ni进行张量投票得到的结构张量矩阵T如式(1)所示：