[发明专利]一种面向密集点云的噪声剔除方法

说明书

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。

技术领域

本发明涉及噪声处理技术领域，具体而言，涉及一种面向密集点云的噪声剔除方法。

背景技术

平面特征在基础设施中占据着重要地位，尤其在建筑物墙体中表现更为明显，大量具有平面特征的对象组成了墙体。由于时效、自然灾害、基坑开挖等影响，建筑物不可避免会发生形变，这种形变如果超过一定限度会造成巨大的安全事故，因此需定期对其进行安全检测，排除安全隐患确保其安全性。地面激光雷达技术是近年来快速发展的新型测量技术，具有高速、高精度及高分辨率的优势，已逐渐应用于形变监测领域。然而，由于仪器本身精度、被测物体表面材质、光照、遮挡等因素影响，被测物体表面点云中不可避免含有噪声点，为获取可靠的形变分析数据源，对原始点云数据进行噪声剔除具有重要的意义。考虑到建筑物墙体平面特征较多的特点，探求一种能够有效剔除平面特征对象表面噪声点的剔除方法具有重要的现实意义。

发明内容

本发明的目的在于提供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。

为了实现上述目的，本发明实施例采用的技术方案如下：

本发明实施例提供了一种面向密集点云的噪声剔除方法，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{P_i|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d_i，其中，i＝1,2,…,n；

S4、依据每个点各自到所述平面方程的距离d_i，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(x_j,y_j,z_j)_{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(x_l,y_l,z_l)_{l＝1,2,…,k}；

S8、计算所述邻域点集中每个点与当前点的距离M_j及标准差σ_j，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(x_u,y_u,z_u)_{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。

进一步地，步骤S2中利用主成分分析算法计算所述点云数据集所在平面方程的具体步骤为：