[发明专利]一种基于阈值分割的小尺度点云噪声去噪方法

说明书

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。

技术领域

本发明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。

背景技术

随着航空事业的不断发展，对于大型航空零部件的生产要求越来越高，由于逆向工程技术具有操作简单，实时获取，方便分析等特点，所以发展针对飞机零件的逆向建模技术迫在眉睫。

点云获取作为逆向工程的第一步，具有至关重要的作用。在激光扫描系统获取点云数据过程中，由于被测物本身和测量环境等原因造成的误差会产生脉冲噪声点。这些噪声一般可分为大尺度噪声和小尺度噪声两种，其中大尺度噪声可分为两类，第一类是偏离点云悬浮点云上方的稀疏点，第二类是距离点云主体较远，小而密集的点云；小尺度噪声是与主体点云混在一起的噪声点。这些不同种类的噪声会对逆向重建的结果产生很大的影响，因此研究虑及一种基于阈值分割的小尺度点云噪声去噪方法对于确保逆向重建精度，实现零部件装配偏差的测量具有重要意义。目前，针对小尺度噪声，传统滤波算法易受邻域点影响，当主体点云附近存在多而密集的噪声点时，滤波效果不是十分明显，尤其面向大型零件线激光扫描点云，被测零件边界外存在部分噪声点，传统的滤波方法无法有效去除这些噪声点，难以应用于现场测量过程。针对小尺度点云噪声的去除，河海大学的曹爽等人在《东南大学学报》第43卷增刊《基于特征选择的双边滤波点云去噪算法》一文中提出了一种基于特征选择的双边滤波去噪方法，通过最小包围盒法去除第一和第二类噪声点，并通过邻域点和栅格点分别计算不同的双边滤波因子，避免了双边滤波算法过光顺的问题，但特征选择的过程较为繁琐。桂林电子科技大学的袁华等人在《计算机应用》第35卷8期《基于噪声分类的双边滤波点云去噪算法》一文中利用统计滤波和半径滤波相结合的方式，去除第一第二类噪声点，并对双边滤波因子进行了改进，考虑了法向量夹角对权值的影响，但损失了点云的深度信息。

发明内容

本发明为了解决现有小尺度点云噪声去噪方法在点云数据处理过程中的局限性，发明了一种基于阈值分割的小尺度点云噪声去噪方法，采用激光结合双目视觉的方式，其目的是针对传统滤波算法易受邻域点影响，当主体点云附近存在多而密集的噪声点时，滤波效果不是十分明显，尤其面向大型零件线激光扫描点云，被测零件边界外存在部分噪声点的情况。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。该方法克服了传统的滤波方法无法有效去除这些噪声点，难以应用于现场测量过程等问题，方法具有广泛的应用前景。

本发明采用的技术方案是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；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；方法的具体步骤如下：

第一步，获取点云数据