[发明专利]一种顾及邻域点均值距离和斜率的三维激光点云去噪方法

说明书

本发明针对目前邻近点点数的阈值凭经验设置并不能保证适用性，以及常用的滤波算法的拟合能力有限，存在一定的局限性等系列问题，对地面三维激光点云(Terrestrial Laser Scanner,TLS)提出顾及邻近点距离和斜率的去噪策略，在k‑d tree索引构建支持下，实现了单独考虑邻近点距离和斜率的一维Gamma去噪函数的构建，以及顾及邻近点距离和斜率的二维Gamma去噪函数的构建。本发明提出的滤波器的两个约束条件从不同方向考虑了查询点周围邻域数量、邻域点与中心点的距离均值以及分布密度等情况，对于TLS数据异常值，不管是稀疏异常值还是孤立噪声点等噪声类型均有效，可达到自动滤除噪声点的技术效果。

技术领域

本发明是一个属于测绘、地理信息科学领域。

背景技术

近年来，计算机技术和三维数字化信息发起站突飞猛进，通过三维丝奥妙等方式获得目标物三维点模型数据，并对其进行逆向建模已成为目前的研究热点。三维点建模尤其被运用在3D打印、虚拟现实和计算机建模等领域。然而在通过三维扫描仪获得点数据的过程中，测量得到的三维数据总会出现随机误差，被测物体表面本身的不平顺也使得测得的数据信息存在一定的噪声信息，因此在建模过程中，对所得数据进行准确性检测和去噪工作对建模结果准确性起到至关重要的作用。现有技术中对点云模型的去噪方法有很多，例如1)移动曲面拟合点云去噪方法，该方法充分利用了地物或地形表面在微小范围内的连续性，即存在二阶可导特性，可以用二次曲面来逼近。2) 基于数学形态学理论的点云去噪方法用“减少”(腐蚀)或“增大” (膨胀)图像中特征的尺寸提取图像特征。3)双边滤波点云去噪方法既可以有效降低图像噪声，又能最大限度地保持边缘细节信息的算法。4)一种基于统计分析的孤立噪声点剔除方法，首先首先利用k-d tree组织地面建筑物的点云数据，其次，基于正态分布的原理，利用统计分析的方法，自动设置阈值，以滤除孤立噪声点。

本发明针对目前邻近点点数的阈值凭经验设置并不能保证适用性，以及常用的滤波算法的拟合能力有限，存在一定的局限性等系列问题，对地面三维激光点云(Terrestrial Laser Scanner,TLS)提出顾及邻近点距离和斜率的去噪策略，在k-d tree索引构建支持下，实现了单独考虑邻近点距离和斜率的一维Gamma去噪函数的构建，以及顾及邻近点距离和斜率的二维Gamma去噪函数的构建。本发明提出的滤波器的两个约束条件从不同方向考虑了查询点周围邻域数量、邻域点与中心点的距离均值以及分布密度等情况，对于TLS数据异常值，不管是稀疏异常值还是孤立噪声点等噪声类型，均有效，可达到自动滤除噪声点的技术效果。

发明内容

本发明涉及一种顾及邻域点均值距离和斜率的三维激光点云去噪方法，由以下步骤组成：

步骤1，原始点云k-d tree索引构建：

(1)读取原始点云数据集P＝{P₁,P₂,…,P_n}，将其存入三维数组中，对每个维度进行方差计算，选择方差最大的维度t(t＝1,2,3)，然后选择t维度上所有数值的中值μ作为第一个比较对象，即划分轴，得到两个子集，并存储到一个树节点N(t,μ)；

(2)对得到的两个子集重复步骤1中的(1)过程，直到原始数据集P＝{P₁,P₂,…,P_n}无法再分割；如果过程中某个子集无法再划分，则保存该子集中的数据到叶子结点。

步骤2，k-d tree索引的最近邻域查找算法设计：

(1)将待查询数据点P_i(x,y,z)与从根节点开始的各个树节点 N(t,μ)中的μ值对比，若在t维度上的值大于μ，则进入右子树查询；否则，进入左子树查询，到达叶子结点后，计算P_i(x,y,z)与此叶子结点上存储的数据点之间的距离d，并记录相对应的目标点坐标 P_o(x,y,z)；