[发明专利]点云数据的去噪方法、装置、电子设备及存储介质

说明书

本发明提供一种点云数据的去噪方法、装置、电子设备及存储介质，该方法包括：获取多个第一点云数据及多个图像分割结果，多个第一点云数据是采集设备在不同角度下对目标物体进行拍摄得到的；利用语义分割算法，在多个第一点云数据中，确定目标物体对应的第二点云数据；对第二点云数据进行拼接及投影转换，得到多个点云投影图像；根据多个点云投影图像及多个图像分割结果，确定目标物体对应的目标点云数据。该方法用以解决现有的点云数据的去噪方法导致电子设备无法准确获取目标物体对应的点云数据的缺陷，实现借助点云数据与图像分割结果相互监督，降低对单一视角下图像分割精度的过度依赖，从而有效提高确定目标物体对应的目标点云数据的准确性。

技术领域

本发明涉及图像处理技术领域，尤其涉及一种点云数据的去噪方法、装置、电子设备及存储介质。

背景技术

近些年来计算机科学技术飞速发展，虚拟现实与计算机图形学等技术进一步推动了增强现实等技术的出现。这些新兴技术无一不对高质量的三维点云数据(简称：点云数据)有着迫切的需求，特别是在工业领域中，由于存在高精度等指标需求，更是对点云数据质量有着严格的限制。

电子设备利用相机获得的目标物体对应的点云数据容易受该相机、该目标物体所在环境和该目标物体表面特性等影响，不可避免存在一些噪声数据。现有的点云数据的去噪方法有两种，分别为有序点云去噪及散乱点云去噪。在前者方法中：点云数据在空间中的以有序结构组织，即是有序点云。目前常用的处理方法可以包括：滤波法、全局能量法、观察法、曲线检查法、弦高差法等。这些方法拥有各自的优势，但现有的电子设备收集的点云数据往往以无序点云居多。而后者方法包括的数据驱动去噪算法，由于引入了神经网络技术，得到了众多研究者的关注。电子设备可以从大量训练样本中学习点云数据的数据特征，从而优化该点云数据，这样就能够得到超越以往大部分方法的效果，然而，由于神经网络没有考虑多层次的数据信息，也会容易导致点云数据的去噪效果不佳。

综上，无论是哪种现有的点云数据的去噪方法，都会具有一定的局限性，从而容易导致电子设备无法准确获取到目标物体对应的点云数据。

发明内容

本发明提供一种点云数据的去噪方法、装置、电子设备及存储介质，用以解决现有的点云数据的去噪方法无法准确获取到目标物体对应的点云数据的缺陷，实现借助点云数据与图像分割结果相互监督，降低对单一视角下图像分割精度的过度依赖，从而有效提高确定目标物体对应的目标点云数据的准确性。

本发明提供一种点云数据的去噪方法，包括：

获取多个第一点云数据及多个图像分割结果，该多个第一点云数据是采集设备在不同角度下对目标物体进行拍摄得到的；

利用语义分割算法，在该多个第一点云数据中，确定该目标物体对应的第二点云数据；

对该第二点云数据进行拼接及投影转换，得到多个点云投影图像；

根据该多个点云投影图像及该多个图像分割结果，确定该目标物体对应的目标点云数据。

根据本发明提供的一种点云数据的去噪方法，该对该第二点云数据进行拼接及投影转换，得到多个点云投影图像，包括：在世界坐标系下，将该第二点云数据进行拼接，得到拼接点云数据；将该拼接点云数据投影至该相机对应的图像坐标系下，得到多个点云投影图像。

根据本发明提供的一种点云数据的去噪方法，该根据该多个点云投影图像及该多个图像分割结果，确定该目标物体对应的目标点云数据，包括：确定该多个点云投影图像对应的第一像素及该多个图像分割结果对应的第二像素；对该第一像素及该第二像素求交集，得到目标像素，并确定该目标像素对应的第三点云数据；对该第三点云数据进行拼接，得到该目标物体对应的目标点云数据。