[发明专利]三维激光点云降噪方法、装置、设备及存储介质

说明书

本发明公开了一种三维激光点云降噪方法、装置、设备及存储介质，该方法包括获取目标研究面的点云数据，基于所述点云数据，确定目标拟合面，根据所述点云数据中的每个点到所述目标拟合面的距离和预设边界条件，获得每个点对应的附近点信息，基于所述附近点信息，对所述点云数据中的噪点进行去除。本发明通过对改进的最小二乘法算法进行优化，利用泊松分布自动设置阈值，并且随边界条件的调整而变化，相比之前的改进的最小二乘法算法，降低了人工调整花费的精力与时间，具有更高的普适性。

技术领域

本发明涉及数字处理技术领域，尤其涉及到一种三维激光点云降噪方法、装置、设备及存储介质。

背景技术

目前，三维机器视觉检测技术已经被广泛应用于工业智能制造邻域。在实际检测项目中，三维机器视觉检测技术通常使用三维激光扫描设备获取物体表面的3D点云数据。由于环境光噪声、设备固有的非线性误差以及物体表面颜色等因素的影响，获取到的3D点云数据中存在离群点噪声，导致3D点云数据的处理精度较低。因此，需要通过点云降噪算法剔除3D点云数据中的离群点，对3D点云数据进行平滑修正，即降噪处理。

最小二乘法降噪理论是根据最小二乘拟合所设定的阈值与点和拟合面的距离d值进行比较，大于设定阈值的点予以删除，达到降噪的目的。阈值的大小设定会直接影响到降噪效果，阈值过大，降噪效果不明显，阈值设定过小，又会造成有效点的缺失，所以很难选取合适的阈值。而且最小二乘法拟合是在假设x，y为不包含误差自变量，而z为包含误差的因变量情况下参与平面参数的解算，但实际上获取的点云在x，y，z三个方向上都有误差，所以最小二乘在点云数据平面拟合的解算处理中并不能取得良好的降噪效果。

一种改进的最小二乘法算法的主要思想：对每个研究面，将实测点云数据反代到建立的数学模型中，从而得到各个实测点到拟合的结构面的距离，记录该值为D_a。搜索该点附近一定范围r内所有实测点数b，若b不小于某正数B，则说明该点非体外孤点，反之，将其删除。然后计算N个点分别到拟合平面的距离，并记录该值为D_ab，统计在|D_a-D_ab|这个区间时，b个点落入该区间的个数n，若n小于某正整数N，则该点为噪音点，将其删除。反之，将其保留。依次对该研究单元中的每个实测点进行上述过程的判别，直至遍历所有点。这种改进的算法通过对空间域和影响域赋予不同的权值，能够更精准的辨别噪音点，即使在有很多噪音点聚集在一起的情况下，也可以很有效的识别出来，达到降噪效果的最优。

然而，该方法中的边界条件r、B、N均需分别进行人工输入调整以达到最佳效果，且三者之间存在数学联系，人工调整耗时费力。因此，如何提高三维激光点云降噪的普适性，降低人工调整花费的精力与时间，是一个亟需解决的技术问题。

上述内容仅用于辅助理解本发明的技术方案，并不代表承认上述内容是现有技术。

发明内容

本发明的主要目的在于提供一种三维激光点云降噪方法、装置、设备及存储介质，旨在解决目前三维激光点云降噪采用的改进的最小二乘法需要人工输入相关边界条件，普适性不高的技术问题。

为实现上述目的，本发明提供一种三维激光点云降噪方法，所述方法包括以下步骤：

获取目标研究面的点云数据，基于所述点云数据，确定目标拟合面；

根据所述点云数据中的每个点到所述目标拟合面的距离和预设边界条件，获得每个点对应的附近点信息；

基于所述附近点信息，对所述点云数据中的噪点进行去除。

可选的，所述附近点信息为边界条件附近点的数量和平均距离附近点的数量构成的二维数组。

可选的，获得每个点对应的边界条件附近点的数量，具体包括：

判断所述点云数据中的每个点到所述目标拟合面的距离是否在所述预设边界条件范围内；