一种点云数据去噪的方法和系统技术方案

本发明专利技术实施例提供了一种点云数据去噪的方法和系统，其中，所述方法包括：获取三维点云数据；将所述三维点云数据投影到二维平面，得到二维点云数据；对所述二维点云数据进行近邻去噪。本发明专利技术实施例将三维点云数据投影到二维平面上，得到二维点云数据，即将三维点云数据转换为二维点云数据，减少了点云数据的数据量，后续对二维点云数据进行近邻去噪，相对于对三维点云数据进行近邻去噪，减少了计算的数据量，提高了去噪的效率。

【技术实现步骤摘要】

本专利技术实施例涉及计算机视觉
，尤其涉及一种点云数据去噪的方法和系统。
技术介绍
随着科学技术的进步，以及人们对世界认知需求的不断发展，传统的机器视觉已经不能满足人们对于三维物体识别的要求。由于三维影像不受光源照射方向及物体表面的发射特性的影响，而且不存在阴影，所以可以更准确地表现物体目标表面的三维深度信息。在通过三维扫描仪或激光测距仪等设备获取三维点云数据时，由于设备本身的缺陷，或者人为扰动使得获取的三维点云数据中存在噪声点。噪声点的存在严重影响三维建模中的特征提取、特征匹配以及曲面的重建等过程。通常情况下，首先要对三维点云数据进行去噪、空洞修补等预处理操作，以提高后期处理的效率和可靠性。因此，点云去噪一直是人们研究的重点。对散乱点云数据去操通常采用三维空间搜索的方法，此类方法简单易于实现，但当面对数据量较大的点云数据时，此类方法存在计算量大、搜索效率低和准确率低的问题。
技术实现思路
本专利技术实施例提供了一种点云数据去噪的方法和系统，以解决现有的散乱点云数据去噪方法计算量大、准确率低的问题。根据本专利技术实施例的一方面，提供了一种点云数据去噪的方法，包括：获取三维点云数据；将所述三维点云数据投影到二维平面，得到二维点云数据；对所述二维点云数据进行近邻去噪。根据本专利技术实施例的另一方面，提供了一种点云数据去噪的系统，包括：获取模块，用于获取三维点云数据；投影模块，用于将所述三维点云数据投影到二维平面，得到二维点云数据；去噪模块，用于对所述二维点云数据进行近邻去噪。根据本专利技术实施例提供的点云数据去噪的方法和系统，通过获取三维点云数据；将三维点云数据投影到二维平面，得到二维点云数据；对二维点云数据进行近邻去噪。因此，本专利技术实施例在对三维点云数据进行去噪之前，将三维点云数据投影到二维平面上，得到二维点云数据，即将三维点云数据转换为二维点云数据，减少了点云数据的数据量，后续对二维点云数据进行近邻去噪，相对于对三维点云数据进行近邻去噪，减少了计算的数据量，提高了去噪的效率。附图说明图1是根据本专利技术实施例一的一种点云数据去噪的方法的步骤流程图；图2是根据本专利技术实施例二的一种点云数据去噪的方法的步骤流程图；图3a是根据本专利技术实施例二的一种点云数据去噪的方法的中值滤波的原始点效果图；图3b是根据本专利技术实施例二的一种点云数据去噪的方法的中值滤波后的效果图；图4是根据本专利技术实施例三的一种点云数据去噪的系统的结构框图；图5是根据本专利技术实施例四的一种点云数据去噪的系统的结构框图。具体实施方式下面结合附图(若干附图中相同的标号表示相同的元素)和实施例，对本专利技术实施例的具体实施方式作进一步详细说明。以下实施例用于说明本专利技术，但不用来限制本专利技术的范围。本领域技术人员可以理解，本专利技术实施例中的“第一”、“第二”等术语仅用于区别不同步骤、设备或模块等，既不代表任何特定技术含义，也不表示它们之间的必然逻辑顺序。实施例一图1示出了根据本专利技术实施例一的一种点云数据去噪的方法的步骤流程图。参照图1，本实施例的点云数据去噪的方法包括如下步骤：步骤S100、获取三维点云数据。本步骤中，通过测量仪器得到的扫描对象外观表面的点数据集合称为点云数据，三维点云数据是通过如激光扫描仪等三维图像采集设备得到的扫描对象外观表面的点数据集合。在本实施例中，扫描对象可以是任意物体。三维点云数据可以为散乱三维点云数据，其中包括三维坐标XYZ信息，X方向表示水平轴正方向，Y方向表示竖直轴正方向，Z方向表示垂直于XY平面的轴的正方向。。步骤S102、将所述三维点云数据投影到二维平面，得到二维点云数据。考虑到获取到的三维点云数据为点的三维坐标信息，将散乱三维点云数据投影到二维平面，即可根据噪声点的分布情况选取俯视图(x，y)或侧视图(x，z)、(y，z)的投影，获得二维点云数据。步骤S104、对所述二维点云数据进行近邻去噪。本步骤中，采用k-近邻算法对二维点云数据进行去噪。对二维点云数据中的任意点pi，搜索其k个近邻点，并计算点pi与k个近邻点的欧式距离的平均值然后通过初次噪声点去除以及二次噪声点去除判断点pi是否为噪声点，若为噪声点，则将点pi删除。具体如何进行初次噪声点去除以及二次噪声点去除将在后续实施例中详细介绍。根据本专利技术实施例提供的一种点云数据去噪的方法，通过获取三维点云数据；将三维点云数据投影到二维平面，得到二维点云数据；对二维点云数据进行近邻去噪，将二维点云数据中的噪声点删除后，即实现将三维点云数据中的噪声点删除。因此，本专利技术实施例在对三维点云数据进行去噪之前，将三维点云数据投影到二维平面上，得到二维点云数据，即将三维点云数据转换为二维点云数据，减少了点云数据的数据量，后续对二维点云数据进行近邻去噪，相对于对三维点云数据进行近邻去噪，减少了计算的数据量，提高了去噪的效率。实施例二图2示出了根据本专利技术实施例二的一种点云数据去噪的方法的步骤流程图。参照图2，本实施例的点云数据去噪的方法包括如下步骤：步骤S200、获取三维点云数据。具体地，通过图像采集设备获取扫描对象的三维点云数据。在本实施例中，通过扫描方式获取扫描对象的三维点云数据，三维点云数据包括多帧扫描对象的数据。步骤S202、将所述三维点云数据投影到俯视二维平面或者侧视二维平面，得到对应的俯视二维点云数据或者侧视二维点云数据。考虑到获取到的三维点云数据为点的三维坐标信息，将散乱三维点云数据投影到二维平面，即可根据噪声点的分布情况选取俯视图(x，y)或侧视图(x，z)、(y，z)的投影，获得二维点云数据。步骤S204、对所述二维点云数据进行网格划分。本步骤中，对二维点云数据进行网格划分，其中，网格的划分标准可以根据实际情况进行设定，本实施例对二维点云数据如何进行网格划分不做限制。网格划分的目的在于划分出孤立噪声点和部分较小块状噪声点。步骤S206、对所述二维点云数据中的任意点pi，确定所述点pi与其近邻的k个点的欧式距离的平均值。本步骤中，平均值其中pj为pi的第j个近邻点。步骤S208、初次噪声点去除。具体地，判断所述点pi所在的矩形和相邻的矩形内的点的数量是否小于所述k；若所述数量小于所述k，则确定所述点pi为噪声点，并删除所述点pi；若所述数量大于或者等于所述k，则执行步骤S210。步骤S210、二次噪声点去除。具体地，判断所述平均值是否大于预设阈值γ，其中，预设阈值γ可根据三维点云数据的图像采集设备的距离分辨率来确定，可令预设阈值γ的初始值等于分辨率，然后再根据实际情况做适当调整；若所述平均值大于所述预设阈值γ，则确定所述点pi为噪声点，并删除所述点pi；若所述平均值小于或者等于所述预设阈值γ，则执行步骤S212。步骤S212、对所述二维点云数据进行中值滤波。经过上述初次噪声点去除和二次噪声点去除之后，对于一些点数较多的大的块状噪声点集，本专利技术实施例采用中值滤波方法进行去噪。中值滤波是对邻近的三个或三个以上的点求平均值，求出的结果代替原始点，从而达到滤波效果，对于毛刺点的去除，该方法有很好的效果，如图3a和3b所示，图3a为原始点效果图，图3b为中值滤波后的效果图，图3b中实线连起来的黑色点为去噪后的点，虚线连起来的白色点为原始点。中值滤波方法具体步骤为：①根据块状噪声点集的分布，将二维平本文档来自技高网...

【技术保护点】
一种点云数据去噪的方法，其特征在于，包括：获取三维点云数据；将所述三维点云数据投影到二维平面，得到二维点云数据；对所述二维点云数据进行近邻去噪。

【技术特征摘要】
1.一种点云数据去噪的方法，其特征在于，包括：获取三维点云数据；将所述三维点云数据投影到二维平面，得到二维点云数据；对所述二维点云数据进行近邻去噪。2.根据权利要求1所述的方法，其特征在于，所述将所述三维点云数据投影到二维平面，得到二维点云数据，包括：将所述三维点云数据投影到俯视二维平面或者侧视二维平面，得到对应的俯视二维点云数据或者侧视二维点云数据。3.根据权利要求1所述的方法，其特征在于，所述对所述二维点云数据进行近邻去噪，包括：对所述二维点云数据中的任意点pi，确定所述点pi与其近邻的k个点的欧式距离的平均值判断所述点pi所在的矩形和相邻的矩形内的点的数量是否小于所述k；若所述数量小于所述k，则确定所述点pi为噪声点，并删除所述点pi；若所述数量大于或者等于所述k，则判断所述平均值是否大于预设阈值γ；若所述平均值大于所述预设阈值γ，则确定所述点pi为噪声点，并删除所述点pi。4.根据权利要求3所述的方法，其特征在于，所述方法还包括：若所述平均值小于或者等于所述预设阈值γ，则对所述二维点云数据进行中值滤波。5.根据权利要求1所述的方法，其特征在于，在所述对所述二维点云数据进行近邻去噪之前，所述方法还包括：对所述二维点云数据进行网格划分。6.一种点云数据去噪的系统，其特征在于，包括：获取模块，用...

【专利技术属性】
技术研发人员：滕书华，谭志国，张鹏，
申请(专利权)人：湖南拓视觉信息技术有限公司，
类型：发明
国别省市：湖南;43