基于联合双边滤波和尖锐特征骨架提取的点云去噪方法技术

本发明专利技术公开了一种基于联合双边滤波和尖锐特征骨架提取的点云去噪方法，包括步骤：1)利用法向量差方法获取候选特征点；2)对候选点提取骨架；3)利用骨架对候选点进行重采样，得到特征点；4)对特征点赋予多法向量；5)基于联合双边滤波框架对点云法向量进行滤波；6)基于滤波后的法向量对点位置进行更新，得到去噪后的点云模型。本发明专利技术方法利用先提取尖锐特征骨架对模型结构进行分析，从而在去噪同时能更好保持物体尖锐特征，有助于应对高强度噪声，具有高鲁棒性的特点，具有很好的推广利用前景。

Denoising method of point cloud based on joint bilateral filtering and sharp feature skeleton extraction

The invention discloses a denoising method, combined with bilateral filtering and sharp feature of point cloud based on skeleton extraction method comprises the following steps: 1) using vector difference method to obtain the candidate feature points; 2) of candidate extraction framework; 3) of candidate resampling using skeleton obtained feature points; 4) method the vector of feature points given; 5) joint bilateral filtering framework for point cloud based on vector filtering method; 6) method after the vector filtering to point location update based on point cloud model after denoising. First carries on the analysis to the sharp feature extraction framework structure model by using the method of the invention, thereby better keep the object sharp features can denoise, help to cope with the high intensity noise characteristics, high robustness, and has good popularization and application prospect.

【技术实现步骤摘要】
基于联合双边滤波和尖锐特征骨架提取的点云去噪方法
本专利技术涉及计算机图形学和三维点云去噪领域，尤其是指一种基于联合双边滤波和尖锐特征骨架提取的点云去噪方法。
技术介绍
大多数的三维传感器拍摄的三维模型数据都是以点云的格式保存的。由于扫描设备精度的局限性，例如MicrosoftKinect，拍摄到的点云数据不可避免地都带有一定的噪声。因此，点云去噪在三维几何处理领域扮演着一个非常基础而重要的角色。而点云去噪的主要挑战在于，如何在去噪的同时保留物体的细节特征，特别是尖锐特征的保持。联合双边滤波，作为双边滤波技术的一个延伸，在图像处理领域已经被证实为一种有效的保持特征的方法。这项技术在网格去噪领域的应用也取得了成功。而这类滤波技术的处理能力，很大程度依赖于图像或网格的结构信息，其中包括要确定引导域。在数字图像中，尖锐边缘可以定义为颜色区别很大的相邻像素，而且不同的颜色区域可以完全在像素层面区分开来。因此，将像素值作为引导域的值可以很好描述图像的边缘结构。在网格领域，每个三角面片也是可以完全归属于某个面，因此可以很简单地将三角面片的法向量构建成引导域。然而在点云领域，我们并没有一个类似于三角面片的元素，可以唯一地归属于某一个面，某个点有可能位于几个面的交界处，同时属于多个面。因此，将联合双边滤波方法应用于点云去噪是不容易的。然而经过我们研究发现，将特征分析加入点云去噪可以有效解决这个问题。在进行去噪之前，先根据每个点的相邻块的数量和特征，将其进行分类。针对不同类型的点，构建不同的引导域，并加入到联合双边滤波公式中，计算得到滤波后的法向。而要如何做好特征分析，就需要对物体的特征骨架进行提取，以帮助我们更好地分析物体的整体结构，更好地在去噪的同时保留尖锐特征。
技术实现思路
本专利技术的目的在于克服现有技术的缺点和不足，提供一种行之有效、科学合理的基于联合双边滤波和尖锐特征骨架提取的点云去噪方法。为实现上述目的，本专利技术所提供的技术方案为：基于联合双边滤波和尖锐特征骨架提取的点云去噪方法，包括以下步骤：1)利用法向量差方法获取候选特征点；2)对候选点区域提取骨架；3)利用骨架对候选点进行重采样，得到特征点；4)对特征点赋予多法向量；5)基于联合双边滤波框架对点云法向量进行滤波；6)基于滤波后的法向量对点位置进行更新，得到去噪后的点云模型。在步骤1)中，利用法向量差方法获取候选特征点，是计算每个点邻域内的任意两点的法向量差并求和，当这个求和值大于预设阈值时，就把这个点标记为候选特征点。在步骤2)中，对候选点区域提取骨架，是采用l1中值骨架方法，对候选特征点区域进行计算，得到骨架。在步骤3)中，利用骨架对候选点进行重采样，得到特征点，是根据步骤2)得到的骨架以及骨架上的骨架点，在相邻两个骨架点中间划分出一个小区域，对落在该区域内的候选特征点，选择一个，作为特征点。在步骤4)中，对特征点赋予多法向量，是根据步骤3)判断该点应该拥有的法向量数量，将最靠近该点的k个近邻点即k近邻点进行K-means聚类，将每一类中的点的法向量求平均值，得到该点的多法向量。在步骤5)中，基于联合双边滤波框架对点云法向量进行滤波，需要先构建引导域值，将引导域值设为点的引导法向量，将每个点及其k近邻点设为一个块，将包含该点的块全部列举出来；对每个块计算其所有点的平均法向量，同时计算块内任意两点的向量差的平均值，将其定义为每个块的连续性值，用来衡量其内部点的向量的一致性，连续性值越大，证明该块跨过尖锐特征，包含另外一个面的点更多；为了保留尖锐特征，区分出尖锐特征两侧的不同平面，需要挑选的是连续性值最小的块，即尽可能不跨过尖锐特征的块，将这个块的平均法向量，作为该点的引导法向量；联合双边滤波公式如下：其中，是pi点第j个滤波后的法向量，pk∈N(pi)表明pk点是属于pi点的邻域点，nkl是pk点的第l个滤波前的法向量，是位置差权重，当pk点与pi点的欧氏距离越远时，权重越小；是法向量差权重，当pk点的引导法向量gkl与pi点的引导法向量gij的法向量差越大时，权重越小；Wij是归一化因子，保证滤波后的法向量模长为1；当pk点有多个法向量时，就选择其多个法向量中与pi点原法向量最接近的法向量nkl，代入联合双边滤波公式进行计算，得到pi点滤波后的法向量。在步骤6)中，基于滤波后的法向量i表示模型中点的个数，共有n个点；j表示每个点具有的向量数，当i为普通点时，di＝1，i点为特征点时，di＞1，对点位置进行更新，得到去噪后的点云模型，需要定义如下的优化问题：εpointupd＝εposition+εnormal(2)其中：式中，pi表示更新后的点位置，p′i表示pi更新前的位置，Ni表示p′i的k近邻点集合，p′k表示p′i的k近邻点，w(i,k)＝wp(i,k)wn(i,k)，其中用来衡量邻域点对中心点的位置影响权重，当点距离越大时，权重越小；用来衡量邻域点对中心点的法向量影响权重，当该邻域点的法向量与中心点的法向量相差越大时，权重越小；求解公式(2)得到的迭代求解公式是：其中t和t+1为第t次和第t+1次迭代，由此得到新的点位置通过迭代多次后得到去噪后的点云模型。本专利技术与现有技术相比，具有如下优点与有益效果：1、更好地处理大尺度噪声。针对双边滤波及其相关拓展方法所存在的在去噪同时会模糊掉物体尖锐特征的问题，本专利技术在利用法向差方法结合特征区域的l1中值骨架提取，对点云模型整体进行了结构分析，能够在去噪之前先判断模型中存在的尖锐特征，在去噪的过程中可以做到有针对性的保护。因此，当我们处理大噪声的点云模型时，就能在去噪的同时，很好地保持尖锐特征。如图6所示，本专利技术在针对大尺度噪声的模型时，比其它方法能有更好的去噪效果，并能保持其尖锐特征。2、更好的鲁棒性。虽然在联合双边滤波框架下，需要设置一些相关参数，但是在本专利技术中，我们将相关参数的设置与模型的大小建立了对应设置，针对模型大小做了归一化工作，并且对l1中值骨架生成也进行了优化，因此针对绝大多数点云模型，都能够直接运行，并不需要用户过多的设置和调整。同时，本专利技术不仅能应对各类人造模型，而且对于实际扫描的数据，例如MicrosoftKinect扫描得到的模型数据，也能够很好地处理。3、更简易的使用性。本专利技术整个过程是自动进行的，所需参数由算法根据大小自动计算，并不需要用户进行交互设置，所以针对使用的用户也不需要有相关的知识基础，只需运行程序，就能直接得到所需要的结果。因此本专利技术也能有利于在今后我国在3D打印技术的推广中，针对模型质量的优化提供帮助，因此本专利技术具有很大的实际推广价值。附图说明图1为本专利技术方法流程图。图2a为本专利技术利用l1中值骨架对边缘点进行重采样的示意图。图2b为本专利技术利用l1中值骨架对角点进行重采样的示意图。图3为本专利技术中基于联合双边滤波框架对点云法向量进行滤波时，引导域的构建示意图。图4为本去噪方法处理人造模型后的结果，并与其它方法比较，其中本专利技术的方法为Ours.图5为本去噪方法处理实际模型后的结果，并与其它方法比较，其中本专利技术的方法为Ours.图6为本专利技术在处理带有不同尺度噪声的模型的结果，并与其它方法比较，其中同一列为同个方法，本专利技术的方法为Ours；同一行为同一噪声尺度。从上本文档来自技高网...

【技术保护点】
基于联合双边滤波和尖锐特征骨架提取的点云去噪方法，其特征在于，包括以下步骤：1)利用法向量差方法获取候选特征点；2)对候选点区域提取骨架；3)利用骨架对候选点进行重采样，得到特征点；4)对特征点赋予多法向量；5)基于联合双边滤波框架对点云法向量进行滤波；6)基于滤波后的法向量对点位置进行更新，得到去噪后的点云模型。

【技术特征摘要】
1.基于联合双边滤波和尖锐特征骨架提取的点云去噪方法，其特征在于，包括以下步骤：1)利用法向量差方法获取候选特征点；2)对候选点区域提取骨架；3)利用骨架对候选点进行重采样，得到特征点；4)对特征点赋予多法向量；5)基于联合双边滤波框架对点云法向量进行滤波；6)基于滤波后的法向量对点位置进行更新，得到去噪后的点云模型。2.根据权利要求1所述的基于联合双边滤波和尖锐特征骨架提取的点云去噪方法，其特征在于：在步骤1)中，利用法向量差方法获取候选特征点，是计算每个点邻域内的任意两点的法向量差并求和，当这个求和值大于预设阈值时，就把这个点标记为候选特征点。3.根据权利要求1所述的基于联合双边滤波和尖锐特征骨架提取的点云去噪方法，其特征在于：在步骤2)中，对候选点区域提取骨架，是采用l1中值骨架方法，对候选特征点区域进行计算，得到骨架。4.根据权利要求1所述的基于联合双边滤波和尖锐特征骨架提取的点云去噪方法，其特征在于：在步骤3)中，利用骨架对候选点进行重采样，得到特征点，是根据步骤2)得到的骨架以及骨架上的骨架点，在相邻两个骨架点中间划分出一个小区域，对落在该区域内的候选特征点，选择一个，作为特征点。5.根据权利要求1所述的基于联合双边滤波和尖锐特征骨架提取的点云去噪方法，其特征在于：在步骤4)中，对特征点赋予多法向量，是根据步骤3)判断该点应该拥有的法向量数量，将最靠近该点的k个近邻点即k近邻点进行K-means聚类，将每一类中的点的法向量求平均值，得到该点的多法向量。6.根据权利要求1所述的基于联合双边滤波和尖锐特征骨架提取的点云去噪方法，其特征在于：在步骤5)中，基于联合双边滤波框架对点云法向量进行滤波，需要先构建引导域值，将引导域值设为点的引导法向量，将每个点及其k近邻点设为一个块，将包含该点的块全部列举出来；对每个块计算其所有点的平均法向量，同时计算块内任意两点的向量差的平均值，将其定义为每个块的连续性值，用来衡量其内部点的向量的一致性，连续性值越大，证明该块跨过尖锐特征，包含另外一个面的点更多；为了保留尖锐特征，区分出尖锐特征两侧的不同平面，需要挑选的是连续性值最小的块，即尽可能不跨过尖锐特征的块，将这个块的平均法向量，作为该点的引导法向量；联合双边滤波公式如下：

【专利技术属性】
技术研发人员：郑颖龙，李桂清，伍世浩，
申请(专利权)人：华南理工大学，
类型：发明
国别省市：广东,44