一种点云模型的去噪精简方法技术

本发明专利技术公开的一种点云模型的去噪精简方法，具体按照以下步骤实施：步骤1，采集图像并对图像进行预处理；步骤2，对步骤1中得到的三维点云模型图片进行大尺度噪声的去除；步骤3，采用移动最小二乘去除小尺度噪声；步骤4：对经步骤3去噪后的点云数据进行基于体素栅格下采样，得到精简后的点云模型。解决了现有技术占用内存大，处理时间长影响计算机运行的问题。

【技术实现步骤摘要】
一种点云模型的去噪精简方法
本专利技术属于三维点云重建
，具体涉及一种点云模型的去噪精简方法。
技术介绍
由于人为等随机因素或扫描设备本身的缺陷以及点云模型特征的多样性与噪声本身的复杂性，使得获取的数据不可避免地带有噪声,而噪声的存在严重影响了后续建模的精度以及相关处理的效率。同时，随着三维数据扫描设备精度的不断提高,以及点云数据在大规模复杂场景建模中的广泛应用，采集到的点云数据往往过密，而我们重建出一个完整的点云产品又需要多幅不同角度点云数据合并而成，造成数据量庞大，如果直接对采集来的数据进行重建，必然会影响重建效率以及模型的光顺性，同时计算机储存、显示这类点云，占用空间内存大，处理时间长，严重影响计算机的运行。
技术实现思路
本专利技术的目的是提供一种点云模型的去噪精简方法，解决了现有技术占用内存大，处理时间长影响计算机运行的问题。本专利技术的技术方案是：一种点云模型的去噪精简方法，其特征在于，具体按照以下步骤实施：步骤1，采集图像并对图像进行预处理；步骤2，对步骤1中得到的三维点云模型图片进行大尺度噪声的去除；步骤3，采用移动最小二乘去除小尺度噪声；步骤4：对经步骤3去噪后的点云数据进行基于体素栅格下采样，得到精简后的点云模型。本专利技术的特点还在于，步骤1具体为：步骤1.1，通过视觉传感器获取原始三维点云模型图像，步骤1.2，将步骤1.1采集获取的三维点云模型图像进行预处理，利用直通滤波方法进行分割提取，得到三维点云模型图像。步骤2具体为，步骤2.1：采用统计滤波去除部分大尺度噪声点；步骤2.2：为了更加全面的去除大尺度噪声点，同时采用半径滤波去除大尺度噪声点。步骤2.1具体为：对三维点云模型中每个数据点qn，假设qn到任意点的距离为di，qn表示为三维点云模型中的第n个数据点，n＝1，2，3...S,根据公式(1)计算qn到它所有k个邻近点的平均距离avrn，计算出的avrn采用高斯分布进行表示，其均值为μ和标准差为σ，设定的标准范围span，用于判断模型中的数据点是否为噪声点，其中标准范围按照公式(2)进行计算，span＝μ±g·σ(g＝0,1,2,...)(2)其中，μ值与σ值由步骤1.1可见。对比平均距离avrn和标准范围span，对相应的点进行选择，即，当点qn对应的平均距离avrn大于标准范围span时，则删除该点qn；当点qn对应的平均距离avrn小于等于标准范围span时，则保留该点qn。步骤2.2具体为：设以三维点云模型中的数据点qn为中心，r为半径的球体范围内的近邻数目为m，设定的最少近邻数目为M,其中，M＝(2％-5％)·n,对比m和M之间的关系，判定是否保留对应的点qn；当m大于M，则保留该点qn；当m小于等于M，则删除该点qn。步骤3具体为：步骤3.1，将三维点云模型表面数据依次投影到平面坐标系，所得平面数据集合为区域U，设区域U上的拟合函数为公式(3)，其中，j为区域U上第j个数据点(j＝1，2...,N).m是基函数的个数；FT(x,y)＝[F0(x,y),F1(x,y),...,Fm(x,y)],Fj(x,y)是基函数，a(x,y)＝[a0(x,y),a1(x,y),...,am(x,y)]T,aj(x,y)为相应待求系数，FT(x,y)a(x,y)为矩阵表示形式；且，常用的线性基函数有：FT(x,y)＝[1,x,y]；常用的二次基函数为FT(x,y)＝[1,x,y，x2,xy,y2]；步骤3.2，为了体现离重新估算点较近的采样点对拟合函数的影响大于较远的采样点,以区域U上各数据点的离散情况来加以表达，具体为，在区域U上每个数据点Qj处定义一个权函数，即公式(4)，该权函数在移动最小二乘法中起着非常重要的作用，必须满足在数据点Qj周围有限区域Uj大于零，且在区域Uj之外为零即满足权函数的紧支性，区域Uj为权函数的支撑域即满足权函数的支撑性，同时，权函数会随着估算点的不同而改变。步骤3.3，按照公式(5)计算区域Uj上的所有数据点的误差rj的加权平方和J，其中，误差rj由公式(6)计算，ri＝s(xj,yj)-yj(6)所有的rj组成的向量称为残差r,且，计算加权平方和J的公式(5)用矩阵形式可表示为：J＝(Fa-Y)TW(x,y)(Fa-Y)(7)其中，YT＝(y1，y2,...yN)(8)；W(x,y)为对角矩阵，为了求得a(x,y)，我们使J取极值，即对a(x,y)求导，如公式(11)，设A(x,y)＝FTW(x,y)FB(x,y)＝FTW(x,y)则可简化为：即a(x,y)＝A-1(x,y)B(x,y)Y(12)；将公式(12)代入公式(3)可求得三维点云模型表面数据投影到平面坐标系中的拟合函数为公式(13)，其中，FT(x,y)A-1(x,y)B(x,y)＝λ(x,y)＝[λ1(x,y),λ2(x,y),...λN(x,y)](14)然后根据依次计算区域Uj上的所有数据点到所求得的拟合函数曲线的距离，设为η,计算所有的η值之和为ηt，设定可接受的误差域为errorlit,errorlit一般设为ηt的1％-3％，对比errorlit与η值的大小关系，从而判断是否保留点Qj；当η小于等于errorlit，则保留该点Qj；当η大于errorlit，则以离该数据点到拟合曲线的垂点来代替该点Qj；步骤3.4，对经步骤3.1～3.3去噪后的点云数据进行去噪效果的检测，求出步骤3.2中利用公式(13)所求得的拟合函数的表面法线，来进行判断，具体来说，当数据点Qj处的法线垂直于模型表面，则视为去噪效果接好的；当数据点Qj处的法线不垂直于模型表面，则视为应回到步骤2从新进行统计滤波和半径滤波的参数设置。步骤4具体为，步骤4.1，根据去噪后点云模型中所有数据的x轴、y轴、z轴的最小和最大坐标值，计算出整个点云模型的长方体包围盒边长分别为：Lx＝Xmax-Xmin,Ly＝Ymax-Ymin，,；(15)Lz＝Zmax-Zmin，,；其中，Lx、Ly、Lz分别表示点云x轴、y轴、z轴方向最大范围，Xmax、Xmin、Ymax、Ymin、Zmax、Zmin分别为x轴、y轴、z轴方向的最大值与最小值。步骤4.2，设定体素栅格边长为L，一般按公式(16)设置，L＝(2％-10％)Lmin(16)其中，Lmin为Lx、Ly、Lz中的最小值。以小立方体栅格为结构元素，遍历整个模型表面，每个小立方体栅格中的点云数据个数为m，以小立方体栅格的重心代表这个小立方体栅格所有数据点，实现点云精简。小立方体栅格的重心可按公式(17)计算为：本专利技术的有益效果在于，在点云模型去噪中有效去除不同尺度噪声，同时在不破坏点云本身几何结构的前提下，保证了点云精简的均匀化，而且执行速度快，降低了后续点云模型重建的时间复杂度。附图说明图1为本专利技术三维点云模型去噪精简方法流程图；图2为本专利技术中统计滤波示意图；图3为本专利技术中半径滤波示意图；图4为采用本专利技术的方法的去噪前后法线变化示意图；图5为采用本专利技术的方法的体素栅格精简示意图；图6为本专利技术使用的45°原始点云模型以及目标模型；图7为45°点云模型经直通滤波后的正面图、侧面图、局部放大；图8为45°点云模型再经统计滤波结合半径滤波后的正面、侧面、局部放大图；图9为4本文档来自技高网...

【技术保护点】
一种点云模型的去噪精简方法，其特征在于，具体按照以下步骤实施：步骤1，采集图像并对图像进行预处理；步骤2，对步骤1中得到的三维点云模型图片进行大尺度噪声的去除；步骤3，采用移动最小二乘去除小尺度噪声；步骤4：对经步骤3去噪后的点云数据进行基于体素栅格下采样，得到精简后的点云模型。

【技术特征摘要】
1.一种点云模型的去噪精简方法，其特征在于，具体按照以下步骤实施：步骤1，采集图像并对图像进行预处理；步骤2，对步骤1中得到的三维点云模型图片进行大尺度噪声的去除；步骤3，采用移动最小二乘去除小尺度噪声；步骤4：对经步骤3去噪后的点云数据进行基于体素栅格下采样，得到精简后的点云模型。2.根据权利要求1所述的一种点云模型的去噪精简方法，其特征在于，所述的步骤1具体为：步骤1.1，通过视觉传感器获取原始三维点云模型图像，步骤1.2，将步骤1.1采集获取的三维点云模型图像进行预处理，利用直通滤波方法进行分割提取，得到三维点云模型图像。3.根据权利要求1所述的一种点云模型的去噪精简方法，其特征在于，所述的步骤2具体为：步骤2.1：采用统计滤波去除部分大尺度噪声点；步骤2.2：为了更加全面的去除大尺度噪声点，同时采用半径滤波去除大尺度噪声点。4.根据权利要求3所述的一种点云模型的去噪精简方法，其特征在于，所述的步骤2.1具体为：对三维点云模型中每个数据点qn，假设qn到任意点的距离为di，qn表示为三维点云模型中的第n个数据点，n＝1，2，3…S,根据公式(1)计算qn到它所有k个邻近点的平均距离avrn，计算出的avrn采用高斯分布进行表示，其均值为μ和标准差为σ，设定的标准范围span，用于判断模型中的数据点是否为噪声点，其中标准范围按照公式(2)进行计算，span＝μ±g·σ(g＝0,1,2,…)(2)其中，μ值与σ值由步骤1.1可见；对比平均距离avrn和标准范围span，对相应的点进行选择，即，当点qn对应的平均距离avrn大于标准范围span时，则删除该点qn；当点qn对应的平均距离avrn小于等于标准范围span时，则保留该点qn。5.根据权利要求3所述的一种点云模型的去噪精简方法，其特征在于，所述的步骤2.2具体为：设以三维点云模型中的数据点qn为中心，r为半径的球体范围内的近邻数目为m，设定的最少近邻数目为M,其中，M＝(2％-5％)·n,对比m和M之间的关系，判定是否保留对应的点qn；当m大于M，则保留该点qn；当m小于等于M，则删除该点qn。6.根据权利要求1所述的一种点云模型的去噪精简方法，其特征在于，所述的步骤3具体为：步骤3.1，将三维点云模型表面数据依次投影到平面坐标系，所得平面数据集合为区域U，设区域U上的拟合函数为公式(3)，其中，j为区域U上第j个数据点(j＝1，2…,N).m是基函数的个数；FT(x,y)＝[F0(x,y),F1(x,y),…,Fm(x,y)],Fj(x,y)是基函数，a(x,y)＝[a0(x,y),a1(x,y),…,am(x,y)]T,aj(x,y)为相应待求系数，FT(x,y)a(x,y)为矩阵表示形式；且，常用的线性基函数有：FT(x,y)＝[1,x,y]；常用的二次基函数为FT(x,y)＝[1,x,y，x2,xy,y2]；步骤3.2，为了体现离重新估算点较近的采样点对拟合函数的影响大于较远的采样点,以区域U上各数据点的离散情况来加以表达，具体为，在区域U上每个数据点Qj处定义一个权函数，即公式(4)，该权函数在移动最小二乘法中起着非常重要的作用，必须满足在数据点Qj周围有限区域Uj大于零，且在区域Uj之外为零即满足权函数的紧支性，区域Uj为权函数的支撑域即满足权函数的支撑性，同时，权函数会随着估算点的不同而改变；步骤3.3，...

【专利技术属性】
技术研发人员：李仁忠，杨曼，张缓缓，刘阳阳，
申请(专利权)人：西安工程大学，
类型：发明
国别省市：陕西,61