基于统计离群和自适应双边混合滤波的3D点云去噪方法技术

本发明专利技术公开了基于统计离群和自适应双边混合滤波的3D点云去噪方法，首先，计算3D点云中每个点到其最近K邻域点的平均距离、平均距离的期望值、标准差及距离阈值；其次，判断若平均距离大于距离阈值，则滤除掉，否则，保留，得到初次去噪后的3D点云数据；最后，计算双边平滑滤波因子，并利用该平滑滤波器处理初次去噪后的3D点云数据，得到最终去噪后的3D点云数据。本发明专利技术方法是将统计离群消除滤波器和自适应双边滤波器有效的结合起来对3D点云数据进行去噪处理。结果表明，该发明专利技术方法不仅去除了离群噪音点，而且还去除了起伏噪音点。与此同时，去噪后3D点云数据的边界更平滑，为后续3D点云数据的分割和特征提取奠定良好的基础。

【技术实现步骤摘要】
基于统计离群和自适应双边混合滤波的3D点云去噪方法
本专利技术属于3D点云数据处理
，具体涉及一种基于统计离群和自适应双边混合滤波的3D点云去噪方法。
技术介绍
随着人工智能的发展，机器视觉逐渐从二维图像过度到三维图像，而3D点云作为三维图像的典型代表之一，已逐渐被广泛应用。通常情况下，使用3D点云数据获取设备获取3D点云时，由于被测对象表面波纹、表面粗糙度、设备精度、环境光照、人为扰动等因素的影响，所获得的3D点云不可避免地受到噪音地影响。噪声的存在不仅会严重影响后续3D点云数据的简化、配准等预处理，而且直接影响3D重构的精度、3D点云数据分割效果及3D点云数据识别率的高低。所以，其去噪方法选取是否合适对后续工作起着决定性作用。经过近年的发展，3D点云数据的去噪也涌现出众多的研究方法。统计离群消除滤波算法是计算点到K邻域内分布点间的距离，通过对每点邻域进行统计分析，删除不符合标准的离群点。主要滤除离群点，对起伏噪音无法去除，去噪后的边界不平滑。双边滤波算法主要用于对3D点云中的小尺度的起伏噪音进行去除，且可达到平滑边界的效果。但是该算法多离群点噪音的去除效果较差。
技术实现思路
本文档来自技高网...

【技术保护点】
1.基于统计离群和自适应双边混合滤波的3D点云去噪方法，其特征在于，具体按照以下步骤实施：步骤1，利用统计离群消除滤波器对3D点云数据进行去噪处理，得到初次去噪后的3D点云数据；步骤2，利用自适应双边滤波器对步骤1中的结果进行去噪，得到最终去噪后的3D点云数据。

【技术特征摘要】
1.基于统计离群和自适应双边混合滤波的3D点云去噪方法，其特征在于，具体按照以下步骤实施：步骤1，利用统计离群消除滤波器对3D点云数据进行去噪处理，得到初次去噪后的3D点云数据；步骤2，利用自适应双边滤波器对步骤1中的结果进行去噪，得到最终去噪后的3D点云数据。2.根据权利要求1所述的基于统计离群和自适应双边混合滤波的3D点云去噪方法，其特征在于，所述步骤1中，具体按照以下步骤实施：步骤1.1，计算3D点云数据中每个点到其最近K邻域点的平均距离dm，如式(1)所示；其中，K＝100，di为K邻域内每点到该点距离；步骤1.2，经步骤1.1后，分别计算每个点的平均距离dm的期望值dp和标准差s；如式(2)及式(3)所示；其中，n为点总数量，n＝958166；步骤1.3，经步骤1.2后，计算每个点的距离阈值dt，若dm>dt，则滤除该点，否则，保留；如式(4)所示；dt＝dp+λ*s(4)；式(4)中，λ为松弛参数，λ＝0.1；dp为期望值；s为标准差。3.根据权利要求1所述的基于统计离群和自适应双边混合滤波的3D点云去噪方法，其特征在于，所述步骤2中，具体按照以下步骤实施：步骤2.1，...

【专利技术属性】
技术研发人员：任小玲，王雯，陈逍遥，吴梦婷，
申请(专利权)人：西安工程大学，
类型：发明
国别省市：陕西,61