【技术实现步骤摘要】
基于可信度信息的点云数据粗差定位和剔除方法
本专利技术涉及数据误差处理，具体涉及一种基于可信度信息的点云数据粗差定位和剔除方法。
技术介绍
三维激光扫描测量技术是目前测绘工程中表示物体三维模型的常用方法之一，利用三维激光扫描测量技术可以扫描获取物体上大量的点云数据，包括物体的几何表面特征信息，诸如位置、法向量、颜色等，有助于便捷地重建出物体的数字模型，并可对其进行绘制、编辑等操作。通常在获取物体三维点云数据时，会因为设备本身的缺陷或者人为扰动使得扫描数据中不可避免地存在粗差数据。除此之外，无人机摄影测量技术获取的点云数据是由影像匹配获取的，由于影像获取的过程中，相机存在着镜头畸变，在软件处理中这种镜头畸变造成的误差并不能被完全消除，就会造成点云异位，也就造成粗差点的出现；除了镜头畸变之外，影像的质量及影像匹配误差的影响都会造成粗差点的出现。因此，不论哪种方式获取的高密度点云数据，都不可避免地存在粗差点。如果三维点云数据点中带有粗差，就会影响模型参数化和重建的精度和效果，因此需要首先对点云数据进行粗差定位和剔除。现有的...
【技术保护点】
1.一种基于可信度信息的点云数据粗差定位和剔除方法，其特征在于，包括：/n(1)点云数据采集：通过测量设备采集待测物体的点云数据；/n(2)点云数据预处理：对所测点云数据进行预处理，包括：点云数据降维、点云数据规则化；/n(3)点云数据邻域确定和曲面拟合，包括：点云数据邻域自适应划分、邻域内点云数据曲面拟合；/n(4)置信度计算，包括：根据迭代计算方法，计算出点云数据中所有点到其对应邻域内二次曲面的距离，选取点云数据中某点邻域中距离的平均值和方差，来计算该点的置信度，并据此计算出点云数据中其它所有点的置信度；/n(5)粗差定位和剔除：根据点云数据中各点的置信度判断该点是否为...
【技术特征摘要】
1.一种基于可信度信息的点云数据粗差定位和剔除方法，其特征在于，包括：
(1)点云数据采集：通过测量设备采集待测物体的点云数据；
(2)点云数据预处理：对所测点云数据进行预处理，包括：点云数据降维、点云数据规则化；
(3)点云数据邻域确定和曲面拟合，包括：点云数据邻域自适应划分、邻域内点云数据曲面拟合；
(4)置信度计算，包括：根据迭代计算方法，计算出点云数据中所有点到其对应邻域内二次曲面的距离，选取点云数据中某点邻域中距离的平均值和方差，来计算该点的置信度，并据此计算出点云数据中其它所有点的置信度；
(5)粗差定位和剔除：根据点云数据中各点的置信度判断该点是否为粗差，若点云数据中某点判断为粗差，则以置信度作为权重，对该点所处邻域内的数据进行加权求和，得其邻域内点云数据的数学期望，以剔除定位到的粗差点。
2.根据权利要求1所述的方法，其特征在于，步骤(2)中，对点云数据进行预处理包括：
点云数据降维：利用坐标变换法，固定点云中的数据点，将其所处的坐标系进行平移或旋转，选取适当的坐标系表示点云数据的坐标，从而固定数据点坐标的其中一维，实现点云数据降维；
点云数据规则化：对点云数据按照行列进行规则化，形成按行列顺序排列的规则点云数据。
3.根据权利要求2所述的方法，其特征在于，步骤(3)中，
点云数据邻域自适应划分包括：将点云数据进行邻域划分，找到每个数据点p(i,j)所处的k×k最近邻域；其中i，j分别为该数据对应的行列号，且i＝1…m，j＝1…n，m为点云数据行总数，n为点云数据列总数，k为数据点p(i,j)所处邻域的大小，即邻域的行列总数；
邻域内点云数据曲面拟合包括：对点云数据中每个数据点所处的k×k邻域进行曲面拟合，即对该邻域内的数据利用最小二乘的方法构造二次曲面。
4.根据权利要求3所述的方法，其特征在于，在点云数据邻域自适应划分中，按照行列顺序确定邻域边界，根据以下原则进行邻域划分：
当i＝1时，取第1、2行作为点云数据的行邻域；当j＝1时，取第1、2列作为点云数据的列邻域；
当时，取第1至2i-1行作为点云数据的行邻域；当时，取第1至2j-1列作为点云数据的列邻域；
当时，取第至行作为点云数据的行邻域；当时，取第至列作为点云数据的列邻域；
当时，取第2i-m至m行作为点云数据的行邻域；当时，取第2j-n至n列作为点云数据的列邻域；
当i＝m时，取第m-1、m行作为点云数据的行邻域；当j＝n时，取第n-1、n列作为点云数据的列邻域。
5.根据权利要求4所述的方法，其特征在于，邻域内点云数据曲面拟合包括：
将数据点p(i,j)邻域内数据点Lp(...
【专利技术属性】
技术研发人员：周保兴，李晋，宋雷，
申请(专利权)人：山东交通学院，
类型：发明
国别省市：山东;37
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。