【技术实现步骤摘要】
激光点云噪声和冗余数据的精准剔除方法
本专利技术涉及一种点云噪声和冗余数据的剔除方法，特别涉及一种激光点云噪声和冗余数据的精准剔除方法，属于激光点云数据处理
技术介绍
三维激光扫描是一种三维激光点云数据获取与模型重构技术，能在短时间内得到实物表面大量三维激光点云数据。相对于传统的单点量测，三维激光扫描技术的主要优势在于：获取数据速度快、数据量大，每秒扫描的点可达上百万，主动性强，能全天候作业，操作简单方便，测量扫描通过软件控制作业过程；获取的数据具有全数字特征，便于信息传输、加工和表达。三维激光扫描采用无接触的扫描测量模式，无需安置任何反射装置在被扫描实物上，通过对目标物的扫描，除了能获取实物的三维坐标信息外，还能同时获取对应的天顶距、方位角、反射率和目标实物的距离等。三维点云数据分为两类，即结构激光点云数据和散乱激光点云数据。结构激光点云数据除包含实物表面点的位置属性外，还包括数据间的拓扑连接属性信息；散乱激光点云数据仅包含测量激光点云数据的空间位置信息，且点云分布杂乱无规律，这也是当前三维激光点云数据最普遍的形...
【技术保护点】
1.激光点云噪声和冗余数据的精准剔除方法，其特征在于，以地面三维激光点云数据为基础，分别从激光点云数据去噪和激光点云数据简化二方面进行改进，包括基于几何特征估算的点云去噪和边界保留的自适应点云精简方法，基于几何特征估算的点云去噪包括点云的几何特征估算和k近邻域与双边滤波融合改进去噪，边界保留的自适应点云精简方法包括划分点云格网和检测边界点和曲面变分的点云自适应精简，本专利技术改进融合k近邻域去噪和双边滤波方法，高效剔除点云模型中较大离群点的同时平滑模型中的较小噪声信息；在点云精简同时综合考虑点云模型的边界信息，在保留实物模型的特征信息同时减少边界信息损失；/n基于几何特征估...
【技术特征摘要】
1.激光点云噪声和冗余数据的精准剔除方法，其特征在于，以地面三维激光点云数据为基础，分别从激光点云数据去噪和激光点云数据简化二方面进行改进，包括基于几何特征估算的点云去噪和边界保留的自适应点云精简方法，基于几何特征估算的点云去噪包括点云的几何特征估算和k近邻域与双边滤波融合改进去噪，边界保留的自适应点云精简方法包括划分点云格网和检测边界点和曲面变分的点云自适应精简，本发明改进融合k近邻域去噪和双边滤波方法，高效剔除点云模型中较大离群点的同时平滑模型中的较小噪声信息；在点云精简同时综合考虑点云模型的边界信息，在保留实物模型的特征信息同时减少边界信息损失；
基于几何特征估算的点云去噪在k近邻域点云去噪和双边滤波点云去噪原理基础上，改进融合二种方法，对激光点云数据进行k近邻域去噪，剔除k近邻域平均距离大于3倍扫描间隔的离群噪声点；顾及点云中的非噪声数据，仅对k近邻域平均距离在2至3倍扫描间隔的点进行双边滤波光顺处理；
边界保留的自适应点云精简方法在保留实物特征信息的同时减少实物边界信息损失，基于边界格网检测提取点云模型边界点，对提取边界后激光点云数据采用曲面变分法进行迭代细分，在保留实物特征信息同时减少非特征区域出现空洞情况；
本发明综合考虑点云法向量计算中对噪声的抑制能力、稳定性以及计算效率，采用主成分分析法进行激光点云数据的法向量以及曲面变分估算；假设激光点云数据中点qi的k近邻点集表示为Nbhd(qi)，根据qi及对应的k近邻点集{qi1,qi2,qi3,...,qik}构建对应3×3的协方差矩阵M：
其中表示为Nbhd(qi)的重心，qij＝[xij，yij，zij]T；对协方差矩阵M进行特征值分解，对应的特征值为λi0，λi1，λi2(λi0＜λi1＜λi2)，特征向量为ζi0，ζi1，ζi2，则qi点对应的单位法向量mi可表示为或对应的曲面变分由最小特征值λ0和特征值之和的比值表示：
由式2得qi点的曲面变分nic。
2.根据权利要求1所述的激光点云噪声和冗余数据的精准剔除方法，其特征在于，对求得的点云法向量进行重定向，假设点云中的两个点qi和qj为二个邻近点，如果激光点云数据比较稠密且其表示的实物表面连续光滑，点云中相邻点之间法向量近似平行，即满足：其中表示点qi的单位法向量；通过主成分分析法求得的法向量只确定了大小，对于近邻点有可能使得此时对其中的一个法向量反转180度，使得点云的法向量指向一致的方向；
通过对激光点云数据构建无向图确定点云法向量方向，构建点云无向图过程中，通过二个连接点各自对应的法向量求解该无向边对应的代价，通过遍历无向图构成最小代价的最小生成树，完成点云法向量的重定向，首先选择点云中的z坐标最大的点q1作为法向量重定向的起始点，如果q1点对应的法向量与z轴正方向的夹角大于90度，将q1的法向量方向反转180度，然后以q1点作为遍历最小生成树的起点直到所有的点都被遍历为止，当点云中的qi点法向量已被重定向，则遍历最小生成树的邻近结点qi+1，如果对应的那么将qi+1法向量反转180度，直到最小生成树所有结点都被遍历；
点云的法向量重定向保证点云所有法向量的法向朝向一致，对实物扫描实际上实物点云的法向量与扫描点和扫描仪坐标系的原点之间连线的夹角小于90度，因此根据扫面点云这一特征对点云的法向量进行重定向，假设扫描点中的qi点与向量的夹角ei值如式3：
ei＝arccos(dot(ξi0，[-xi，-yi，-zi])/sqrt(xi*xi+yi*yi+zi*zi))式3
当ei>90度时，将qi对应的法向量反转180度，即
3.根据权利要求1所述的激光点云噪声和冗余数据的精准剔除方法，其特征在于，散乱激光点云数据除三维坐标信息外无任何拓扑信息，对于散乱激光点云数据的曲率近似估算，点云曲率估算通过点云的局部邻域获取；
本发明通过局部邻域的二次拟合曲面法估算点云曲率，包括三个步骤：估算点云法向量，点的局部邻域投影，估算投影点的曲率。
4.根据权利要求3所述的激光点云噪声和冗余数据的精准剔除方法，其特征在于，估算点云曲率中，假设点云中点qi对应的k近邻为Nbhd(qi)，则qi曲率估算的具体步骤为：
第一步，对qi以及Nbhd(qi)进行法向量估算，同时得到qi对应切平面w；
第二步，将点集{qi,Nbhd(qi)}投影到切平面上，得到对应的投影坐标集合{(vi,ui)}，计算方法为：
1)通过点qij∈Nbhd(qi)以及点qi对应的单位法向量Mqi可得向量qiqij在切平面w上的投影tij：
其中E表示3阶单位向量，tij、qi、qij,表示3×1阶列向量；
2)构建基于qi在w上的投影点qi为坐标原点，以||tij||的最大值对应的tij0为V的正方向，对应的方向为U，V、U对应的正方向的...
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。