点云异常值的移除方法、点云处理方法、装置及相关设备制造方法及图纸

本申请公开了一种点云异常值的移除方法、点云处理方法、装置及相关设备，该方法包括：将待处理的点云沿着参考坐标轴均匀地划分成多个层；对于点云每一层中的每一点，基于该点的包围框确定是否移除该点，得到第二点云；获取第二点云的平均近邻欧氏距离即其中各点的近邻欧氏距离；对于第二点云中的每一点，基于该点的近邻欧氏距离与平均近邻欧氏距离的差值，以及第二点云中各点的近邻欧氏距离与平均近邻欧氏距离的标准差，确定是否移除该点。通过上述各步骤，本申请能够在保留细节特征的前提下，比较直观且便捷的实现点云中的异常值的移除。除。除。

【技术实现步骤摘要】
点云异常值的移除方法、点云处理方法、装置及相关设备


[0001]本申请涉及计算机图形处理
，更具体地说，是涉及一种点云异常值的移除方法、点云处理方法、装置及相关设备。

技术介绍

[0002]三维点云是目前显示现实世界物体或场景三维形貌的代表性格式，已经被广泛用于诸多领域，如位姿估计、目标跟踪、遥感和文物修复等。其中，三维点云主要通过深度相机或激光扫描设备获取。然而，由于环境光干扰、目标反射率变化或传感器自身不稳定性等因素的存在，三维点云中经常出现大量异常值。因此，在将采集到的三维点云输送给后续重构、分割、检测等高层应用之前，需要对其中的异常值进行移除操作。
[0003]传统点云异常值处理方法主要利用真实值和异常值在时序上的差异，使用密度、投影、聚类、法向量等特征描述符直接对原始点云进行异常值检测和移除。但受限于其算法架构，传统方法处理的点云无法有效平衡异常值移除率和细节特征保留率。基于深度学习的方法处理的点云虽然可以解决上述问题，但其网络的训练需要海量的数据和时间支持，且泛化能力较差，当输入点云与训练数据特征分布差异较大时，基于深度学习的方法会完全失效。

技术实现思路

[0004]有鉴于此，本申请提供了一种点云异常值的移除方法、点云处理方法、装置及相关设备，以在保留细节特征的前提下实现对点云的异常值的移除。
[0005]为实现上述目的，本申请第一方面提供了一种点云异常值的移除方法，包括：
[0006]将待处理的点云沿着参考坐标轴均匀地划分成多个层；
[0007]对于所述点云每一层中的每一点，设置以所述点为中心的包围框，若所述包围框内仅包含所述点，则移除所述点，得到第二点云；
[0008]对于所述第二点云中的每一点，确定所述点的第一近邻点集合，其中，每一点的第一近邻点集合内所包含的第一近邻点的个数相同，且所述第一近邻点到所述点的欧氏距离，小于所述第一近邻点集合外的任一点到所述点的欧氏距离；
[0009]获取所述第二点云中各点的近邻欧氏距离，以及获取所述第二点云的平均近邻欧氏距离，其中，所述近邻欧氏距离为点与所述点的各第一近邻点的欧氏距离的平均值，所述平均近邻欧氏距离为所述第二点云中各点的近邻欧氏距离的平均值；
[0010]对于所述第二点云中的每一点，基于所述点的所述近邻欧氏距离与所述平均近邻欧氏距离的差值，以及所述第二点云中各点的所述近邻欧氏距离与所述平均近邻欧氏距离的标准差，确定是否移除所述点。
[0011]优选地，所述将待处理的点云沿着参考坐标轴均匀地划分成多个层的过程，包括：
[0012]利用下述方程式计算得到厚度值δ：
[0013][0014]其中，n1为所述点云的总点数，S
xoy
、S
yoz
和S
xoz
分别为所述点云在xoy、yoz和xoz平面的投影面积；
[0015]基于所述厚度值δ，将待处理的点云沿着Z轴均匀地划分成l层：
[0016]l＝|z
max
‑
z
min
|/δ
[0017]其中，z
max
为所述点云在Z轴的最大值，z
min
为所述点云在Z轴的最小值。
[0018]优选地，设置以所述点为中心的包围框的过程，包括：
[0019]以所述点为中心设置一正方形，将所述正方形确定为所述包围框，所述正方形的边长ξ由下述方程式计算得到：
[0020][0021]其中，α为预设的包围框阈值，n1为所述点云的总点数，S
xoy
、S
yoz
和S
xoz
分别为所述点云在xoy、yoz和xoz平面的投影面积。
[0022]优选地，对所述第二点云中的每一点，确定所述点的第一近邻点集合的过程，包括：
[0023]对于所述第二点云中的每一点，计算所述点与所述第二点云中其他每一点的欧氏距离，得到(n2‑
1)个距离值；
[0024]从所述(n2‑
1)个距离值中确定值较小的k1个距离值，由所述k1个距离值构成所述点的第一近邻点集合；
[0025]其中，n2为所述第二点云的总点数，k1为预设的自然数。
[0026]优选地，对于所述第二点云中的每一点，基于所述点的所述近邻欧氏距离与所述平均近邻欧氏距离的差值，以及所述第二点云中各点的所述近邻欧氏距离与所述平均近邻欧氏距离的标准差，确定是否移除所述点的过程，包括：
[0027]判断所述第二点云中的任一点i的所述近邻欧氏距离D(i)与所述平均近邻欧氏距离的差值是否满足下述方程式：
[0028][0029]若否，移除所述点i，其中，σ为预设的标准差阈值，n2为所述第二点云的总点数。
[0030]本申请第二方面提供了一种点云异常值的移除装置，包括：
[0031]点云分层单元，用于将待处理的点云沿着参考坐标轴均匀地划分成多个层；
[0032]第一移除单元，用于对于所述点云每一层中的每一点，设置以所述点为中心的包围框，若所述包围框内仅包含所述点，则移除所述点，得到第二点云；
[0033]近邻点确定单元，用于对于所述第二点云中的每一点，确定所述点的第一近邻点集合，其中，每一点的第一近邻点集合内所包含的第一近邻点的个数相同，且所述第一近邻
点到所述点的欧氏距离，小于所述第一近邻点集合外的任一点到所述点的欧氏距离；
[0034]距离确定单元，用于获取所述第二点云中各点的近邻欧氏距离，以及获取所述第二点云的平均近邻欧氏距离，其中，所述近邻欧氏距离为点与所述点的各第一近邻点的欧氏距离的平均值，所述平均近邻欧氏距离为所述第二点云中各点的近邻欧氏距离的平均值；
[0035]第二移除单元，用于对于所述第二点云中的每一点，基于所述点的所述近邻欧氏距离与所述平均近邻欧氏距离的差值，以及所述第二点云中各点的所述近邻欧氏距离与所述平均近邻欧氏距离的标准差，确定是否移除所述点。
[0036]本申请第三方面提供了一种点云异常值的移除设备，包括：存储器和处理器；
[0037]所述存储器，用于存储程序；
[0038]所述处理器，用于执行所述程序，实现上述的点云异常值的移除方法的各个步骤。
[0039]本申请第四方面提供了一种存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时，实现如上述的点云异常值的移除方法的各个步骤。
[0040]本申请第五方面提供了一种点云处理方法，包括：
[0041]利用如上述的点云异常值的移除方法对待处理的点云进行异常值移除，得到粗处理点云；
[0042]利用如上述的点云异常值的移除方法对所述粗处理点云进行异常值移除，得到不完全点云；
[0043]利用帧差法计算所述粗处理点云与所述不完全点云的差值，得到多个填充点；
[0044]获取每一填充点在所述不完全点云的第二近邻点集合，其中，每一填充点的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种点云异常值的移除方法，其特征在于，包括：将待处理的点云沿着参考坐标轴均匀地划分成多个层；对于所述点云每一层中的每一点，设置以所述点为中心的包围框，若所述包围框内仅包含所述点，则移除所述点，得到第二点云；对于所述第二点云中的每一点，确定所述点的第一近邻点集合，其中，每一点的第一近邻点集合内所包含的第一近邻点的个数相同，且所述第一近邻点到所述点的欧氏距离，小于所述第一近邻点集合外的任一点到所述点的欧氏距离；获取所述第二点云中各点的近邻欧氏距离，以及获取所述第二点云的平均近邻欧氏距离，其中，所述近邻欧氏距离为点与所述点的各第一近邻点的欧氏距离的平均值，所述平均近邻欧氏距离为所述第二点云中各点的近邻欧氏距离的平均值；对于所述第二点云中的每一点，基于所述点的所述近邻欧氏距离与所述平均近邻欧氏距离的差值，以及所述第二点云中各点的所述近邻欧氏距离与所述平均近邻欧氏距离的标准差，确定是否移除所述点。2.根据权利要求1所述的方法，其特征在于，所述将待处理的点云沿着参考坐标轴均匀地划分成多个层的过程，包括：利用下述方程式计算得到厚度值δ：其中，n1为所述点云的总点数，S
xoy
、S
yoz
和S
xoz
分别为所述点云在xoy、yoz和xoz平面的投影面积；基于所述厚度值δ，将待处理的点云沿着Z轴均匀地划分成l层：l＝|z
max
‑
z
min
|/δ其中，z
max
为所述点云在Z轴的最大值，z
min
为所述点云在Z轴的最小值。3.根据权利要求2所述的方法，其特征在于，设置以所述点为中心的包围框的过程，包括：以所述点为中心设置一正方形，将所述正方形确定为所述包围框，所述正方形的边长ξ由下述方程式计算得到：其中，α为预设的包围框阈值，n1为所述点云的总点数，S
xoy
、S
yoz
和S
xoz
分别为所述点云在xoy、yoz和xoz平面的投影面积。4.根据权利要求3所述的方法，其特征在于，对所述第二点云中的每一点，确定所述点的第一近邻点集合的过程，包括：对于所述第二点云中的每一点，计算所述点与所述第二点云中其他每一点的欧氏距离，得到(n2‑
1)个距离值；从所述(n2‑
1)个距离值中确定值较小的k1个距离值，由所述k1个距离值构成所述点的
第一近邻点集合；其中，n2为所述第二点云的总点数，k1为预设的自然数。5.根据权利要求4所述的方法，其特征在于，对于所述第二点云中的每一点，基于所述点的所述近邻欧氏距离与所述平均近邻欧氏距离的差值，以及所述第二点云中各点的所述近邻欧氏距离与所述平均近邻欧氏距离的标准差，确定是否移除所述点的过程，包括：判断所述第二点云中的任一点i的所述近邻欧氏距离D(i)与所述平均近邻欧氏距离的差值是否满足下述方程式：若否，移除所述点i，其中，σ为预设的标准差阈值，n2为所述第二点云的总点数。6.一种点云处理方法，其特征在于，包括：利用如权利要求1～5中任一项所述的点云异常值的移除方法对待处理的点云进行异常值移除，得到粗处理点云；利用如权利要求1～5中任一项所述的点云异常值的移除方法对所述粗处理点云进行异常值移除，得到不完全点云；利用帧差法计算所述粗处理点云与所述不完全点云的差值，得到多个填充点；获取每一填充点在所述不完全点云的第二近邻点集合，其中，每一填充点的第二近邻点集合内所包含的第二近邻点的个数相同，且所述第二近邻点到所述填充点的欧氏距离，小于所述第二近邻点集合外的任一点到所述填充点的欧氏距离；获取各第二近邻点集合的均值和协方差，其中，第二近邻点集合的均值为所述第二近邻点集合内的各第二近邻点的坐...

【专利技术属性】
技术研发人员：张艳，曲承志，黄坤，许哲禹，马非凡，
申请(专利权)人：中山大学，
类型：发明
国别省市：