点云降噪与采样技术的研究及应用

发布时间：2009年3月21日 8时10分

三维扫描技术和设备的发展，使得目前获取点云数据的速度和精度都得到极大的提高，可以在短时间内获得大量的点，有的甚至达到上千万个点。获取的点云数据中夹杂着很多噪声点和离群点，这些都不利于后期的曲面构建和点云数据与CAD模型比对，为此，本文对点云处理技术中的点云降噪、局外点检测和点云精简等技术进行深入的研究，主要内容和成果如下：

设计并实现了针对三维光学测量系统的点云处理方案，即首先去除点云数据中的噪声点，然后检测出局外点并剔除，最后将点云简化，得到数据量较小的高精度点云。

实现了海量点云的去噪。研究了多种点云降噪算法，在此基础上，采用基于法向量的双边滤波算法。该算法先初步估算出点的法向量，然后利用KD-tree搜索点的邻域，根据点的邻域计算出点的偏移量，最后得出点的新坐标值。

实现了点云数据中局外点的检测及剔除。采用了基于密度的局外点检测方法，该算法利用密度的概念，通过计算点的可达距离和点与邻域之间的距离，确定点的离群程度LOF（Local Outlier Factor），根据离群程度判断该点是否为局外点。

研究并实现了点云数据的精简。提出了一种新的可控精度的点云精简技术，该算法首先根据采样比率确定采样窗口的大小，然后沿着栅格线将整幅点云划分为一系列大小不同的采样窗口，最后根据给定的采样精度逐窗口精简高精度点云数据。

经过试验、分析及工程应用，结果表明：在三维光学测量系统中较好实现点云降噪、局外点剔除和点云简化，效果良好。