散乱点云离群点的分类识别算法.pdfVIP

第 23卷第 9期 计算机辅助设计与图形学学报 V01．23NO．9 2011年 9月 JournalofComputer—AidedDesign＆ ComputerGraphics Sep．2011 散乱点云离群点的分类识别算法 聂建辉，胡 英，马 孜 (大连海事大学 自动化研究 中心 大连 116026) (njhl9@ 163．corn) 摘 要 ：散乱点云离群点识别和滤除是重建高质量 曲面 的前提 ，也是散乱点云预处理的重要步骤．提 出一种散乱点 云区域增长策略和一个基于 曲面变化度 的局部离群指标 SVLOF，并将其应用到离群点识别 中．通过分析离群点产 生 的原因，根据离群点到点云主体的距离将离群点分为远离群点和近离群点 2类 ；对远离群点采用基于三维区域增 长 的方法进行识别，而对于近离群点采用 SVLOF系数进行识别．基于仿真数据和实测数据 的实验均表 明，采用文 中 算法能够快速 、有效地检测 出孤立离群点和小型聚类离群点． 关键词 ：散乱点云；离群点；区域增长 ；局部离群系数 中图法分类号 ：TP391．72 OutlierDetectionofScatteredPointCloudbyClassification NieJianhui，HuYing，andMaZi (AutomationResearchCenter，DalianM aritimeUniversity，Dalian 116026) Abstract：Outlierdetection and filteringareessentialtoreconstructhigh quality surface in scattered pointcloudpreprocessing．Inthispaperaregiongrowingalgorithm forscatteredpointcloudandanew surfacevariation based localoutlierfactor (SVIOF) areproposed． They are employed to detect outliersfrom scatteredpointcloud．Thereasonforoutlier’SgenerationiSanalyzedandoutliersarethen classifiedtofaroutliersandnearoutliersbasedontheirdistancestothemainbodyofthepointcloud． Differentalgorithmsareused todetectdifferentkindsofoutliers：forfaroutliers，region growing is usedandfornearoutliers，SVLOF isused．Thealgorithm ’Sabilitytodetectisolatedandsmallgroup outliersiSassessedbyexperimentsbasedon emulationdataandrealscandata． Keywords：scatteredpointcloud；outliers；region growing；localoutlierfactor 非接触式激光三角测量 (简称激光测量)因其具 据为高密度点云 ，一般可达几百万点 ，因此，研究离 有非接触 、速度快 、效率高等特点，已成为逆向工程 群点 的自动 (半 自动)识别与滤除是十分必要的． 中应用最为广泛的型面数字化方法．但是在数据获 长期以来 ，尽管许多研究者都对数据离群点识 取 的过程中，由于各种因素的干扰，使得生成的三维 别进行 了深人广泛的研究 ，但是 由于激光测量点云 点云数据中叠加了一些离群点；而离群点会严重影 具有散乱无序、数据量大等特点 ，针对激光点云的离 响到点云分割、特征提取、曲面重建等一系列的后续 群点识别和滤除仍然是当前的研究热点．离群点的 处理过程．因此 ，离群点的识别和滤除是三维重建必