chapter07_地面三维激光雷达点云滤波与特征提取.pdfVIP

7 地面三维激光雷达点云滤波与特征提取 7.1 点云滤波 测量过程中由于测量设备精度、操作者经验、被测件表面质量、环境等因 素的影响，容易产生一些噪声点，这些点将影响重构模型的准确性，应将其剔 除。外界环境因素有对扫描目标的阻挡和遮掩，如移动的车辆、行人及树木的 遮挡。被测件表面质量主要是实体本身的反射特性不均匀，导致最终获取的扫 描点云数据内可能包含不稳定和错误的点。本章主要介绍点云去噪问题。 7.1.1 滤波方法概述 7.1.1.1 线性滤波方法 主要方法有邻域平均法、k-近邻点拟合曲面滤波，线性预测法滤波和三角 网迭代滤波等。 （1）均值滤波法。该方法在考察点的邻域内计算所有点到局部拟合面的距 离均值，以取代考察点。均值滤波对高斯噪声的平滑效果较好，但存在下述缺 点： 1）由于它对所有的数据点都采用相同的权值处理，会造成边缘模糊； 2 ）对脉冲噪声十分敏感，且易造成噪声传播； 3 ）未充分利用数据点间相关性和位置信息。 （2 ）弦高比阈值法。该方法的思想为：给定一个弦高比的阈值 ，取点云δ 数据中相邻的3 个点，然后根据这3 个点所确定的三角形计算出其高度与弦长的 比值 。如果 ，则将该点滤除。 ε ε δ （3 ）拉普拉斯法 拉普拉斯光顺方法是一种最常见的也是最简单的一种光顺算法，它的基本 原理是对模型上的每个顶点应用拉普拉斯算子。拉普拉斯算子为： 2 2 2 2 ∂ ∂ ∂ ∆=∇ =+ + 式(7-1) ∂x 2 ∂y 2 ∂z 2 设p (x , y , z )为顶点，则在一个三维模型上进行磨光过程可以看作成一 i i i i 个扩散过程： p ∂ i λL p 式(7-2) ( ) i ∂t 1 通过在时间轴上的积分，曲面上细小的起伏、噪声能量很快地扩散到它的 邻域中，使整个曲面变得光滑。如果采用显式的欧拉积分方法，即为： n+1 =+ ⋅ n 式(7-3) p i (1 λdt L )p i 该方法对每个顶点进行估计，逐步调整到其邻域的几何重心位置： ∑ w q  L p p =+λ j j j −p , j 1,2, ,k 式(7-4) ( ) i i  ∑j wj i  其中 表示 的K 个邻域点， 为一个小正数。拉普拉斯光顺方法是通过 qj p i λ 一致扩散高频几何噪声达到光顺目的。 （4 ）平均曲率流 网格顶点的位置调整可以分解为法向和切向两个正交分量。沿网格顶点的 法向以平均曲率速度调节顶点的位置，能够明显地改善顶点的局部区域的几何 变形，进行有效的平滑。相反，如果在切平面上移动顶点，将达不到去噪的效 果。实际上，在曲面论中，极小曲面的充要条件是平均曲率处处为零，通