一种基于几何关系数据点云去噪算法.docVIP

一种基于几何关系的数据点云去噪算法 　　A Triangle Filter Method for Reducing Noise Error of Points Clouds Data Based on Geometric Relations 　　Fan Yu；Wang Yunan；Wang Junjie；Cao Qi 　　（河海大学，南京 210098） 　　（Hohai University，Nanjing 210098，China） 　　 　　摘要：点云去噪是逆向工程中点云数据处理中的一个重要环节，其对最终理想模型的精度将产生很大的影响。针对激光扫描光刀法扫描的点云数据，本文提出了一种基于几何关系的三角形滤波法则，能够较好的进行去噪处理。 　　Abstract: Reducing noise error is an important link for point cloud data processing in reverse engineering, which has a great impact on the precision of the ultimate ideal model. For the point cloud data from laser scanning, this paper puts forward a new triangle filter method for reducing noise error of points clouds data based on geometric relations. Research shows that the triangle filter method can be better to reducing noise error. 　　关键词：点云数据 几何关系 去噪 三角形滤波法 　　Key words: point cloud date；geometry relations；reducing noise error；triangle filter method 　　中图分类号：G42文献标识码：A文章编号：1006-4311（2011）20-0217-02 　　0引言 　　逆向工程是将已存在的食物模型通过数据采集、处理等过程最终实现实物的数据化，转化为一个设计、概念模型，并在此基础上对产品进行分析、修改及优化等技术。目前已经大量的应用于产品的设计、制造、测量、优化等领域。 　　逆向工程主要分为三个阶段：①数据采集；②数据处理；③模型对比与修正。目前较好的数据采集工具一般为三维激光扫描仪，通过对事物进行扫描获取大量表征实物几何特征和性质的三维坐标点云，然后据此由计算机进行数据处理，建立理想模型。因此如何对采集的大量数据点云进行处理是决定最终建立的三维模型好坏的关键所在。 　　逆向工程采集的数据点云较为庞大，并且由于测量设备的震动以及被测物的粗糙表面或镜面反射等因素的影响，点云数据中不可避免额夹杂着噪声点，因此往往需要对数据点云进行预处理，如点云去噪、精简、特征提取、配准等，本文着重研究一种基于几何关系的三维激光数据点云去噪算法。 　　1点云数学模型分析 　　激光扫描光切法是一种非接触性扫描方法，点云数据有一组扫描线组成，点云基本上位于同一扫描平面内。产生点云噪声的原因是多方面的，主要分为以下三个方面[1]：①被测物表面粗糙或镜面发射的现象的发生；②系统自身内部的误差。如振动等；③偶然误差，如扫描时无意扫入的被测物以外的数据点云。这些噪声点的若不经处理将使得模型重建的精度，因此在模型重建之前，我们需要对点云数据进行去噪等处理。 　　文献[2]对点云数据进行了数学模型分析，将采集的点云进行处理后得到一个三维点集{{Ai=f（xi，yi，zi）│xi，yi，zi∈E3}}。f（xi，yi，zi）一般由被检测物得数值g（xi，yi，zi）和测量过程中的误差e（xi，yi，zi）组成。而其中的g（xi，yi，zi），由确定性分量gQ（xi，yi，zi）和随机性分量gS（xi，yi，zi）组成；测量误差e（xi，yi，zi）由系统测量误差α（xi，yi，zi）和系统随机误差β（xi，yi，zi）组成。则有： 　　f（xi，yi，zi）=g（xi，yi，zi）+e（xi，yi，zi） 　　=gQ（xi，yi，zi）+gS（xi，yi，zi）+α（xi，yi，zi）+β（xi，yi，zi）（1） 　　上式中，gQ（xi，yi，zi）表示被测物的理想数值；gS（xi，yi，zi）表示被测物由于第一类误差而产生数值上的偏差；α（xi，yi，zi）表示系统自身所产生的误差，具有一定的规律性，β（xi，yi，zi）表示由于激光