基于经验模态分解的点云数据平滑与增强.pdf

北 京 航 空 航 天 大 学 学 报 Journal of Beijing University of Aeronautics and Astronautics jbuaa@ DOI ：10.13700/j.bh.1001-5965.2016.0370 基于经验模态分解的点云数据平滑与增强 1 2 1* 郭立新 ，王小超 ，郝爱民 （1. 北京航空航天大学 计算机学院, 北京 100191；2. 天津工业大学 理学院, 天津 300387) 摘 要：在计算机辅助设计与逆向工程应用中，针对缺乏拓扑连接关系的点云数据，提出基于 经验模态分解(Empirical mode decomposition,简称 EMD)的点云数据平滑与增强算法。该算法首先以点 云模型的拉普拉斯矩阵坐标与法向的内积作为EMD 输入信号，提取点云模型输入信号的极值点作为插值 节点计算信号的上下包络；其次，为实现特征保持的EMD 信号分解，通过检测点云数据上特征点，并在 计算信号上下包络的过程中作为约束，克服传统EMD 算法无法保持特征的局限；最后，迭代地从输入信 号中减去上下包络的均值得到内蕴模态函数（Intrinsic mode function, 简称 IMF）和余量，并通过设 计滤波器实现了点云平滑和增强。实验结果表明, 该方法有效地将EMD 推广到三维散乱点云数据中,扩大 EMD 在三维几何中的应用范围，并在点云平滑和增强方面取得了很好的效果。 关 键 词：经验模态分解；点云数据；数据平滑；数据增强；多尺度分解 中图分类号：TP391.41 文献标识码：A 文章编号：1001-5965 （XXXX ）XX- XXXX-XX 在计算机辅助设计与逆向工程应用中，随着 数据驱动的自适应多尺度方法, 能够将原始数据 三维扫描设备的普及和扫描获取技术的快速发 逐级分解为不同尺度的内蕴模态函数（Intrinsic 展，大规模散乱点云数据处理得到了国内外学者 mode function, 简称 IMF）和一个单调光滑的余 的广泛关注。爆发式增长的点云数据给我们带来 量。它摆脱了传统时频分析方法本质上对平稳数 了新的机遇和挑战，同时也迫切寻求新的点云数 据处理方法的依赖，不再依赖具体的基函数。基 据分析和处理技术。经验模态分解(Empirical 于上述优势，EMD已经在一维信号和二维图像的分 mode decomposition,简称 EMD)作为一种处理非 析与处理中得到了广泛应用，如图像融合和增强 线性、非稳定性信号的方法在一维信号和二维图 [2], 图像压缩[3], 图像去噪[4]等。 像中得到了广泛应用。近年来EMD在三维几何模型 近几年来, EMD方法在三维几何模型处理中 处理中逐渐得到关注，将EMD直接应用到散乱点云 也逐渐得到关注。Qin[5]等人首先在曲面参数化 数据中还存在诸多困难和挑战。首先，由扫描获 的帮助下, 将三维曲面的坐标函数转化为二维平 取的点云数据不可避免的存在噪声、离群点、采 面信号, 然后用传统的二维EMD方法进行分解, 样不均、数据缺失等问题。其次，相比于三角形 但全局网格参数化限制了它的应用范围。Wang [6] 网格，点云数据缺乏固有的拓扑连接关系，处于 等人通过求解狄利克雷边界条件的双调和场得到 离散无序状态。再次，面对复杂、不规则的几何 三角形网格上信号的上下包络, 实现了三维网格 模型，特别是带有显著特征的点云数据，在EMD 上EMD分解算法，避免了曲面参数化问题, 扩大了 处理过程中如