三维点云数据去噪方法研究-模式识别与智能系统专业论文.docxVIP

I I 摘 要 摘 要 随着三维扫描技术的快速发展，三维扫描设备成本的不断下降，逆向工程已成为 快速研发各种新产品的重要技术手段。在逆向工程中，使用数据测量设备获取点云数 据时，由于被测对象表面波纹、表面粗糙度、设备精度、环境光照、人为扰动等因素， 所获得的点云数据不可避免地受到噪声的影响。噪声的存在不仅会影响点云简化、拼 接等预处理，而且会对曲面重建的精度和速度造成负面影响。因此，研究点云数据的 去噪技术对于逆向工程的发展具有重要意义。 本文在前人研究成果的基础上，对点云数据的去噪技术进行了深入的研究，主要 工作内容如下： (1)简要介绍了逆向工程中的关键技术，系统介绍了点云数据的基本概念，详细 阐述了点云数据去噪的国内外研究现状和常用方法。 (2)着重分析了双边滤波去噪算法，针对其过光顺问题，本文提出了一种改进的 双边滤波去噪算法。该方法首先采用改进的基于 Voronoi 图算法估算出点云模型的法 向量，再采用鲁棒算法求取点云模型的局部噪声方差，依此设计一个自适应控制函数， 使得采样点的双边滤波都能在最优滤波邻域内进行。实验结果表明，该方法能有效地 去除点云数据的噪声，并较好地保持了点云模型的细节特征。 (3)详细分析了张量投票算法的实现和应用，提出了一种基于张量投票的主动轮 廓边缘提取算法，该算法对边缘清晰和模糊的物体均能有效提取轮廓边缘，使计算机 能对不同的物体形态进行感知和识别。同时，分析了张量投票算法中尺度因子对点云 数据去噪的影响，提出了一种基于点云分布的张量投票去噪算法。算法通过点云分布 设计一个自适应的尺度因子，对点云数据的不同部分采用不同的投票域。实验结果表 明，该方法能有效去除点云数据中的噪声，且去噪速度优于传统的张量投票算法。 关键词：点云去噪；法向量；双边滤波算法；张量投票；尺度因子 II II Abstract Abstract With the development of 3D scanning technology and decrease of equipment cost,reverse engineering has been an important technical mean in rapid development of new products.In reverse engineering,because of object surface wave,surface roughness,equipment precision,world lighting and human disturbance,the datas acquired by measuring equipment are polluted by noises inevitably.Noises not only influence the point cloud data preprocessing,but also have a negative impact to precision and speed of surface reconstruction.So,research on denoising of point cloud data is significant to promote the level of reverse engineering. In this paper, we focus our research on the denoising technology for point cloud data from the predecessors’ achievements. The main works as follows: Introducing the key technology of reverse engineering and basic concept of point cloud data briefly.Then,illustrating research actuality and classical methods of point cloud data denoising. Focusing on analysis of the bilateral filtering denoising algorithm for the over smoothing problem,this paper proposes an improved bilateral filtering denoising algorithm.The method uses an improved based-on Voronoi diagram algorithm to estimat