点云数据去噪光顺的基本原理.docVIP

班级：服硕1301 姓名：靳彦平 学号：2130952 PAGE PAGE 1 点云数据去噪光顺的基本原理 近几年来三维模型获取的软硬件技术正不断深入,人们可以通过多种数据采样方法来获取现实物体的计算机表示,并对之进行预处理,加工,分析和应用。在获取数据的过程中,因为人为的扰动或者扫描仪本身的缺陷使得生成三维数据往往带有噪声,从而使所获得的测量数据与实物存在一定的偏差，因此在对实测三维数据进行相关数字几何处理和应用之前必须对其进行去噪光顺。点云的去噪光顺是三维数据预处理和建模的重要环节，目的是有效剔除噪声点、使重建表面模型光顺平滑，并保持采样表面原有的拓扑和几何特征不变。 一、点云的概念和分类 点云就是使用各种三维数据采集仪采集得到的数据,它记录了有限体表面在离散点上的各种物理参量。根据点云中点的分布特点(如排列方式、密度等)将点云可分为: 散乱点云:测量点没有明显的几何分布特征,呈散乱无序状态。随机扫描方式下的CMM、激光点测量等系统的点云呈现散乱状态。 扫描线点云:点云由一组组扫描线组成,扫描线上的所有点位于扫描平面内。CMM、激光点三角测量系统沿直线扫描的测量数据和线结构光扫描测量数据呈现该特征。 网格化点云:点云中所有点都与参数域中一个均匀网格的顶点对应。将CMM、激光扫描系统、投影光栅测量系统及立体视差法获得的数据经过网格化插值后得到的点云即为网格化点云。 多边形点云:测量点分布在一系列平行平面内,用小线段将同一平面内距离最小的若干相邻点依次连接可形成一组有嵌套的平面多边形。莫尔等高线测量、工业CT、层切法、磁共振成像等系统的测量点云呈现多边形特征。 此外,测量点云按点的分布密度可分为高密度和低密度点云。CMM的测量点云为低密度点云,通常在几十到几千个点。而测量速度及自动化程度较高的光学法和断层测量法获得的测量数据为高密度点云,一般可达几百万点。 二、异常点的剔除 在曲面造型中，数据中的“跳点”和“坏点”对曲线的光顺性影响较大。“跳点”也叫做失真点，通常是由于测量设备的标定参数发生改变和测量环境突然变化造成的。因此测量数据的预处理首先是从数据点集中找出可能存在的“跳点”。如果在同一截面的数据扫描中，存在一个点与其相邻的点偏距较大，可以认为这样的点是“跳点”，判断“跳点”的方法有以下3种。 直观观察法：通过图形终端，用肉眼直接将与截面数据点集偏离较大的点或存在于屏幕上的孤点剔除。这种方法适合于数据的初步检查，可以从数据点集中筛选出一些偏差比较大的异常点。 曲线检查法。通过截面的首末数据点, 用最小二乘法拟合得到一条样条曲线, 曲线的阶次可根据曲面截面的形状决定, 通常为3 ～ 4 阶, 然后分别计算中间数据点Pi到样条曲线的距离‖e‖,如果‖e‖≥[ε]([ε] 为给定的允差),则认为Pi 是坏点，应予以剔除(见图1）。 图1 弦高差方法。连接检查点的前后2点，计算中间数据点pi 到弦的距离‖e‖，如果‖e‖ ≥[ε] ([ε] 为给定的允差), 则认为pi 是坏点，应予以剔除.这种方法适合于测量点均匀且较密集的场合，特别是在曲率变化较大的位置(见图2)。 图2 数据平滑 数据平滑通常采用标准（高斯）、平均或中值滤波算法。 高斯滤波法。该方法以高斯滤波器在指定区域内将高频的噪声滤除。高斯滤波法在指定域内的权重为高斯分布，其平均效果较小，在滤波的同时，能较好的保持原数据形貌，较常使用（滤波效果见图3所示）。 图3 高斯滤波（虚线部分为原始采集点） 平均值滤波法。该方法将采样点的值去滤波窗口内各数据点的统计平均值来取代原始点，改变点云的位置，使点云平滑（滤波效果见图4所示）。 图4 平均值滤波（虚线部分为原始采集点） 中值滤波法。该方法将相邻的三个点取平均值来取代原始点，实现滤波。中值滤波法采样点的值，取滤波窗口内各数据点的统计中值，故这种方法在消除毛刺方面效果较好。假设相邻的3点分别是P0、P1、P2，通过中值滤波法得到的新点P1’，P1’=（P0+P1+P2）/3，（滤波效果见图5所示）。 图5 中值滤波（虚线部分为原始采集点） 实际使用时，可根据“点云”质量和后续建模要求灵活选择滤波算法。 对点云数据的异常点剔除及滤波平滑处理是逆向工程的重要部分，为接下来的点云简化和模型重建奠定基础。 参考文献 [1]李晓志,李晓久等.基于人体扫描线点云的光顺去噪[J].纺织学报.2010(03) [2]梁新合,梁晋等.基于自适应最优邻域的散乱点云降噪技术研究[J].中国机械工程. 2010(06) [3]董明晓,郑康平.一种点云数据噪声点的随机滤波处理方法[J].中国图象图形学报. 2004(02)