基于统计跳变回归分析的点云法向量估计.pdfVIP

第51卷第11期/2025年11月/计算机工程研究论文

基于统计跳变回归分析的点云法向量估计

韩先帅，梁斯昕，王凡，李巍，边昂，张建州

（四川大学计算机学院，四川成都610065）

摘要：受到仪器、周围环境以及被扫描目标本身的特性影响，点云数据中不可避免会存在一些噪声，最常见的

是高斯噪声。针对点云模型在含有高斯噪声情况下出现的法向量估计误差大的问题，提出基于统计跳变回归分

析的点云法向量估计方法。首先，根据点云数据建立回归模型，并基于局部线性核平滑来估计当前点的曲面值；

其次，为了判断当前点是否在曲面边缘上，沿垂直于梯度方向将当前点所在的局部邻域分成两部分，分别用这两

部分邻域内的观测值再一次估计该点的曲面值；最后，分析计算当前点的带权均方残差（WRMS)，最终确定该点

曲面值以及法向量。通过仿真实验、公共数据集实验等大量实验结果表明，该方法相较于常规的点云法向量估计

方法，在含高斯噪声的情况下法向量估计准确性更高且鲁棒性更好。

关键词：点云模型；高斯噪声；法向量；统计跳变回归分析；点云重建

中图分类号：TP399文献标志码：AD0I:10.19678/j.issn.1000-3428.0069573

PointCloudNormalVectorEstimationBasedon

StatisticalJumpRegressionAnalysis

HANXianshuai,LIANGSixin,WANGFan,LIWei,BIANAng,ZHANGJianzhou*

(SchoolofComputerScience,SichuanUniversity,Chengdu610065,Sichuan,China)

[AbstractOwingtothecharacteristicsoftheinstrument,surroundingenvironment,andscannedtarget,some

noiseinthepointclouddataisinevitable,themostcommonbeingGaussiannoise.Toaddresstheproblemofa

largenormalestimationerrorinthecaseofGaussiannoiseinthepointcloudmodel,thisstudyproposesapoint

cloudnormalestimationmethodbasedonstatisticaljumpregressionanalysis.First,aregressionmodelis

establishedbasedonpointclouddataandthecurvaturevalueofthecurrentpointisestimatedbasedonlocallinear

kernelsmoothing.Second,todeterminewhetherthecurrentpointisontheedgeofthesurface,thelocal

neighborhoodofthecurrentpointisdividedintotwopartsalongthedirectionperpendiculartothegradientandthe

surfacevalueofthepointisestimatedagainbyobservingthetwopartsoftheneighborhood.Finally,theWeighted

RootMeanSquareresidual(WRMS)ofthecurrentpointisanalyzedandcalculatedt