基于噪声位置分布的点云去噪算法研究.pdf
《基于噪声位置分布的点云去噪算法研究.pdf》由会员分享,可在线阅读,更多相关《基于噪声位置分布的点云去噪算法研究.pdf(4页珍藏版)》请在咨信网上搜索。
1、28 萍乡学院学报 2023 年 第 40 卷第 3 期 萍乡学院学报 2023 年 6 月 Vol.40 NO.3 Journal of Pingxiang University Jun.2023 基于噪声位置分布的点云去噪算法研究 童子良1,谢世成2(1.上海市政工程设计研究总院集团第六设计院有限公司,安徽 合肥 230031;2.安徽理工大学 地球与环境学院,安徽 淮南 232001)摘 要:针对三维点云噪声数据位置分布的特点,采用不同的去噪算法对噪声数据进行处理。通过结合K-D 树算法和高斯滤波技术,可以有效地消除大尺度的体外点云噪声;而对于混杂在主体内部的噪声,由于其他目标点之间的距
2、离比较近,可以采用随机采样一致算法来进行有效的抑制。实验结果表明,该算法不仅可以消除游离在点云周边的体外噪声点云数据,对主体内点云噪声也能有效地去掉,使得点云模型表面光顺平滑。关键词:点云去噪;体外点云噪声;体内点云噪声;随机采样一致算法 中图分类号:P208 文献标志码:A 文章编号:2095-9249(2023)03-0028-03 0 引言 近些年来,随着科学技术的快速发展,传统测量技术存在的工作量大、工作效率低、细部特征采集不全等诸多弊端显露无遗,早已无法满足实时、高精度、可视化的要求。三维激光扫描技术1是继 GPS 定位技术之后的又一次技术革新,为空间三维信息的获取提供了最新的技术支
3、持,进而被广泛地应用在现实场景的逆向工程2当中。但是由于环境、仪器本身的测量精度以及人为影响等多种不可预知的因素,获取的三维激光点云数据中存在着大量的偏差点和误差点,这些数据称为“噪声点”,去除这些“噪声点”是十分必要。然而常规的去噪算法,虽然都有各自的优点,但也存在着无法回避的弊端。因此本文首先对点云数据构建拓扑关系,然后将三维点云的噪声数据根据其不同属性分为主体外点云噪声和主体内点云噪声。对于混淆在主体点云内部的噪声数据,采用随机采样一致算法(Random Sample Consensus,RANSAC)和最小二乘法相结合的方法来去除;对于主体外的大尺度噪声,采用 K-D 树4与高斯滤波相
4、结合的去噪算法予以剔除。1 主体外点云噪声去除 主体外噪声也可以称为大尺度离群点3,该类点云一般是远离主体点云,并且大都是成簇出现,或者是零星地分布在主体点云周围,而主体点云分布相对集中且点云密度高,所以主体点云与其邻域点间的距离很小,主体外点云噪声与其相应的邻域点之间相距较远。针对以上主体外噪声的特点,本文设计了如下算法:首先通过构造K-D树建立点与点之间的拓扑关系,根据文献4可知,K-D 树是一种二叉树,用于搜索点,进而得到所需的邻近点。将搜索得到的所有采样点的近邻点统计出来,分别计算出对应的邻域内的采样点与近邻点间的平均距离(欧氏距离)。我们将采样点(xi,yi,zi)看做是 K-D 树
5、中的某个节点(i=1,2,n),那么通过遍历这棵树就能够较为便捷的快速找到两点之间的欧氏距离和 k 邻域,假设Pj(xj,yj,zj)(j=1,2,k)是设定邻域内的点,则 di为采样点k 邻域平均距离,可得:2221()()()kjijijijixxyyzzdk=+=将所有点的平均距离相加后取平均值得:1niiddn=上式中 n 为总的点云个数。计算每个点与其邻域之间距离的标准差 为:211=()niiddn=我们假设所有点的邻域平均距离都是服从高斯分布5的,并将阈值设定为 H(d-,d+),根据高斯曲线 投稿日期:2023-02-15 作者简介:童子良(1995),男,安徽马鞍山人,助理工
6、程师,硕士,研究方向:市政工程、大地测量学与测量工程。第 3 期 童子良,谢世成:基于噪声位置分布的点云去噪算法研究 29 的特性,在该阈值区间内的点占据了 68.2%的点云数据,因此我们决定保留这些点。而超过该阈值的点看为主体外的噪声点,我们将其剔除。2 主体内点云噪声去除 主体内部点云噪声是指混淆在主体正确点云中错误点云数据,两者相距较近,此类噪声点云会给建筑物表面的表达式参数带来些许偏差,并且会给建筑物的重构带来不可忽视的影响。而在三维场景中有大量的规则曲面6,其参数精度易受到主体内点云噪声影响,针对这个问题,本文提出采用 RANSAC 算法与最小二乘法相结合的方法来去除主体内点云噪声。
7、2.1 RANSAC 算法 RANSAC 算法7最初由 Fischler 和 Bolles 于 1981年提出。在众多领域当中模型参数的稳健估计是一个十分重要的研究课题,RANSAC 算法在针对含有 50%以上“污染率”数据时,仍然能够得到良好的处理效果。其基本思想是:在参数估计时,根据具体问题设计出一个判断准则,根据判断准则进行迭代,剔除那些不符合模型参数的数据点。算法将采集的样本为两类点云数据:(1)内点数据(inliers)信息,即满足模型参数信息的数据;(2)异常数据,记为外点(outliers),为不符合模型所需的点。RANSAC 算法的基本原理如下所述:1)假设 为点云数据集,从
8、中选取某个样本子集,要求该样本子集符合模型条件且最小样本数为3(因为至少 3 个点才能构成一个平面)。利用最小二乘法计算出最小样本子集所相应的模型参数,并将其当作初始化建模的基本参数。2)RANSAC 算法要求在一定的置信概率下,其最小抽样数M与至少取得一个良性取样子集的概率Q(Q)满足的关系式为:1 1(1)c MQ=其中,为样本污染率,为计算模型参数需要的最小数据量。M 的计算公式为:lg(1)lg1(1)cQM=(1)其中,为数据的“污染率”,为计算模型参数的所需的最小数据量,一般情况下 Q 和 会根据具体情况给定。特别注意的是,相比于传统最小二乘算法利用所有数据参与讨论代价函数的优化问
9、题,本文采用的RANSAC 作为一个仅使用内点进行参数优化的算法,这极大地简化了迭代的繁杂程度,提高了模型参数计算的效率。2.2 基于 RANSAC 和最小二乘结合的点云去噪方法 根据 RANSAC 算法准则,利用约束条件进行点云去噪的具体流程步骤如下:Step1:利用公式(1)根据已给定的、Q、计算最小迭代数;Step2:根据 Step1 中计算出的最小迭代次数 M,从所有的主体点云中随机选取 n 个点(n3,以平面为例),利用最小二乘法计算初始平面模型参数的初始值;Step3:计算目标点云中所有点到该初始平面模型的距离 hi(i=1,2,n);Step4:求出 hi的标准差,其公式如下为:
10、()211niihhn=其中:11niihhn=。Step5:根据高斯分布可知,设定当 hi2 时,认为该点为噪声点,否则保留该点,并且统计出此时有效点的个数。Step6:重复执行 Step2、Step3,迭代 M 次,将内点划分为若干类,统计出每类内点的数量,选择内点数量最大时的那一组点,并且将该组点云数据进行拟合,得到最终的平面模型参数,从而达到去除噪声数据的结果。3 实验与结果分析 3.1 实验简介 本章的实测数据来自中海达 HS650 三维激光扫描仪对配套的标靶球进行扫描获得的,本次扫描的是三维激光扫描仪配套的标靶球,半径大小为 72.5 mm,对靶球采用高分辨率进行扫描,本次扫描时间
11、约为 10 min,扫描完成后采用海达数云软件共导出 2973 个点云数据。由于环境、仪器等其他一系列因素影响,使得该靶球的三维点云中存在着大量的点云噪声,并且这些噪声具有两种特点:一是围绕在靶球点云周边的、距离目标点云较远的离散噪声点云;二是与靶球点云交织在一起的且不易分辨的噪声点。由于本次实验中点云信息量较少,因此可以选择较为宽松的阈值,以及上文提及的样本污染率 为 0.2,至少一个数据基本子集包含的数据全部为内点的概率 Q 大于 99%,由此可根据上文提及的公式计算得到迭代次数 M。30 萍乡学院学报 2023 年 3.2 实验分析 将标靶球点云数据导出,去噪后的点云数量为2259 个。
12、如下图 1 所示经过本文两种算法处理后,不仅可以很明显地看出之前环绕在靶球周围的噪声点被去除掉了,而且球体点云内混杂的噪声点云也被去除了。图 1 去噪前后标靶球示意图 将实测的靶球数据导入到坐标系中,可以得到其大概的球心坐标,以该球心坐标假定为真实的球心坐标(a0,b0,c0),靶球的半径为 72.5 mm,那么此时任一点的点云到球心的距离为:222000()()()iiiiDxaybzc=+那么该点距离表面为:72.5iiDD=即为各个点云数据到球心的距离与半径之间的差值。图 2 标靶球去噪前Di变化图 图 3 标靶球去噪后Di变化图 表 1 去噪前后Di最值对比 去噪前最大差值(mm)去噪
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 基于 噪声 位置 分布 点云去噪 算法 研究
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。