基于统计滤波与双边滤波的点云降噪算法.pdf
《基于统计滤波与双边滤波的点云降噪算法.pdf》由会员分享,可在线阅读,更多相关《基于统计滤波与双边滤波的点云降噪算法.pdf(5页珍藏版)》请在咨信网上搜索。
1、基于统计滤波与双边滤波的点云降噪算法赵德鹏刘永生赵 涵(长安大学 工程机械学院陕西 西安)摘 要:在获取原始三维点云数据时易受环境、设备精度等因素影响难免会引入噪声点 为使三维点云数据能够准确表征信息提出了一种基于统计滤波与双边滤波点云降噪算法 该算法首先使用统计滤波快速去除离群噪声点然后使用自适应迭代估计算法对点云模型进行法矢和曲率估计利用改进滤波因子增强算法鲁棒性最后利用改进双边滤波完成对点云模型的平滑光顺 实验结果表明该算法去噪效果优于其他传统滤波算法并且能够保留点云特征信息关键词:三维点云 统计滤波 双边滤波 法向量中图分类号:文献标识码:文章编号:():.:三维激光扫描技术的发展使得
2、点云数据在三维重建、自动驾驶和智能机器人等领域的应用广泛 因此 点云的数据处理成为逆向工程中重要研究内容 受到环境、设备等影响三维激光扫描设备获取物体的点云数据不可避免存在噪声点噪声点的存在会影响后续特征提取及三维重建 因此需要对点云数据进行滤波去噪处理三维点云去噪作为点云预处理技术的关键一步已经成为近年来的研究热点蒋通等提出了基于区域生长的体素滤波点云去噪算法使用体素网格化将不同尺度噪声分离采用区域生长的思想能够消除簇状噪声 张宏伟提出了双尺度算法动态半径滤波对大尺度噪声去噪然后改进双边滤波算法对小尺度点云噪声去噪 毕松等提出了自适应半径滤波器可以很好的保留细节信息 等提出了基于主成分分析的
3、自适应半径离群值去除滤波器可应用于在一个大的距离激光雷达捕获点云数据 提出了一个基于重力特征函数的点云去噪算法和一个点云万有引力公式计算所有点的重力组合成一个重力特征函数使用重力特征函数阈值过滤点云中的噪声 等提出了一种优化自适应滤波去噪算法利用遗传算法寻找最优阈值提升了算法性能 李鹏飞等利用半径滤波和统计滤波结合去除大尺度噪声再使用快速双边滤波去除小尺度噪声点云降噪处理的方法中双边滤波对点云数据模型具有平滑光顺的作用但对于处理离群点的噪声有一定的局限性 因此本文将双边滤波结合统计滤波算法用于点云模型去噪首先利用快速统计滤波去除离群点接着利用自适应迭代估计算法计算曲率最后利用改进双边因子实现对
4、点云数据模型的平滑光顺 本文算法原理离群点的存在会影响三维点云数据的精度、稳定性和可靠性 在进行三维重建、物体识别、目标检测等应用时离群点的存在可能会导致误检或漏检等问题 目前离群点的处理方法可以分为基于模型的方法和非基于模型的方法两类 基于模型的方法需要先确定一个数据模型然后根据该模型进行数据处理常见的方法包括曲面拟合、平面拟合、球,EJ-?LEUSFFQJQJ?O 图 算法原理图面拟合、圆柱拟合等 而非基于模型的方法则不需要依赖于特定的数据模型通常采用一些机器学习算法和统计方法来进行数据处理如基于聚类分析的方法、基于核密度估计的方法、基于深度学习的方法等本文采用基于模型的方法首先利用统计滤
5、波去除离群噪声点为获取更准确的三维点云表面特征再引入自适应迭代估计算法估计采样点的法向量最后利用双边滤波完成对点云模型的平滑优化如图 所示 的构建与 搜索对于散乱无序的点云数据点与邻域点之间的特征信息获取困难 因此通常采用空间索引来表征邻域内点的空间属性 作为点云数据处理的基础点云空间索引主要类型有八叉树、树、树、树等 建立 树数据结构能够缩小搜索范围并缩短区间近邻搜索时间因此处理大量数据时需要利用该数据结构建立点云拓扑结构 树属于一种高维二叉树通常在三个维度中进行处理 首先计算各个维度的方差选取最大方差的维度进行划分再选取中位数作为划分根节点所有小于中位数的点在左子树所有大于中位数的点在右子
6、树对每个子集不断迭代划分直到所有点都在根节点上为止 树的构建与搜索过程相互独立且又相互联系如图 所示 假设寻找 点以欧氏距离最近的点顺着 树的方法找到最近邻点 距离为 以 为半径画圆发现有与圆相交的矩形则依次向上寻找最近点如此递推并更新最近点最后找到为最近点 近邻是将 个最近点作为该采样点的邻域集1111111111111图 树原理 统计滤波点云去噪在获取三维点云数据模型时会产生离群点(往往由测量噪声引入)这些离群点使点云数据不能准确表达特征信息 针对此类噪声点一般通过遍历所有点的邻域信息来判断该点是否为噪声点 相较于其他滤波方法统计滤波可以处理各种形状和规模的点云数据模型而不依赖于任何特定的
7、数据模型或先验知识 统计滤波中使用的参数比较少例如均值和标准差等同时利用邻域内点的分布规律可以更好地识别离群点并且不需要大量计算资源运行速度快适合于大量实际应用中处理点云数据的场景 因此统计滤波对离群点噪声有较好的去除效果并且可构建 作为识别邻域点的数据结构加快计算速度提高数据的精度和可靠性 设点云集合:()()其中是点云数据是某一个点云数据是点云数量 统计滤波算法步骤如下:)将点云数据填入 数据结构)对点云中所有点进行统计分析计算点与其 近邻点的平均距离:()()()()其中是点与其邻域内某点的距离是点与其邻域内点的平均距离()是 的 邻域内任意一点坐标)计算点云中全局点平均距离及标准差:(
- 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 统计 滤波 双边 点云降噪 算法
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。