一種點(diǎn)云去噪平滑方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于計(jì)算機(jī)圖形學(xué)技術(shù)領(lǐng)域，涉及一種點(diǎn)云去噪平滑方法。
【背景技術(shù)】
[0002] 隨著模型多邊形復(fù)雜度的劇增，點(diǎn)云模型的優(yōu)勢越來越明顯，以點(diǎn)云為研究對(duì)象 的圖形學(xué)越來越受到關(guān)注。隨著數(shù)據(jù)測量技術(shù)的飛速發(fā)展，三維掃描儀的測量精度不斷提 高，采集到的點(diǎn)云越來越密集，而且包含了豐富的實(shí)物信息。但是由于掃描儀自身的適應(yīng) 性、人為因素、環(huán)境因素和測量方法等的影響，采集的數(shù)據(jù)總包含噪聲，不能精確地表現(xiàn)被 測農(nóng)作物的表面信息。噪聲點(diǎn)的存在會(huì)影響后續(xù)特征點(diǎn)提取的精度和重建三維模型的質(zhì) 量，導(dǎo)致重構(gòu)曲線、曲面不光滑，降低重構(gòu)模型的精度。
[0003] 傳統(tǒng)的點(diǎn)云去噪方法多采用三角網(wǎng)格模型和點(diǎn)云數(shù)據(jù)的去噪方法，在用拉普拉斯 算子對(duì)三角片法矢進(jìn)行調(diào)整時(shí)，由于該方法是各向同性的，存在重要特征模糊現(xiàn)象；各向異 性網(wǎng)格光順?biāo)惴m然能保持幾何特征，但通常采用高階幾何流，算法復(fù)雜度較高，有些情況 下還會(huì)造成網(wǎng)格模型的變形和扭曲；在分步處理中，用于大尺度噪聲去除的模糊C均值方 法對(duì)噪聲敏感，可能會(huì)降低噪聲質(zhì)量。上述方法雖然能夠達(dá)到一定的效果，但是總存在特征 模糊、模型的變形和扭曲和對(duì)噪聲敏感的問題，影響后續(xù)特征提取的精度和重建模型的質(zhì) 量。

【發(fā)明內(nèi)容】

[0004] 針對(duì)上述現(xiàn)有技術(shù)中存在的問題和缺陷，本發(fā)明的目的在于，提供一種點(diǎn)云去噪 平滑方法。
[0005] 為了實(shí)現(xiàn)上述目的，本發(fā)明采用如下技術(shù)方案：
[0006] 一種點(diǎn)云去噪平滑方法，具體包括以下步驟：
[0007] 步驟1 :對(duì)三維點(diǎn)云模型進(jìn)行自適應(yīng)密度聚類分析，得到去噪后的點(diǎn)云模型，其具 體實(shí)現(xiàn)方法如下：
[0008] 步驟I. 1 :將三維點(diǎn)云模型導(dǎo)入以x、y、z為坐標(biāo)軸的三維坐標(biāo)系，計(jì)算自適應(yīng)參數(shù) 初始半徑e和最小鄰域數(shù)目MinPts，并為類號(hào)ClusterID賦初值1 ;
[0009] 步驟1. 2 :將三維點(diǎn)云模型中的所有點(diǎn)作為一個(gè)集合D，從D中讀出一個(gè)未訪問過 的對(duì)象P，并查找D中關(guān)于e和MinPts的從P密度可達(dá)的所有對(duì)象；
[0010] 步驟1. 3 :若P是核心對(duì)象，即點(diǎn)P的e鄰域內(nèi)的樣本點(diǎn)數(shù)大于等于MinPts，則對(duì) 象P的類號(hào)賦值為ClusterID ;如果P不是核心對(duì)象，即為邊界對(duì)象，則對(duì)象P的類號(hào)賦值 為0,表示對(duì)象P為孤立的噪聲點(diǎn)；
[0011] 步驟1. 4 :從步驟1. 2得到的對(duì)象P密度可達(dá)的對(duì)象開始繼續(xù)搜索，直至無對(duì)象為 止，將所有密度可達(dá)的對(duì)象賦值為ClusterlD，ClusterID自加1，并轉(zhuǎn)步驟1. 2,直到待分類 集合D中所有對(duì)象都被訪問過；
[0012] 步驟2 :對(duì)步驟1得到的去除噪聲之后的點(diǎn)云進(jìn)行雙邊濾波，得到平滑后的點(diǎn)云模 型；
[0013] 步驟3 :針對(duì)步驟2得到的點(diǎn)云模型，應(yīng)用Delaunay三角剖分方法生成重建后的 三維模型。
[0014] 具體地，所述步驟I. 1中：
[0015] 所述自適應(yīng)參數(shù)初始半徑e的計(jì)算方法如下：
[0016] 根據(jù)公式1計(jì)算三維點(diǎn)云模型中任意兩點(diǎn)？1和p ,之間的歐式距離dist(i，j):
[0017]
式 1
[0018] 其中，（Xi, y;，Zi)和Uj, y.j, Z.)分別表示點(diǎn)pjP p』的坐標(biāo)；
[0019] 根據(jù)公式2和公式3計(jì)算dist(i, j)的最大值maxdist和最小值mindist，根據(jù) 公式4求得距離間隔di strange ;
[0020] max dist = Max {dist (i, j) | 0 i < η, 0 j < n} 式 2
[0021] min dist = Min {dist (i, j) | 0 i < η, 0 j < n} 式 3
[0022] di strange = max dist-min dist 式 4
[0023] 其中，n表示三維點(diǎn)云模型中點(diǎn)的數(shù)目；
[0024] 將距離間隔distrange等距分為十段，各分段的端點(diǎn)值從小到大分別用 d。，山，...，(I1。表示，統(tǒng)計(jì)dist (i, j)在每段范圍內(nèi)的次數(shù)p k，0彡k < 10,其中，下標(biāo)k表示 上述各分段的段號(hào)，記次數(shù)Pk中的最大值為P "，〇彡m < 10,則根據(jù)公式5求得自適應(yīng)參數(shù) 初始半徑e :
[0025]
式 5
[0026] 所述最小鄰域數(shù)目MinPts的計(jì)算方法如下：
[0027] 自適應(yīng)參數(shù)初始半徑e確定之后，設(shè)置MinPts的初始值為1 ;根據(jù)公式6統(tǒng)計(jì)點(diǎn) 云模型中的任意點(diǎn)Pi的鄰域點(diǎn)數(shù)目PNumi, 0彡i〈n根據(jù)公式7統(tǒng)計(jì)點(diǎn)云模型中所有點(diǎn)的鄰 域點(diǎn)數(shù)目大于MinPts的點(diǎn)的個(gè)數(shù)，即為pNum ;
[0028] pNum；= count {dist (i, j) < e | 0 j < η} 式 6
[0029] pNum = count (PNumi^ MinPts I 0 < i < η} 式 7
[0030] 逐步增大最小鄰域數(shù)目MinPts，每次遞增1，隨著最小鄰域數(shù)目MinPts的增加， pNum會(huì)逐漸減少并趨于穩(wěn)定，每次計(jì)算pNum之后與前一次計(jì)算的結(jié)果相比較，選擇pNum不 再變化時(shí)的最小鄰域數(shù)目作為MinPts。
[0031 ] 具體地，所述步驟2的具體實(shí)現(xiàn)方法如下：
[0032] 步驟2. 1 :對(duì)于步驟1得到的去除噪聲之后的點(diǎn)云的每一個(gè)數(shù)據(jù)點(diǎn)qi，求出它的m 個(gè)鄰近點(diǎn)kg，j = 1，2, · · ·，m，m個(gè)近鄰點(diǎn)的計(jì)算如下：
[0033] 根據(jù)公式1計(jì)算數(shù)據(jù)點(diǎn)Q1和點(diǎn)云中其他所有點(diǎn)的距離，然后將上述距離按從小到 大排序，截取前m個(gè)點(diǎn)作為m個(gè)近鄰點(diǎn)。
[0034] 步驟2. 2 :對(duì)于每個(gè)鄰近點(diǎn)求出平滑濾波函數(shù)的參數(shù)X = I I I I和特征保持權(quán) 重函數(shù)的參數(shù)y.=<?,其中X為點(diǎn)到鄰近點(diǎn)k ^的距離，y為點(diǎn)q ;與鄰近點(diǎn)的距 離向量Qrklj與該點(diǎn)法向^的內(nèi)積；
[0035] 步驟2. 3 :按照公式8和公式9計(jì)算出平滑濾波函數(shù)Wjx)和特征保持權(quán)重函數(shù) Ws(y)；
[0036] 沙:(X)二(，' -y 式 8
[0037] ^V( V)=C '' 2<τ： 式 9
[0038] 其中：σ c-空間域權(quán)重；σ s -特征域權(quán)重；
[0039] 步驟2. 4 :將Wc(X)和Ws (y)代入公式10,計(jì)算出雙邊濾波因子α ;
[0040]
式 10
[0041] 其中：NQ1)為數(shù)據(jù)點(diǎn)鄰域。
[0042] 步驟2. 5 :根據(jù)公式11計(jì)算經(jīng)過濾波后的新數(shù)據(jù)點(diǎn)；
[0043] H洳 +滅式 11
[0044] 其中：q_為濾波后的數(shù)據(jù)點(diǎn)；為步驟1得到的去噪后的數(shù)據(jù)點(diǎn)；α為雙邊濾 波加權(quán)因子；i ,為數(shù)據(jù)點(diǎn)Qcild的單位法矢。
[0045] 與現(xiàn)有技術(shù)相比，本發(fā)明具有以下技術(shù)效果：
[0046] 1、本發(fā)明采用自適應(yīng)密度聚類分析方法對(duì)點(diǎn)云進(jìn)行去噪，采用雙邊濾波算法對(duì)去 噪后的模型進(jìn)行平滑，并對(duì)平滑后得到的點(diǎn)云模型進(jìn)行重建，得到重建后的三維模型，充分 利用密度聚類算法對(duì)噪聲不敏感，能發(fā)現(xiàn)任意形狀、大小類簇的特點(diǎn)和雙邊濾波保持點(diǎn)云 特征的特點(diǎn)，實(shí)現(xiàn)了在原始數(shù)據(jù)中進(jìn)行去噪平滑同時(shí)保留點(diǎn)云數(shù)據(jù)更多的特征，通過對(duì)比 實(shí)驗(yàn)發(fā)現(xiàn)，上述方法具有較好的去噪平滑效果。
[0047] 2、通過計(jì)算確定自適應(yīng)密度聚類分析方法中的初始半徑和最小鄰域數(shù)目的值，避 免了原始聚類方法根據(jù)聚類結(jié)果不斷調(diào)整參數(shù)的缺陷，從而提高了處理速度；同時(shí)使得三 維點(diǎn)云的去噪平滑效果更好。
[0048] 3、在進(jìn)行雙邊濾波平滑時(shí)，考慮了鄰域點(diǎn)對(duì)當(dāng)前點(diǎn)的影響，避免了過光滑現(xiàn)象的 發(fā)生。
【附圖說明】
[0049] 圖1是規(guī)則物體的三維點(diǎn)云模型效果圖；圖I (a)是原始點(diǎn)云模型；圖I (b)是采用 本發(fā)明的方法得到的去噪光滑效果圖；圖1(c)是原始點(diǎn)云重建效果；圖1(d)是采用本發(fā) 明方法得到的重建效果圖。
[0050] 圖2是不規(guī)則物體的三維點(diǎn)云模型效果圖；圖2(a)是原始點(diǎn)云模型；圖2(b)是對(duì) 比實(shí)驗(yàn)得到的效果圖；圖2(c)是本發(fā)明方法得到的去噪光滑效果；圖2(d)是原始點(diǎn)云重 建效果圖；圖2(e)是對(duì)比實(shí)驗(yàn)得到的重建效果圖；圖2(f)是采用本發(fā)明方法得到的重建 效果。
[0051] 圖3是本發(fā)明的方法流程圖。
[0052] 下面結(jié)合附圖和【具體實(shí)施方式】對(duì)本發(fā)明的方案進(jìn)一步詳細(xì)地解釋和說明。
【具體實(shí)施方式】
[0053] 遵從上述技術(shù)方案，參見圖3,本發(fā)明的點(diǎn)云去噪平滑方法，具體包括以下步驟：
[0054] 步驟1 :對(duì)三維點(diǎn)云模型進(jìn)行自適應(yīng)密度聚類分析，得到去噪后的點(diǎn)云模型。其具 體實(shí)現(xiàn)方法如下：
[0055] 步驟I. 1 :將徠卡scanstation2三維激光掃描儀獲取的三維點(diǎn)云模型導(dǎo)入以X、 y、z為坐標(biāo)軸的三維坐標(biāo)系，計(jì)算自適應(yīng)參數(shù)初始半徑e和最小鄰域數(shù)目MinPts，并為類號(hào) ClusterID賦初值1。其中，自適應(yīng)參數(shù)初始半徑e的計(jì)算方法如下：
[0056] 根據(jù)公式（1)計(jì)算三維點(diǎn)云模型中任意兩點(diǎn)間的歐式距離dist(i，j):
[0057]
⑴
[0058] 其中，（Xi, Yi, Zi)和Uj, Zj)分別表示點(diǎn)pjP p」的坐標(biāo)。
[0059] 根據(jù)公式（2)和（3)計(jì)算dist (i, j)的最大值maxdist和最小值mindist，
[0060] 根據(jù)公式（4)求得距離間隔distrange。
[0061] max dist = Max {dist (i, j) | 0 i < η, 0 j < η} (2)
[0062] min dist = Min {dist (i，j) I 0 < i < η, 0 < j < η} (3)
[0063] di strange = max dist-min dist (4)
[0064] 其中，n表示三維點(diǎn)云模型中點(diǎn)的數(shù)目。
[0065] 將距離間隔distrange等距分為十段，各分段的端點(diǎn)值從小到大分別用 d。，山，…，(I1。表示，統(tǒng)計(jì)dist (i, j)在每段范圍內(nèi)出現(xiàn)的次數(shù)p k(0彡k < 10)，其中，下標(biāo) k表示上述各分段的段號(hào)，記次數(shù)pk中的最大值為Ρηι(0彡m< 10)，則根據(jù)公式（5)求得自 適應(yīng)參數(shù)初始半徑e :
[0066]
(5)
[0067] 最小鄰域數(shù)目MinPts的計(jì)算方法如下：
[0068] 自適應(yīng)參數(shù)初始半徑e確定之后，設(shè)置MinPts的初始值為1 ;根據(jù)公式（6)統(tǒng)計(jì) 點(diǎn)云模型中的任意點(diǎn)Pi的鄰域點(diǎn)數(shù)目PNumi, (0彡i < η