买专利,只认龙图腾
首页 专利交易 科技果 科技人才 科技服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索

【发明公布】激光点云噪声和冗余数据的精准剔除方法_王程_202010853198.3 

申请/专利权人:王程

申请日:2020-08-22

公开(公告)日:2020-11-24

公开(公告)号:CN111986115A

主分类号:G06T5/00(20060101)

分类号:G06T5/00(20060101);G06T7/13(20170101);G06T17/00(20060101);G06K9/62(20060101)

优先权:

专利状态码:在审-实质审查的生效

法律状态:2020.12.11#实质审查的生效;2020.11.24#公开

摘要:本发明提供的激光点云噪声和冗余数据的精准剔除方法,针对激光扫描过程中存在误差,使得激光点云数据中含有噪声,采用基于几何特征估算的点云去噪方法对扫描得到的激光点云数据进行噪声剔除;针对激光点云数据具有数据量大的特征,采用边界保留的自适应点云精简方法剔除激光点云数据中的冗余数据;本发明改进融合k近邻域去噪和双边滤波方法,高效剔除点云模型中较大离群点的同时平滑模型中的较小噪声信息;在点云精简同时综合考虑点云模型的边界信息,在保留实物模型的特征信息同时减少边界信息损失,保证了激光点云数据预处理后的精度和可靠性。

主权项:1.激光点云噪声和冗余数据的精准剔除方法,其特征在于,以地面三维激光点云数据为基础,分别从激光点云数据去噪和激光点云数据简化二方面进行改进,包括基于几何特征估算的点云去噪和边界保留的自适应点云精简方法,基于几何特征估算的点云去噪包括点云的几何特征估算和k近邻域与双边滤波融合改进去噪,边界保留的自适应点云精简方法包括划分点云格网和检测边界点和曲面变分的点云自适应精简,本发明改进融合k近邻域去噪和双边滤波方法,高效剔除点云模型中较大离群点的同时平滑模型中的较小噪声信息;在点云精简同时综合考虑点云模型的边界信息,在保留实物模型的特征信息同时减少边界信息损失;基于几何特征估算的点云去噪在k近邻域点云去噪和双边滤波点云去噪原理基础上,改进融合二种方法,对激光点云数据进行k近邻域去噪,剔除k近邻域平均距离大于3倍扫描间隔的离群噪声点;顾及点云中的非噪声数据,仅对k近邻域平均距离在2至3倍扫描间隔的点进行双边滤波光顺处理;边界保留的自适应点云精简方法在保留实物特征信息的同时减少实物边界信息损失,基于边界格网检测提取点云模型边界点,对提取边界后激光点云数据采用曲面变分法进行迭代细分,在保留实物特征信息同时减少非特征区域出现空洞情况;本发明综合考虑点云法向量计算中对噪声的抑制能力、稳定性以及计算效率,采用主成分分析法进行激光点云数据的法向量以及曲面变分估算;假设激光点云数据中点qi的k近邻点集表示为Nbhdqi,根据qi及对应的k近邻点集{qi1,qi2,qi3,...,qik}构建对应3×3的协方差矩阵M: 其中表示为Nbhdqi的重心,qij=[xij,yij,zij]T;对协方差矩阵M进行特征值分解,对应的特征值为λi0,λi1,λi2λi0<λi1<λi2,特征向量为ζi0,ζi1,ζi2,则qi点对应的单位法向量mi可表示为或对应的曲面变分由最小特征值λ0和特征值之和的比值表示: 由式2得qi点的曲面变分nic。

全文数据:

权利要求:

百度查询: 王程 激光点云噪声和冗余数据的精准剔除方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。