[发明专利]基于噪声分类与MLS的点云数据泊松曲面重建方法

权利要求书

1.一种基于噪声分类与MLS的点云数据泊松曲面重建方法，其特征在于该方法包括：

(1)对于待重建模型点云数据，采用限幅滤波去除偏离主体点云的第1类噪声点；

(2)采用MLS方法，对去噪后的点云数据集进行孔洞修复，并估计修复后的点云的法向量；具体包括：

(2.1)采用MLS方法，对去噪后的点云数据集采用局部二元多项式逼近处理，得到逼近曲面，实现孔洞修复；

(2.2)通过带权协方差矩阵鲁棒估计逼近曲面的局部参考平面，并根据局部参考平面估算得到点云的法向量；

(3)采用双边滤波对法向量估计中对与目标采样数据点混合的第2类噪声进行光顺，得到优化点云；

(4)对优化点云采用泊松方程重建曲面。

2.根据权利要求1所述的基于噪声分类与MLS的点云数据泊松曲面重建方法，其特征在于：步骤(1)具体包括：

(1.1)对于待重建模型点云数据集合P＝{p_i|i＝1,2,...}，计算出每个点p_i到其所有邻近点的平均距离d_i；

(1.2)将平均距离在预设范围之外的点，标记为第1类噪点，采用限幅滤波从点云数据集中P去除。

3.根据权利要求1所述的基于噪声分类与MLS的点云数据泊松曲面重建方法，其特征在于：步骤(2.1)具体包括：

(2.1.1)设局部二元多项式为：

g(u,v)＝Au²+2Buv+Cv²+Du+Ev+F

式中，u,v为函数自变量，A,B,C,D,E,F为待求系数，[u²,uv,v²,u,v,1]构成逼近曲面基函数；

(2.1.2)采用最小二乘误差最小计算待求系数，即：

采用以上公式得到系数A,B,C,D,E,F，其中，f_i为点云数据中点p_i到局部参考平面H₁的垂直高度，f_i＝n·(p_i-q)，(u_i,v_i)是p_i投影到H₁后的局部坐标，θ(d)为权函数，且d为近邻点与的距离，q是p在H₁上的投影点，h为设置的高斯系数，对应于全局估计采样隔离，N为点云数量；

(2.1.3)对于去噪后的点云数据集，采用部双变量逼近多项式g:H₁→R³来逼近，得到逼近曲面，根据逼近曲面得到新采样点集P'＝{p'_i|i＝1,2,...}；其中，R³表示多项式。