[发明专利]基于统计离群和自适应双边混合滤波的3D点云去噪方法

说明书

本发明公开了基于统计离群和自适应双边混合滤波的3D点云去噪方法，首先，计算3D点云中每个点到其最近K邻域点的平均距离、平均距离的期望值、标准差及距离阈值；其次，判断若平均距离大于距离阈值，则滤除掉，否则，保留，得到初次去噪后的3D点云数据；最后，计算双边平滑滤波因子，并利用该平滑滤波器处理初次去噪后的3D点云数据，得到最终去噪后的3D点云数据。本发明方法是将统计离群消除滤波器和自适应双边滤波器有效的结合起来对3D点云数据进行去噪处理。结果表明，该发明方法不仅去除了离群噪音点，而且还去除了起伏噪音点。与此同时，去噪后3D点云数据的边界更平滑，为后续3D点云数据的分割和特征提取奠定良好的基础。

技术领域

本发明属于3D点云数据处理技术领域，具体涉及一种基于统计离群和自适应双边混合滤波的3D点云去噪方法。

背景技术

随着人工智能的发展，机器视觉逐渐从二维图像过度到三维图像，而3D点云作为三维图像的典型代表之一，已逐渐被广泛应用。通常情况下，使用3D点云数据获取设备获取3D点云时，由于被测对象表面波纹、表面粗糙度、设备精度、环境光照、人为扰动等因素的影响，所获得的3D点云不可避免地受到噪音地影响。噪声的存在不仅会严重影响后续3D点云数据的简化、配准等预处理，而且直接影响3D重构的精度、3D点云数据分割效果及3D点云数据识别率的高低。所以，其去噪方法选取是否合适对后续工作起着决定性作用。

经过近年的发展，3D点云数据的去噪也涌现出众多的研究方法。统计离群消除滤波算法是计算点到K邻域内分布点间的距离，通过对每点邻域进行统计分析，删除不符合标准的离群点。主要滤除离群点，对起伏噪音无法去除，去噪后的边界不平滑。双边滤波算法主要用于对3D点云中的小尺度的起伏噪音进行去除，且可达到平滑边界的效果。但是该算法多离群点噪音的去除效果较差。

发明内容

本发明的目的是提供一种基于统计离群和自适应双边混合滤波的3D点云去噪方法，解决了现有单个统计离群滤波器仅仅滤除离群噪音点、边界不平滑及单个自适应双边滤波器仅仅滤除起伏噪音点的问题。

本发明所采用的技术方案是，基于统计离群和自适应双边混合滤波的3D点云去噪方法，具体按照以下步骤实施：

步骤1，利用统计离群消除滤波器对3D点云数据进行去噪处理，得到初次去噪后的3D点云数据；

步骤2，利用自适应双边滤波器对步骤1中的结果进行去噪，得到最终去噪后的3D点云数据。

本发明的特点还在于，

步骤1中，具体按照以下步骤实施：

步骤1.1，计算3D点云数据中每个点到其最近K邻域点的平均距离d_m，如式(1)所示；

其中，K＝100，d_i为K邻域内每点到该点距离；

步骤1.2，经步骤1.1后，分别计算每个点的平均距离d_m的期望值d_p和标准差s；如式(2)及式(3)所示；

其中，n为点总数量，n＝958166；

步骤1.3，经步骤1.2后，计算每个点的距离阈值d_t，若d_m>d_t，则滤除该点，否则，保留；如式(4)所示；

d_t＝d_p+λ*s (4)；

式(4)中，λ为松弛参数，λ＝0.1；d_p为期望值；s为标准差。

步骤2中，具体按照以下步骤实施：