[发明专利]一种基于形态学图形处理的点云数据平滑方法

说明书

本发明公开一种基于形态学图形处理的点云数据平滑方法，包括：基于八叉树算法将点云数据体素化；在体素化点云数据的基础上，遍历提取出边界体素，选取表面和边角点的点集合作为进行平滑处理的候选特征点；利用三维形态学算子对候选特征点进行开操作与闭操作，从而达到对点云数据的平滑、去噪以及表面修复。本发明能达到对点云数据的平滑，去噪以及表面修复效果。

技术领域

本发明涉及激光雷达点云数据处理技术领域，特别是涉及一种基于形态学 图形处理的点云数据平滑方法。

背景技术

激光扫描测距技术(LiDAR)作为新型遥感技术，因其高精度和高效率， 以及便捷性，在测绘勘探，自动驾驶，气象检测，建筑几何模型搭建等方面成 为了各行业界研究的重点方向，LiDAR是一种快速、安全的方法，可以捕获目 标场景的三维信息。

激光扫描获取的点云数据包含目标物的丰富的空间信息和表面轮廓信息。 在建筑物三维建模，自动驾驶，高精度地图，环境实时监控等领域发挥了关键 的作用。确定点云中点之间的邻域关系，称为拓扑估计，是一个重要的问题， 因为它表明了点云的底层结构，这可以进一步揭示点云的语义信息。利用点云 数据的语义信息可以更好的完成特征识别检测，点云数据的配准等工作，从而 提升算法效果。而点云数据自身的稀疏性和不规则性，导致连续完整的空间拓 扑信息在点云数据中缺失。

为了建立完整的模型必须对表面进行平滑处理和漏洞修复。在不能进行额 外扫描的情况下，可以通过对数据重采样来解决这一问题，重采样算法通过对 周围数据点进行高阶多项式插值来重建表面缺少的部分。目前，对于稀疏的点 云数据采取的重采样方法有邻域插值法，PU-Net上采样等。而这些算法存在局 部区域缺乏精确扩充，从而产生一些非理想的扩充点或者无法对数据中的漏洞 和缺失部分的填充等问题。

发明内容

本发明的目的是针对现有技术中存在的技术缺陷，而提供一种基于形态学 图形处理的点云数据平滑方法，该方法基于八叉树算法结合三维形态学图像处 理的算法来对点云进行精确的平滑，去噪及修复处理，能快速的定位目标物并 对其进行平滑和去噪。

为实现本发明的目的所采用的技术方案是：

一种基于形态学图形处理的点云数据平滑方法，包括：

基于八叉树算法将点云数据体素化；

在体素化点云数据的基础上，遍历提取出边界体素，选取表面和边角点的 点集合作为进行平滑处理的候选特征点；

利用三维形态学算子对候选特征点进行开操作与闭操作，从而达到对点云 数据的平滑、去噪以及表面修复。

优选的，所述三维形态学算子为一个半径为r的三维球。

具体的，所述的基于八叉树算法将点云数据体素化r步骤如下：

1).设定最大递归深度，用以决定最小子空间的包围盒大小；

2).以包含目标物的尺寸最大的立方体作为根节点或零级节点；

3).依序将点云数据中的单位元素放置到能包含且没有子节点的立方体，即 指将想要存储的坐标归类到所属子节点的包围盒；

4).若没达到最大递归深度，就将该立方体细分为八等份，再将该立方体所 包含的单位元素全部分组给八个子立方体；

5).若判定子立方体所分配到的单位元素数量不为零并且跟父立方体一样， 则该子立方体停止细分；

6).重复第3)步，直到达最大递归深度。