[发明专利]一种结合特征检测方法、顶点更新方法的点云去噪方法

权利要求书

1.一种结合顶点更新方法的点云去噪方法，其特征在于，包括以下步骤：

S1、获取点云的位置信息，所述点云的位置信息包括点云的顶点{p_i:i＝1,2,…,V}、法向量信息{n_i:i＝1,2,…,V}，其中，V代表顶点的数量，i为取到的第i个顶点；根据所述点云的位置信息，计算并存储每个顶点的KNN邻域信息；

S2、根据点云的顶点、法向量信息，以及每个顶点的KNN邻域信息，定义点云上的各向异性的二阶算子；将所述各向异性的二阶算子带入到法向量优化模型中，采用用于解决等式约束下的优化问题的优化算法求解上述法向量优化模型，得到优化后的法向量；

所述法向量优化模型定义为：

其中，第一项为正则项，第二项为保真项；l为中心点到任意两个邻域点连线的中点的线段，len(l)为l的边长；disk(p_i)为以点p_i为圆心的邻域组成的圆的面积，α为平衡参数；i＝{1,2,...,V}，V为顶点的数量；n_i为需要输出的点云的法向量信息，为输入的点云的法向量信息；||*||²＝(∑_i|*_i|²)即对i项“”进行平方运算后求得的累加值，即对i项“”进行平方运算后的累加值进行开方运算；为线段l上关于法向量n的二阶算子，

所述各向异性的二阶算子定义为：

其中，分别是定义在边e+、l上的二阶算子，边e+为点p_i与点p_j+之间的连线，边e-为点p_i与点p_j-之间的连线；u_i为点p_i上的信号、u_j+为邻域点p_j+上的信号，u_j-为邻域点p_j-上的信号；p_j+、p_j-均为包括在以p_i为中心的二阶算子中的邻域点；w_e+、w_e-分别是定义在边e+和边e-上的非负权值；

S3、在得到优化后的法向量和原始点云的坐标后，对点云上的特征点进行分类，得到特征点集合；

S4、基于特征点集合的每项特征点，结合RanSAC算法计算得到多重法向量；最后，基于所述多重法向量进行顶点更新，输出去噪的点云数据。

2.根据权利要求1所述的点云去噪方法，其特征在于，步骤S2中，采用增广拉格朗日法-ALM求解法向量优化模型，得到优化后的法向量。

3.根据权利要求2所述的点云去噪方法，其特征在于，步骤S3中，所按照点云的边、角及面，进行特征点分类。

4.根据权利要求3所述的点云去噪方法，其特征在于，步骤S4中，在结合RanSAC算法计算得到多重法向量时，结合下述顶点更新模型进行顶点更新，并结合梯度下降法对所述顶点更新模型求解，进而输出去噪的点云数据：

其中，w(i,r,j,s)＝w^p(n_i,r,n_j,s)eⁿ(p_i,p_r)；n_i,r为顶点p_i的第r个法向量，n_j,s为顶点p_i的KNN邻域顶点p_j的第s个法向量；σ_p为点云的平均距离；j是顶点p_i的KNN邻域顶点p_j的索引；M为点云的数量，d_i为顶点p_i的多重法向量的数量，N(i)为顶点p_i的KNN邻域，d_k为顶点p_i的邻域顶点p_j的多重法向量的数量；i为点云序号；r为p_i的多重法向量索引；s为p_j的多重法向量索引。