[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

说明书

本发明公开了一种结合特征检测方法、顶点更新方法的点云去噪方法，首先在点云上定义了一种新的离散算子，称为各向异性的二阶算子，在优化中作为正则项去恢复点云的法向量场。其次，基于前一步优化的法向量场，本发明提出了基于双边张量投票的特征点检测方法，进行特征点检测、分类；接着，利用前一步检测到的分类特征点，基于RanSAC算法针对每个特征点计算得到多重法向量；最后，利用上述的多重法向量信息进行顶点更新，从而得到去噪的点云数据。与现有技术相比，本发明的点云去噪方法能在保持尖锐几何特征的同时，较好的恢复非线性光滑区域，达到理想的去噪效果。

技术领域

本发明属于计算机图形处理领域，具体涉及一种结合特征检测方法、顶点更新方法的点云去噪方法。

背景技术

随着传感器技术的进步和计算机图形学的快速发展，人们进入了一个数字化的全新时代，伴随的是3D动画、3D打印、虚拟现实、增强现实等一些新颖技术的出现。三维点云数据作为一个新型三维数据的表达方式，获取的方法越来越多，且快捷方便，因此三维点云处理技术也成为科学研究的一个热点，它在机器人、工业制造及检测、虚拟现实、游戏设计、无人驾驶、3D打印、计算机辅助设计(CAD)、医学、军事、地形测量等领域均得到了广泛的应用。然而，在点云获取的过程中，受扫描设备精度、环境光线、物体材料及表面纹理等的影响，获得的点云数据不可避免地被噪声污染。这些噪声不仅影响点云的质量，还在某种程度上增加了点云的数量，在点云模型重建的过程中，会严重影响重建模型的质量。因此，对带有噪声的点云进行去噪成为不可或缺的步骤。点云去噪中关键问题是在去除噪声的同时最大程度的恢复尖锐特征和非线性光滑区域。

目前主要的点云去噪方法包括基于隐式曲面投影的方法、低秩恢复的方法，基于稀疏优化的方法以及边缘感知重采样的方法等。这几类方法虽然在一定程度上能去除噪声，然而他们都存在一些弊端和局限性，主要体现在如下几个方面：

1、基于隐式曲面投影的方法会模糊特征，对于小尺度的特征，不能很好的恢复；

2、基于低秩恢复的方法，在非线性光滑区域会产生一定程度的分片现象；

3、基于稀疏优化的方法目前以L₀为代表，在非线性光滑区域也会产生分片现象；

4、基于边缘感知重采样的方法在尖锐边缘处的恢复结果往往不可靠，会对尖锐特征造成一定程度的模糊，对细小的特征也会有不同程度的模糊，另外，对大尺度噪声处理得不好。

发明内容

本发明要解决的技术问题在于，针对现有技术对于小尺度的特征，不能很好的恢复，以及在非线性光滑区域会产生一定程度的分片现象的缺陷，提供一种可以同时恢复尖锐特征和非线性光滑区域的点云去噪方法。

本发明解决其技术问题所采用的技术方案是：构造一种结合顶点更新方法的点云去噪方法，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；所述各向异性的二阶算子定义为：