[发明专利]一种基于遮罩的全局点云滤波方法、设备和存储介质在审
申请号: | 202110900922.8 | 申请日: | 2021-08-06 |
公开(公告)号: | CN113744416A | 公开(公告)日: | 2021-12-03 |
发明(设计)人: | 朱登明;封雷;石敏;王兆其 | 申请(专利权)人: | 中国科学院计算技术研究所 |
主分类号: | G06T19/20 | 分类号: | G06T19/20;G06T7/187;G06T7/136 |
代理公司: | 北京泛华伟业知识产权代理有限公司 11280 | 代理人: | 王勇 |
地址: | 100190 北*** | 国省代码: | 北京;11 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 基于 全局 滤波 方法 设备 存储 介质 | ||
本发明提供了一种基于遮罩的全局点云滤波方法、设备和存储介质。本发明的方法包括:确定能够包围目标点云中所有点的包围盒,对其划分形成多个体素格;基于坐标将所述目标点云中的每个点分入相应的体素格,遍历所有体素格,确定每个体素格的连通域属性;基于设定的连通域阈值,确定满足所述阈值的体素格,形成遮罩;根据遮罩的位置对所述目标点云进行滤波。本发明通过对三维点云全局信息的考察,自适应得到体素格划分,进而根据自定义的连通域获得遮罩,用来描述点云的全局空间拓扑信息,根据该拓扑信息进行滤波。该方法针对空间疏密程度有较大差异的点云效果更好,可以有效去除原始点云中的离群点,并且较好保持点云的细节信息。
技术领域
本发明涉及信号处理领域,具体涉及基于点云的信号滤波方法。
背景技术
传统的基于局部的点云滤波方法有空间单元格法、八叉树法和K-d树法等方法。张毅等人提出一种改进的K-近邻点云去噪算法,通过K-近邻搜索建立散乱点云之间的拓扑关系,进而采用高斯影响函数作为核函数来估计当前测量点对周围邻近点的影响力,从而限制噪声并剔除离群点(参见其发表的文章《基于K-近邻点云去噪算法的研究与改进》)。梁新合等人采用与法向局部方差有关的自适应角度阈值的截断函数限制邻域点的选择,计算点的法向矢量和法向局部方差,获得与表面特征有关的自适应最优邻域;采用改进的三边滤波方法实现法向矢量滤波和位置滤波,对于疏密均匀且离群点并不很分散的点云数据,该算法能更有效地保持细节特征,同时获得光顺的离散表面(参见其发表的文章《基于自适应最优邻域的散乱点云降噪技术研究》)。
基于图像的方法生成的点云和三维扫描设备获取的点云相比不够精准,而由于图像质量、立体匹配等算法的敏感性以及算法基于图像的数目等差异,由输入的目标图像生成的点云模型的特点各不相同,不同滤波方法对不同特点的点云滤波效果差异很大。例如卡尔曼滤波算法是对系统状态进行最优估计来排除系统中的噪声和干扰的影响,该算法针对传感器直接获取的点云数据有较好效果,其点云特点是空间密度较为均匀,并且表征的物体表面是闭合的。而基于双目立体图像生成的点云由于二维图像遮挡关系而缺失的信息使得恢复出的点云存在空间密度分布不均、表征的表面不闭合等特点,该特点的点云应用卡尔曼滤波效果会不好。由此可见,点云滤波算法是问题导向型,需针对点云不同的特点来选择、设计点云滤波算法。一种好的滤波算法应满足(1)滤波后的点云噪声得到改善,离群点大部分被去除;(2)有效点云细节不被破坏。
但是,目前的点云滤波算法尚不能完全满足以上两点。
发明内容
针对上述问题,发明人在进行三维点云滤波处理研究时,发现现有技术中该项缺陷是由于没有考虑点云的全局拓扑特征导致,而且由于基于双目图像计算得到的三维点云在空间上疏密差异较大,基于局部的滤波方法很容易造成离群点的误判。
发明人经过试验研究发现,使用点云的全局空间拓扑信息有助于提升滤波的准确率,进而,本发明提出了一种基于遮罩的全局点云滤波方法,其解决了点云,尤其是疏密差距较大的点云的滤波问题。
根据本发明的一个方面,提供了一种基于遮罩的全局点云滤波方法,其特征在于,所述方法包括下述步骤:
步骤1:确定能够包围目标点云中所有点的包围盒,对所述包围盒进行划分,形成多个体素格;
步骤2:基于坐标将所述目标点云中的每个点分入相应的体素格,遍历所有体素格,确定每个体素格的连通域属性,所述连通域属性基于当前体素格的有效性以及与当前体素格直接或间接相邻的有效体素格数量确定,基于设定的连通域阈值,确定满足所述阈值的体素格,形成遮罩;
步骤3:根据遮罩的位置对所述目标点云进行滤波,保留所述遮罩覆盖的点,滤除未被所述遮罩覆盖的点。
在一种优选实现方式中,所述步骤1包括:
步骤11:基于三维点云的平均距离和稀疏度常数确定体素格边长;
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于中国科学院计算技术研究所,未经中国科学院计算技术研究所许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202110900922.8/2.html,转载请声明来源钻瓜专利网。