资料下载
×
含噪点云预处理技术探究分析
消耗积分:1 |
格式:rar |
大小:0.6 MB |
2017-10-19
分享资料个
逆向工程是将现有实物产品利用数据采集设备获取物体外表面三维信息，再将数据进行处理及分析，最后实现产品的三维信息数字化，重建三维模型，对产品模型进行二次设计、修改及优化。物体三维数据采集设备从采集方式上可以分为两种类型：接触式和非接触式。其中，基于结构光的非接触式测量是当前及今后优先发展的重点，它具有快速、全面获取物体三维外形数据且对物体无损伤、对自然环境无污染的优点。但是由于测量环境、人、设备等因素的影响，采集到的点云中往往含有大量的噪声，难以被直接应用于物体三维模型的重建。为了使点云数据能够运用到后期的处理过程，满足曲面拟合及造型设计等对数据高质量的要求，必须先对原始数据进行去噪、光顺方面的预处理。逆向工程与三维测量技术的迅速发展也推动了去噪光顺研究的进展，国内外许多研究学者在这方面做了深入的研究，如基于局部曲面拟合的MLS方法［1］，基于Scale-Space理论的拉普拉斯方法［2］等。近年来，传统的网格模型去噪和光顺算法得到了长足的发展。其中很多网格模型的去噪和光顺算法可以直接扩展到点模型上，比较经典的有Fleishman的双边滤波去噪算法［3］。
本文针对点云数据所含噪声以及点云特点进行分析，然后采用不同的算法进行去噪和光顺处理。
1 去噪光顺算法
三维测量系统获取的点云数据中混杂的噪声大致可以分为3种：（1）体外飞点，偏离实测数据较远，悬浮在主体点云外围的孤立、稀疏点；（2）离群成簇噪声，偏离主体点云较远，小而密集的噪声簇；（3）混杂噪点，噪声点和真实点混杂在一起，该种点云的形态与实体中心点云成分层状，直观表现为点云表面很多“粗糙毛刺”。
1.1 体外飞点去除算法
针对体外飞点无序、散乱的特性，本文采用空间单元栅格法［4］建立点云数据点之间的空间拓扑关系进而搜索每个点的K_近邻。首先读入测量数据点，将三维坐标点存入一个一维数组Array［］，同时得到其X、Y、Z坐标的最大、最小值，这样可以做一个与各个坐标轴平行的大长方体栅格，包围所有的三维点。根据数据点的密度将长方体栅格划分为多个小立方体栅格，并判断每个数据点所在的小立方体栅格，将数据点的序号追加到该立方体栅格对应的线性链表中。
本文针对点云数据所含噪声以及点云特点进行分析，然后采用不同的算法进行去噪和光顺处理。
1 去噪光顺算法
三维测量系统获取的点云数据中混杂的噪声大致可以分为3种：（1）体外飞点，偏离实测数据较远，悬浮在主体点云外围的孤立、稀疏点；（2）离群成簇噪声，偏离主体点云较远，小而密集的噪声簇；（3）混杂噪点，噪声点和真实点混杂在一起，该种点云的形态与实体中心点云成分层状，直观表现为点云表面很多“粗糙毛刺”。
1.1 体外飞点去除算法
针对体外飞点无序、散乱的特性，本文采用空间单元栅格法［4］建立点云数据点之间的空间拓扑关系进而搜索每个点的K_近邻。首先读入测量数据点，将三维坐标点存入一个一维数组Array［］，同时得到其X、Y、Z坐标的最大、最小值，这样可以做一个与各个坐标轴平行的大长方体栅格，包围所有的三维点。根据数据点的密度将长方体栅格划分为多个小立方体栅格，并判断每个数据点所在的小立方体栅格，将数据点的序号追加到该立方体栅格对应的线性链表中。
声明：本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人，不代表电子发烧友网立场。文章及其配图仅供工程师学习之用，如有内容侵权或者其他违规问题，请联系本站处理。 举报投诉
评论(0)
发评论
- 相关下载
- 相关文章
