双边滤波点云去噪算法

　　针对三维点云数据模型在去噪光顺中存在不同尺度噪声的问题，提出一种基于噪声分类的双边滤波点云去噪算法。该算法首先将噪声细分为大尺度和小尺度噪声，并使用统计滤波结合半径滤波对大尺度噪声进行去除；然后对三维点云数据进行曲率估计，并对现有点云双边滤波进行改进，增强其鲁棒性和保特征性；最后使用改进的双边滤波对小尺度噪声进行光顺，实现三维点云数据模型的去噪、光顺。与单独使用双边滤波、Fleishman双边滤波相比，改进算法在三维点云数据模型光顺平均误差指标上分别降低了50. 53%和21. 67 %。实验结果表明，该改进算法对噪声进行尺度的细分既提高了计算效率，又避免了过光顺和细节失真，较好地保持模型中的几何特征。