基于最优邻域特征加权的点云引导滤波算法

在点云去噪过程中,当点云数据中的大尺度噪声点被去除后,点云周围通常还混杂着难以直接去除的小尺度噪声点,严重影响重建表面的光滑性,导致模型出现一定程度的特征失真。针对小尺度噪声点,提出了一种基于最优邻域特征加权的点云引导滤波算法。首先基于信息熵函数选取最优初始邻域,结合曲面变化度、法线变化度和距离特征实现特征点识别,然后再对特征点的邻域进行自适应生长以获得平滑邻域,最后利用曲面变化度加权调整引导滤波算法,实现对复杂曲面零件特征和非特征部分的各向异性光顺。实验结果表明,所提算法相较于几种常用的光顺算法对噪声点云的平滑效果更明显,在特征保持方面表现更好,并且在效率方面更优。