群体智能点云光顺去噪算法

为避免点云数据处理过程中的过光顺和局部失真现象,利用基于核函数的蚁群聚类算法对点云数据进行分析,在高维特征空间达到线性可聚的目的。通过核函数将散乱数据点的曲率及法矢映射到高维特征空间,并将它们在特征空间的加权距离作为相似性的度量,来分析可能的噪声点和局部特征。对法矢进行光顺调整时,采用类内方差自适应地确定调整阈值。实验结果表明,该算法比经典算法有明显的改善,并且较好地保留了原始数据的一些特征信息。

基于人体扫描线点云的光顺去噪

利用自制的便携式三维人体测量系统获得人体扫描线点云。在测量过程中,由于受扫描设备的物理特性、扫描环境、光照和标定算法本身的缺陷等因素的影响,点云中不可避免混有噪声点。根据噪声点的特点将其分为3类:与人体真实数据相隔较远的点为第1类噪声点;点云中重叠的点为第2类噪声点;夹杂在人体真实数据点中而导致点云不光顺的点为第3类噪声点。对于第1类和第2类噪声点,采用基于距离的选点删除法;对于第3类噪声点采用基于离散点云曲率及曲率变化的Savitzky-golay滤波方法。实验结果显示,以上2种方法能有效去除人体扫描线点云中的噪声点,并能保持点云固有的几何细节。

地面激光扫描点云数据预处理综述

地面激光扫描点云数据预处理是激光扫描测量数据内业处理的重要研究内容。本文首先总结了激光点云数据的特点、激光点云数据预处理的关键技术及相应的研究意义。然后总结了海量激光点云的主要存储方式及几种常用的数据组织结构;从拼接精度出发将现有多站点云拼接方法归结为粗拼接法和基于ICP的精拼接法;根据简化压缩算法的特征保持能力将其归为可保持特征的简化法和不能保证特征的简化法两类;确定了去噪和光顺分别研究的噪声类型,总结和分析了当前一些去噪和光顺算法的研究现状。最后对地面激光扫描点云数据预处理作了整体性总结与展望。

基于粗糙度的三维模型保细节滤波

三维模型细节特征保持的滤波器设计在计算机图形学和计算机视觉领域得到了广泛地研究.文中将三维网格模型的视觉感知粗糙度度量引进模型去噪滤波的极小化能量中,提出一种基于粗糙度的三维模型保细节滤波器.首先在能量函数定义中引进基于模型粗糙度度量的一个平衡系数,来调节模型光顺项和细节保持项对最终滤波效果的影响;然后在原始模型和目标光顺模型对应顶点之间存在线性关系的假设下,求解能量函数的极小化问题;解该极小化问题得到最终的三维光顺模型.将保细节滤波器分别应用到三维模型的光顺去噪和分层细节增强应用中,结果表明了该滤波器的有效性和通用性.