一种高效的点云去噪聚类方法

逆向工程采用激光扫描设备获取点云数据时会引入无关离体噪声点,针对密度聚类法去噪时引起的内存占用较大、收敛时间较慢的问题,提出了一种高效的点云去噪聚类方法。首先,采用KD-tree建立点云数据的空间索引结构,选择点云的某一维度,找出最小索引核心点云。然后,沿着该维度方向在核心点云邻域外选择最近的未标记的点云扩展密度类。最后,分离出密度相连最大的点云类以完成点云去噪。实验结果表明,与统计滤波、半径滤波、密度聚类滤波算法相比,该方法在完整保留目标点云的同时能高效地去除离体点云噪声,提高了点云去噪的质量。