改进的点云引导滤波算法

针对点云去噪过程中难以分离和去除贴近模型表面的噪声,或者去除时会损失有效数据点的问题,提出一种改进的点云引导滤波算法。首先使用统计滤波筛选出较难平滑的噪声,并进行初次引导滤波,降低平滑难度较大的噪声对整体滤波效果的影响;然后根据点云各点的几何特征,自适应地调整权重参数,并将其代入改进的引导滤波算法中,对点云整体进行二次引导滤波,利用自适应的权重参数,得到更加光滑且保留有效数据点的点云数据。实验结果表明,所提算法对噪声点云的平滑效果更明显,处理后的点云模型有较明显的边缘线条,较难平滑的噪声也能得到很好处理。

激光点云与密集匹配点云融合方法

针对地面激光扫描点云和航摄影像密集匹配点云融合存在质量退化与分层的问题,本文提出了一种基于图割算法和引导点云滤波算法的异源点云融合方法。该方法首先利用一种结合几何和颜色信息的图割算法分割密集匹配点云,然后利用分割后的密集匹配点云填补激光点云的孔洞和遮挡区域,接着采用以表面曲率加权的引导点云滤波算法消除混合边界处的缝隙并纠正混合点云中的平面错层。实验结果证明,所提方法对比现有方法有明显的性能提升,融合后的精度和完整性分别提升了5.42%和2.94%,能够较好地支撑激光点云与密集匹配点云的高质量融合。