基于自适应邻域大小的点云去噪法

针对目前常用点云去噪方法在去噪过程中容易产生过度滤波或滤波不足的现象,提出了一种基于自适应邻域大小的点云去噪法。利用统计滤波去除大尺度噪声,并用主成分分析法求出点云法向量,再通过3个特征值构建局部邻域信息熵函数,依据邻域熵值最小原则判断最优邻域和对应邻域下的法向量,最后通过双边滤波算法进行滤波去噪。实验结果表明,与传统双边滤波算法相比,该方法不仅能达到较好去噪效果,还可保留点云特征,避免过度光顺现象产生。

自适应最优邻域尺寸选择的点云法向量估计方法

为了削弱邻域尺寸选择对基于主成分分析(PCA)的点云法向量估计精度的影响,自适应处理尖锐特征点云,该文提出了自适应邻域的PCA点云法向量估计方法,利用点云局部邻域协方差矩阵,构建了局部邻域维度特征信息熵函数,根据熵函数最小准则,实现了点云自适应最优邻域的估计,在此基础上进行PCA法向量估计。分别对模拟点云和实测点云进行了法向量估计实验。实验结果表明,该文方法能够显著提高包含尖锐特征的点云法向量估计精度。