基于视觉理论的动态点云剔除算法

针对动态场景下构建的点云地图中包含大量动态目标的错误点云问题,提出一种基于视觉理论将三维点云转换视觉图像的动态点云剔除算法。通过对当前帧和包含动态点云的噪声地图做点云的地面分割和高度分割,将点云的深度信息转换成视觉可用的图像信息,利用视觉理论中的背景差分法对当前帧和噪声地图进行深度图像对比,筛选出初始动态点云并计算动态分数;根据动态分数对初始动态点云进行自适应最近邻搜索以剔除动态目标。实验结果表明,所提算法的动态点云剔除率可达94%以上,整体得分为96.34,能有效剔除场景中的动态目标。

不规则物体点云切片中的多轮廓分割算法

使用切片法进行不规则物体点云体积测量时,现有的多边形拆分再重组(PSR)算法难以正确拆分较近的轮廓,进而导致计算精度较低。针对这一问题,提出一种多轮廓分割算法——改进最近点搜索(INPS)算法。首先,通过局部点的单次使用原则分割多轮廓;其次,使用多边形内点判定(PIP)算法判断轮廓的包含关系,以确认轮廓面积的正负;最后,采用切片面积乘以厚度并累加的方式获取不规则物体点云的体积。实验结果表明,在两个公开点云数据集和一个化学电子密度等值面点云数据集上,所提算法都能实现高正确率的边界分割,具有一定的普适性;且该算法体积测量的平均相对误差为0.0436%,低于PSR算法的0.0627%,可见所提算法实现了高正确率的边界分割。