CN102609912A - 一种搜索三维点云数据轮廓噪声点的方法 - Google Patents
一种搜索三维点云数据轮廓噪声点的方法 Download PDFInfo
- Publication number
- CN102609912A CN102609912A CN2012100124950A CN201210012495A CN102609912A CN 102609912 A CN102609912 A CN 102609912A CN 2012100124950 A CN2012100124950 A CN 2012100124950A CN 201210012495 A CN201210012495 A CN 201210012495A CN 102609912 A CN102609912 A CN 102609912A
- Authority
- CN
- China
- Prior art keywords
- point
- cloud data
- cloud
- point cloud
- noise spot
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Landscapes
- Image Processing (AREA)
Abstract
本发明提供了一种搜索三维点云数据轮廓噪声点的方法,本方法对基于光学面扫描三维测量***得到的三维点云数据的轮廓表面噪声点进行搜索;包括对三维点云数据的轮廓表面的边远噪声点进行搜索并删除;对三维点云数据中的所有点的法向矢量进行计算,搜索三维点云数据轮廓噪声点等步骤。本发明实现了良好的人机交互功能,可以高效、准确地搜索到三维点云数据轮廓噪声点,为点云数据质量的提高提供了一种有效的方法。在具体实现时,将搜索到的噪声点首先标记为与其它数据点不同的颜色,以示区分,并将其存入特定的动态数组中。最后,如确认可以删除,则将已做标记的存于动态数组中的噪声点予以去除,从而有效提高点云数据轮廓表面的光顺性,改善立体视觉效果。
Description
技术领域
本发明涉及立体视觉点云数据处理方法领域,特别涉及三维海量点云数据轮廓噪声点搜索及去除方法。
背景技术
点云是在同一空间参考系下表达目标空间分布和目标表面特性的海量点集合。根据近景摄影测量原理得到的点云,包括三维坐标(XYZ)。点云的属性包括:空间分辨率,点位精度,表面法向量等。在获取物体表面每个采样点的空间坐标后,得到的是一个点的集合,称之为“点云”(Point Cloud)。
点云数据(point colud)是指通过光学3D扫描仪所取得的资料形式。扫描资料以点的形式记录,每一个点包含有三维坐标,有些可能含有色彩资讯(R,G,B)或物体反射面强度。点云数据除了具有几何位置以外,还有强度(Intensity)信息,强度信息的获取是光学扫描仪接受装置采集到的回波强度,此强度信息与目标的表面材质、粗糙度、入射角方向,以及仪器的发射能量等有关。
由于三维光学测量设备受测量环境、被测实体形状等的影响与限制,在测量过程中,不可避免地会出现测量数据有较多的噪声点或噪声点片的现象,这些噪声点不仅影响测量结果的精度,而且也会对点云的后续处理工作造成很***烦。因此,为消除噪声点,可以从点云生成之前各环节进行处理与控制,但通过这样的处理与改进要想考虑到所有测量状况具有较大难度。
发明内容
本发明的目的是对生成的三维点云数据进行后处理来完善测量软件的整体功能,以达到良好的视觉效果,并为后续建模或质量评价等提供更加友好的搜索点云数据轮廓噪声点的方法。
本发明的技术方案是:一种搜索三维点云数据轮廓噪声点的方法,本方法对基于光学面扫描三维测量***得到的三维点云数据的轮廓表面噪声点进行搜索;包括以下步骤:
步骤1、对三维点云数据的轮廓表面的边远噪声点进行搜索并删除;
步骤2、对三维点云数据中的所有点的法向矢量进行计算;
步骤3、按下列分步骤搜索三维点云数据轮廓噪声点;
步骤301、判断轮廓噪声点,求取距离判断对象点最近的K(根据具体情况设定)个点,将这K个点拟合成为一个旋转二次抛物面,其一般方程为Z=ax2+by2+cx+dy+e;将这K个点与所述的判断对象点的坐标分别代入方程,并利用最小二乘法求出方程中的5个系数;
步骤302、将所述的判断对象点沿该点法向矢量方向向已求出的旋转二次抛物面投影,并求出过该点的直线与旋转二次抛物面的交点;
步骤303、求出所述的交点与所述的判断对象点的距离,若该距离超出设定距离,则认为该点为轮廓噪声点,反之为非噪声点。
进一步的,上述搜索三维点云数据轮廓噪声点的方法中:在所述的步骤1中,是按下列步骤完成对三维点云数据的轮廓表面的边远噪声点进行搜索并删除的:
步骤101、将距离在设定阈值内的点看作是属于同一片点云数据,超出阈值的点则属于其它点云数据,这些点仍用距离阈值判断将其另行按序归类,如此迭代,直至全部点均归入所属序号的点云数据片;
步骤102、在归类完毕后,根据每个点云数据片占总点云数据的比例值,将给定比例及其以下的点云数据片删除。
进一步地,上述搜索三维点云数据轮廓噪声点的方法中:在所述的步骤2中包括以下分步骤:
步骤201、计算出已测点云数据中所有点的X,Y,Z坐标的最小、最大值,即Xmin、Xmax、Ymin、Ymax、Zmin、Zmax,从而形成一个包围所有已测数据点的与坐标轴平行的长方体包围盒,这个包围盒的长宽高分别为(Xmax-Xmin),(Ymax-Ymin),(Zmax-Zmin),并根据实际需要使用动态计算得到边长L,边长L使用常用的计算公式 计算得到,其中为步长调节系数(根据实际情况进行设定),为k邻域, 为点云总数。这样就将长方体包围盒划分成小立方体栅格;
步骤202、对已测点云数据中每点法向矢量计算;对每点以该点所在栅格为中心,查看其周围的其它26个栅格中的数据点,查找距离该点最近的设定数个点;
步骤203、利用设定数个点拟合一个二次曲面,然后求出该点处曲面的法向矢量,该矢量即为该点的法向矢量。
进一步地,上述搜索三维点云数据轮廓噪声点的方法中:步骤303中所述两点空间距离公式为:。
式中,(x1,y1,z1)与(x2,y2,z2)分别为待判定点、待判定点沿其法向矢量方向向旋转二次曲面的投影点,d是该两点之间的距离。
更进一步地,上述搜索三维点云数据轮廓噪声点的方法中:所述的三维点云数据包括基于光学面扫描三维测量***得到的单次扫描点云数据和多视拼合点云数据。
进一步地,上述搜索三维点云数据轮廓噪声点的方法中:所述的多视拼合点云数据是测量***与被测量对象发生相对位置变化情况下得到的点云数据。
进一步地,上述搜索三维点云数据轮廓噪声点的方法中:所述的边远噪声点是距离被测对象实体点云较远的非实体表面上的点。
本发明实现了良好的人机交互功能,可以高效、准确地搜索到三维点云数据轮廓噪声点,为点云数据质量的提高提供了一种有效的方法。在具体实现时,将搜索到的噪声点首先标记为与其它数据点不同的颜色,以示区分,并将其存入特定的动态数组中。最后,如确认可以删除,则将已做标记的存于动态数组中的噪声点予以去除,从而有效提高点云数据轮廓表面的光顺性,改善立体视觉效果。
下面结合具体实施例对本发明做较为详细的描述。
附图说明
图1为本发明的流程图。
图2是本发明中对边远噪声点进行搜索的算法流程图。
图3是每个点周围的26个栅格示意图。
具体实施方式
本实施例的目的是为解决光学三维扫描测量中普遍存在的轮廓表面噪声点问题,提供了一种搜索三维点云数据轮廓噪声点的方法。
本实施例的流程如图1所示,本方法是对基于光学三维扫描测量***,针对粘贴有标志点或参考点的被测对象,测量***对其进行单次扫描测量或从多个角度进行扫描测量,得到相应的点云数据进行数据处理的。该点云数据除被测量对象表面本身的数据点之外,同时必然伴随着与被测对象表面无关的轮廓噪声点数据。针对这样的轮廓噪声点数据,采用如下方案进行搜索与查找,最后去除之。
步骤一:在进行轮廓表面噪声点搜索之前,先对边远噪声点进行搜索并删除,这样可以有效提高轮廓表面噪声点的搜索效率与准确度。边远噪声点搜索方法为:
(1)将距离在设定阈值内(可以根据实际情况进行设定与修改)的点看作是属于同一片点云数据,超出阈值的点则属于其它点云数据,这些点仍用距离阈值判断将其另行按序归类,如此迭代,直至全部点均归入所属序号的点云数据片。
(2)在归类完毕后,根据每个点云数据片占总点云数据的比例值,将给定比例(可以根据实际点云情况进行设定)及其以下的点云数据片删除。如下例所示:
设有三片噪声点云数据片,其拥有的点的数量分别占总测量数据的比例为6%、11%、19%,其中6%与11%这两片点云数据距离较近,与19%点云数据片距离相对较远,即19%这片点云数据相对独立。
本方法事先设置三个选项(表示点云数据片之间的距离远近,根据实际情况进行设定),分别为“大”、“中”、“小”。如果使用 “小”选项,同时设置点云数据片在总点云中所占比例为6%,则6%这片点云将被选中;如果设置比例11%,则6%与11%这两片点云被选中;如果设置比例19%,则6%、11%与19%这三片点云均被选中。
如果使用“中”选项,则距离较近的6%与11%点云片被认为是同一片点云,这时设置点云片占总点云比例为17%,则这个点云片组将被选中;如果设置19%,则所有噪声点云片被选中。
如果使用“大”选项,则6%、11%与19%点云片均成为同一个点云,这时如设置点云片占总点云数据比例为36%时,整个点云片组被选中。
该方法流程见附图2。
步骤二:对点云数据中所有点的法向矢量进行计算。具体方法:
(1)栅格划分:首先计算出已测点云数据中所有点的X,Y,Z坐标的最小、最大值,从而形成一个与坐标轴平行的长方体包围盒,包围所有的数据点,并根据实际需要使用动态计算得到边长L将长方体包围盒划分成小立方体栅格。
具体的栅格是:计算出已测点云数据中所有点的X,Y,Z坐标的最小、最大值,即Xmin、Xmax、Ymin、Ymax、Zmin、Zmax,从而形成一个包围所有已测数据点的与坐标轴平行的长方体包围盒,这个包围盒的长宽高分别为(Xmax-Xmin),(Ymax-Ymin),(Zmax-Zmin),并根据实际需要使用动态计算得到边长L,边长L使用常用的计算公式计算得到,其中为步长调节系数(根据实际情况进行设定),为k邻域, 为点云总数。这样就将长方体包围盒划分成小立方体栅格。
(2)每点法向矢量计算:首先对每点以该点所在栅格为中心,查看其周围26个栅格中(如图3所示)的数据点距离该点1最近的K(K值根据实际情况进行设定与修改)个点进行查找。
查找到该点邻近的K个点后,利用K个点拟合一个二次曲面,然后求出该点处曲面的法向矢量,该矢量即为该点的法向矢量。
步骤三:搜索三维点云数据轮廓噪声点。在去除边远噪声点的基础上,进行三维点云轮廓噪声点的搜索。本方法通过逐点判断,明确每个点是否是轮廓噪声点。具体方法:
(1)如要判断一点是否是轮廓噪声点,首先求取距离该点最近的K个点。即利用步骤二(2)所述方法,得到K个点。然后利用这K个点进行曲面拟合,本方法采取将K个点拟合成为一个旋转二次抛物面,其一般方程为Z=ax2+by2+cx+dy+e。将K个点与该点(即K+1个点)坐标代入方程(K+1应大于5),并利用最小二乘法求出方程中的5个系数,即a、b、c、d、e。
(2)将待判定点沿该点法向矢量方向(已在步骤二(2)求出)向已求出的旋转二次抛物面投影,求出过该点的直线与旋转二次抛物面的交点。
(3)利用两点空间距离公式求出交点与待判定点之间的距离,如果该距离超出设定距离(根据实际情况进行设定个修改),则认为该点为轮廓噪声点,反之为非噪声点。
式中,(x1,y1,z1)与(x2,y2,z2)分别为待判定点、待判定点沿其法向矢量方向向旋转二次曲面的投影点,d是该两点之间的距离。
通过上述三个步骤,即完成了三维点云数据轮廓噪声点的搜索。
本发明实现了良好的人机交互功能,可以高效、准确地搜索到三维点云数据轮廓噪声点,为点云数据质量的提高提供了一种有效的方法。在具体实现时,将搜索到的噪声点首先标记为与其它数据点不同的颜色,以示区分,并将其存入特定的动态数组中。最后,如确认可以删除,则将已做标记的存于动态数组中的噪声点予以去除,从而有效提高点云数据轮廓表面的光顺性,改善立体视觉效果。
Claims (7)
1.一种搜索三维点云数据轮廓噪声点的方法,本方法对基于光学面扫描三维测量***得到的三维点云数据的轮廓表面噪声点进行搜索,其特征在于:包括以下步骤:
步骤1、对三维点云数据的轮廓表面的边远噪声点进行搜索并删除;
步骤2、对三维点云数据中的所有点的法向矢量进行计算;
步骤3、按下列分步骤搜索三维点云数据轮廓噪声点;
步骤301、判断轮廓噪声点,求取距离判断对象点最近的K(根据具体情况设定)个点,将这K个点拟合成为一个旋转二次抛物面,其一般方程为Z=ax2+by2+cx+dy+e;将这K个点与所述的判断对象点的坐标分别代入方程,并利用最小二乘法求出方程中的5个系数;
步骤302、将所述的判断对象点沿该点法向矢量方向向已求出的旋转二次抛物面投影,并求出过该点的直线与旋转二次抛物面的交点;
步骤303、求出所述的交点与所述的判断对象点的距离,若该距离超出设定距离,则认为该点为轮廓噪声点,反之为非噪声点。
2.根据权利要求1所述的搜索三维点云数据轮廓噪声点的方法,其特征在于:在所述的步骤1中,是按下列步骤完成对三维点云数据的轮廓表面的边远噪声点进行搜索并删除的:
步骤101、将距离在设定阈值内的点看作是属于同一片点云数据,超出阈值的点则属于其它点云数据,这些点仍用距离阈值判断将其另行按序归类,如此迭代,直至全部点均归入所属序号的点云数据片;
步骤102、在归类完毕后,根据每个点云数据片占总点云数据的比例值,将给定比例及其以下的点云数据片删除。
3.根据权利要求1所述的搜索三维点云数据轮廓噪声点的方法,其特征在于:在所述的步骤2中包括以下分步骤:
步骤201、计算出已测点云数据中所有点的X,Y,Z坐标的最小、最大值Xmin、Xmax、Ymin、Ymax、Zmin、Zmax,形成一个包围所有已测数据点的与坐标轴平行的长方体包围盒,这个包围盒的长宽高分别为(Xmax-Xmin),(Ymax-Ymin),(Zmax-Zmin),并根据实际需要使用动态计算得到边长L,边长L由计算公式 计算得到,式中为步长调节系数,为k邻域, 为点云总数;
步骤202、对已测点云数据中每点法向矢量进行计算;对每点以该点所在栅格为中心,查看其周围的其它26个栅格中的数据点,查找距离该点最近的设定数个点;
步骤203、利用设定数个点拟合一个二次曲面,然后求出该点处曲面的法向矢量,该矢量即为该点的法向矢量。
5.根据权利要求1至4中任一所述的搜索三维点云数据轮廓噪声点的方法,其特征在于:所述的三维点云数据包括基于光学面扫描三维测量***得到的单次扫描点云数据和多视拼合点云数据。
6.根据权利要求5所述的搜索三维点云数据轮廓噪声点的方法,其特征在于:所述的多视拼合点云数据是测量***与被测量对象发生相对位置变化情况下得到的点云数据。
7.根据权利要求5所述的搜索三维点云数据轮廓噪声点的方法,其特征在于:所述的边远噪声点是距离被测对象实体点云较远的非实体表面上的点。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2012100124950A CN102609912A (zh) | 2012-01-16 | 2012-01-16 | 一种搜索三维点云数据轮廓噪声点的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2012100124950A CN102609912A (zh) | 2012-01-16 | 2012-01-16 | 一种搜索三维点云数据轮廓噪声点的方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN102609912A true CN102609912A (zh) | 2012-07-25 |
Family
ID=46527258
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2012100124950A Pending CN102609912A (zh) | 2012-01-16 | 2012-01-16 | 一种搜索三维点云数据轮廓噪声点的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102609912A (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104240251B (zh) * | 2014-09-17 | 2017-04-12 | 中国测绘科学研究院 | 一种基于密度分析的多尺度点云噪声检测方法 |
CN106856011A (zh) * | 2015-12-09 | 2017-06-16 | 上海渤元信息科技有限公司 | 一种新的试验设计算法 |
CN109146817A (zh) * | 2018-08-23 | 2019-01-04 | 西安工业大学 | 一种非迭代单一物体散乱点云数据的噪声处理方法 |
CN110136072A (zh) * | 2018-02-08 | 2019-08-16 | 北京大学 | 点云噪声的去除方法、去噪***、计算机设备及存储介质 |
CN110889885A (zh) * | 2019-10-23 | 2020-03-17 | 中电科新型智慧城市研究院有限公司 | 一种基于点云切片的三维对象体积计算方法 |
CN111159451A (zh) * | 2019-12-18 | 2020-05-15 | 广州地理研究所 | 一种基于空间数据库的电力线路点云动态单体化方法 |
JP2021077018A (ja) * | 2019-11-07 | 2021-05-20 | 東芝テック株式会社 | 点群データ処理装置 |
CN113269897A (zh) * | 2021-07-19 | 2021-08-17 | 深圳市信润富联数字科技有限公司 | 表面点云的获取方法、装置、设备及存储介质 |
CN114627020A (zh) * | 2022-03-18 | 2022-06-14 | 易思维(杭州)科技有限公司 | 一种曲面工件反光噪点去除方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030067461A1 (en) * | 2001-09-24 | 2003-04-10 | Fletcher G. Yates | Methods, apparatus and computer program products that reconstruct surfaces from data point sets |
CN101021954A (zh) * | 2007-03-23 | 2007-08-22 | 东南大学 | 三维扫描的点云精简方法 |
-
2012
- 2012-01-16 CN CN2012100124950A patent/CN102609912A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030067461A1 (en) * | 2001-09-24 | 2003-04-10 | Fletcher G. Yates | Methods, apparatus and computer program products that reconstruct surfaces from data point sets |
CN101021954A (zh) * | 2007-03-23 | 2007-08-22 | 东南大学 | 三维扫描的点云精简方法 |
Non-Patent Citations (3)
Title |
---|
孟祥林等: "逆向工程中点云邻域搜索及法矢估算相关算法研究", 《制造技术与机床》 * |
杨斌等: "点云模型的多分辨率简化算法", 《计算机应用》 * |
赵灿等: "利用噪声特点与曲面拟合的点云去噪及光顺算法研究", 《现代制造工程》 * |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104240251B (zh) * | 2014-09-17 | 2017-04-12 | 中国测绘科学研究院 | 一种基于密度分析的多尺度点云噪声检测方法 |
CN106856011A (zh) * | 2015-12-09 | 2017-06-16 | 上海渤元信息科技有限公司 | 一种新的试验设计算法 |
CN110136072B (zh) * | 2018-02-08 | 2021-02-09 | 北京大学 | 点云噪声的去除方法、去噪***、计算机设备及存储介质 |
CN110136072A (zh) * | 2018-02-08 | 2019-08-16 | 北京大学 | 点云噪声的去除方法、去噪***、计算机设备及存储介质 |
CN109146817A (zh) * | 2018-08-23 | 2019-01-04 | 西安工业大学 | 一种非迭代单一物体散乱点云数据的噪声处理方法 |
CN109146817B (zh) * | 2018-08-23 | 2021-07-09 | 西安工业大学 | 一种非迭代单一物体散乱点云数据的噪声处理方法 |
CN110889885A (zh) * | 2019-10-23 | 2020-03-17 | 中电科新型智慧城市研究院有限公司 | 一种基于点云切片的三维对象体积计算方法 |
CN110889885B (zh) * | 2019-10-23 | 2023-05-16 | 中电科新型智慧城市研究院有限公司 | 一种基于点云切片的三维对象体积计算方法 |
JP2021077018A (ja) * | 2019-11-07 | 2021-05-20 | 東芝テック株式会社 | 点群データ処理装置 |
JP7393184B2 (ja) | 2019-11-07 | 2023-12-06 | 東芝テック株式会社 | 点群データ処理装置 |
CN111159451A (zh) * | 2019-12-18 | 2020-05-15 | 广州地理研究所 | 一种基于空间数据库的电力线路点云动态单体化方法 |
CN113269897A (zh) * | 2021-07-19 | 2021-08-17 | 深圳市信润富联数字科技有限公司 | 表面点云的获取方法、装置、设备及存储介质 |
CN114627020A (zh) * | 2022-03-18 | 2022-06-14 | 易思维(杭州)科技有限公司 | 一种曲面工件反光噪点去除方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102609912A (zh) | 一种搜索三维点云数据轮廓噪声点的方法 | |
CN108320329A (zh) | 一种基于3d激光的3d地图创建方法 | |
CN101324663B (zh) | 激光雷达点云数据的快速分块与栅格化算法 | |
CN106066154B (zh) | 一种适用于快速扫描场景的靶标及其控制点的提取方法 | |
CN106651863A (zh) | 一种基于点云数据的树木自动分割方法 | |
CN104408055B (zh) | 一种激光雷达点云数据的存储方法及装置 | |
CN110208771B (zh) | 一种移动二维激光雷达的点云强度改正方法 | |
CN105631939B (zh) | 一种基于曲率滤波的三维点云畸变校正方法及其*** | |
CN105203023A (zh) | 一种车载三维激光扫描***安置参数的一站式标定方法 | |
CN112945150B (zh) | 一种基于三维激光扫描技术的大型构筑物平整度检测方法 | |
CN112733428B (zh) | 一种光学测量的扫描姿态与覆盖路径规划方法 | |
CN108682028A (zh) | 基于辐射纠正的激光点云与光学影像自动匹配方法 | |
Hildebrandt et al. | From points to numbers: a database-driven approach to convert terrestrial LiDAR point clouds to tree volumes | |
Lari et al. | New approaches for estimating the local point density and its impact on LiDAR data segmentation | |
CN103268632A (zh) | 一种机载激光雷达扫描生成地形信息的方法 | |
CN106952344A (zh) | 一种用于再制造修复的破损模型解算方法 | |
CN104898106B (zh) | 面向复杂地形机载激光雷达数据的地面点提取方法 | |
JP2007170821A (ja) | 三次元変位計測方法 | |
CN111736167A (zh) | 一种获取激光点云密度的方法和装置 | |
CN104614729B (zh) | 一种激光雷达航带高程匹配质量分析方法 | |
CN2904001Y (zh) | 复合激光着陆导航设备 | |
JP5594681B2 (ja) | 測量データの分類方法、及び測量データの分類装置 | |
Yokoyama et al. | 3D modeling for historical structure using terrestrial laser ranging data | |
ITRM20130115A1 (it) | Procedura e dispositivo di matching per la modellizzazione digitale di oggetti mediante immagini stereoscopiche | |
CN115713607A (zh) | 基于激光雷达和倾斜摄影提升建模质量的方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C12 | Rejection of a patent application after its publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20120725 |