CN103886555A - 一种基于海量三维激光扫描点云数据的处理方法 - Google Patents

Abstract

一种基于海量三维激光扫描点云数据的处理方法，涉及数据处理、三维数字化领域，具体步骤包括分站点加载采集到的点云数据到3D显示平台中，并根据需要调整加载的点密度；采用观检查法、线检查法和弦高差方法，除去那些误差大的噪声点和找出可能存在的失真点；在保证后继曲面构建精度的前提下，对点云数据进行精简；以均值滤波和高斯滤波法，对点云数据进行平滑滤波处理；把各分站测量对应的局部坐标***一到同一坐标系，并消除相邻2次测量间的重叠部分，将分站测量所得到的多片点云数据拼合在一起，以得到被测物体表面的完整数据。通过采用本发明的点云处理方法，加快了海量点云数据的处理速度，提高了点云数据的精确度和精简度。

Description

一种基于海量三维激光扫描点云数据的处理方法

技术领域：

本发明涉及到数据处理、三维数字化领域，属于三维数据处理算法中的一部分，对采集到海量数据进行进一步处理数据，以提高数据处理速度和数据精确度，为方便后期数据调用奠定基础。 

背景技术：

三维激光扫描技术又被称为实景复制技术，是测绘领域继GPS技术之后的一次技术革命。它突破了传统的单点测量方法，具有高效率、高精度的独特优势。三维激光扫描技术能够提供扫描物体表面的三维点云数据，它通过高速激光扫描测量的方法，大面积高分辨率地快速获取被测对象表面的三维坐标数据，可以快速、大量的采集空间点位信息，因此可以用于获取高精度高分辨率的数字模型。在测绘工程、文物数字化保护、土木工程、工业测量、自然灾害调查、数字城市地形可视化、城乡规划等领域有广泛的应用 

对于模型的构建，数据采集后的处理算法起到关键的作用。数据采集过程易受环境和***的影响，扫描数据量相当大，点云数据过度密集，不可避免的会有一些冗余信息和干扰噪声点，会严重地影响模型的构建的速度和精度。所以，采集后海量数据的处理算法可以保证得到可靠精选的点云数据，以提高数据处理速度和数据精确度，降低后期数据调用、使用的难度。 

发明内容：

为解决现有数据处理能力不足问题，本发明的目的在于提供大场景海量三维点云数据后处理算法，针对海量三维激光扫描数据特征，降低大数据量加载对硬件的要求，剔除噪声数据点，进行点云数据的精简并平滑处理，最后把所有分站数据拼合对齐，提高数据处理速度和数据精确度，更方便后期数据的调用。 

附图说明：

图1为本发明专利的三维点云数据后处理算法流程图 

具体实施方式：

分站点加载采集到的点云数据到3D显示平台中，并根据需要调整加载的点密度；采用观检查法、线检查法和弦高差方法，除去那些误差大的噪声点和找出可能存在的失真点；在保证后继曲面构建精度的前提下，对点云数据进行精简；以均值滤波和高斯滤波法，对点云数据进行平滑滤波处理；把各分站测量对应的局部坐标***一到同一坐标系，并消除相邻2次测量问的重叠部分，将分站测量所得到的多片点云数据拼合在一起，即点云数据的拼合对齐，以得到被测物体表面的完整数据。 

噪声点的剔除和失真点的查找。在非接触三维扫描测量过程中，受测量方式、被测量物体材料性质、外界干扰等因素的影响，不可避免地会产生误差很大的点(噪声点)和失真点(跳点)。因此在数据处理的第一步，就应利用相关专用软件所提供的去噪声点功能除去那些误差大的噪声点和找出可能存在的失真点。 

①观检查法。通过图形显示终端，用肉眼直接将与截面数据点集偏离较大的点或存在于屏幕上的孤点剔除。这种方法适合于数据的初步检查，可从数据点集中筛选出一些比较大的异常点。 

②线检查法。通过截面的首末数据点，用最小二乘法拟合得到一条样条曲线，曲线的阶次可根据曲面截面的形状决定，通常为3～4阶，然后分别计算中间数据点pi到样条曲线的距离||e||，如果||e||大于等于[ε]([ε]为给定的允差)，则认为pi是坏点，应予以剔除。 

③弦高差方法。连接检查点的前后2点，计算中间数据点pi到弦的距离||e||，如果||e||大于等于[ε]([ε]为给定的允差)，则认为pi是坏点，应予以剔除。这种方法适合于测量点均匀且较密集的场合，特别是在曲率变化较大的位置。 

数据精简。非接触三维扫描测量的突出特点是点云十分密集，数据量极其庞大(在1m2的范围内有数十万个点)。若将如此庞大的数据量直接用于曲面构建不仅需要巨大的计算机资源(普通微机可能无法胜任)和很长的计算时间，而且整个处理过程也将变得难以控制，更何况并非所有的测试数据对曲面的构建都有用。因此，有必要在保证一定精度的前提下，对测试数据进行精简。数据精简的原则是在扫描曲率较大的地方保持较多的数据点，在曲率变化较小的地方保持较少的数据点。不同类型的点云采用不同的精简方式。散乱点云可通过随机采 样的方法来精简，而对于扫描线点云和多边形点云可采用等间距、倍率、等量及弦偏差等方法进行精减。 

数据的平滑处理。点云数据中的随机误差将影响到后续曲面的构建及生成三维实体模型的质量，因此在构建曲面之前需对点云数据进行平滑滤波处理。平滑滤波处理有如下2种方式： 

①值滤波。取滤波窗口内各数据点的统计平均值来取代原始点，从而改变点云的位置，使点云平滑。假设相邻的3点分别为，x0，x1和x2，通过平均值滤波法平滑得到新点，x′1，x′1=(x0+x1+x2)／3，直线所连的新点代表平滑后的点。 

②高斯滤波。高斯滤波是一种在指定域内滤除高频噪声的滤波方法，其特点是在指定域内的权函数为高斯分布。由于高斯滤波的平均效果较小，因此它能较好地保持测试数据的原貌。 

数据拼合对齐。为完成对整个实体模型的非接触三维扫描测量，需要对实体模型从各个视觉进行分站测量。由于在测量不同区域时，都是在测量位置对应的局部坐标系下进行的，因此多次测量所对应的局部坐标系并不一致，所以必须把各次测量对应的局部坐标***一到同一坐标系，并消除相邻2次测量间的重叠部分，以得到被测物体表面的完整数据。这就需要将分站测量所得到的多片点云数据拼合在一起，即点云数据的拼合对齐，其处理方法有2种。一是通过专用的测量装置实现数据的拼合对齐，它要求设计一个自动工件移动转换平台，用来直接记录工件在测量过程的移动量和转动角度；二是用专门设计的计算机软件实现多片块点云数据的拼合对齐，从而实现原型的再构，这是现在非接触三维扫描测量最常用的多片块点云数据拼合对齐方法。分站测量得到的点云数据常可看作是一个刚体。数据对齐可以归结为三维刚体的坐标转换问题，即根据一些预先指定的最佳匹配规则，通过坐标变换，把部分重叠的两片点云最优地对齐。在工程中较常用的是基于3个基准点的对齐方法。由于3点可以确定一个平面，因此在测量时，可在不同视图中建立用于对齐的3个基准点，通过对齐这3个基准点，就能实现三维测量数据的多视点统一。 

Claims (5)

1.一种大场景海量三维点云数据后处理算法，其特征是，依次包括下列步骤：分站点加载采集到的点云数据到3D显示平台中，并根据需要调整加载的点密度；采用观检查法、线检查法和弦高差方法，除去那些误差大的噪声点和找出可能存在的失真点；在保证后继曲面构建精度的前提下，对点云数据进行精简；以均值滤波和高斯滤波法，对点云数据进行平滑滤波处理；把各分站测量对应的局部坐标***一到同一坐标系，并消除相邻2次测量间的重叠部分，将分站测量所得到的多片点云数据拼合在一起，即点云数据的拼合对齐，以得到被测物体表面的完整数据。

2.根据权利要求1所述的一种彩色三维点云数据前期处理算法，其特征是，所述的线检查法是通过截面的首末数据点，用最小二乘法拟合得到一条样条曲线，曲线的阶次可根据曲面截面的形状决定，通常为3～4阶，然后分别计算中间数据点pi到样条曲线的距离||e||，如果||e||大于等于[ε]([ε]为给定的允差)，则认为pi是坏点，应予以剔除。

3.根据权利要求1所述的一种彩色三维点云数据前期处理算法，其特征是，所述的弦高差方法是连接检查点的前后2点，计算中间数据点pi到弦的距离||e||，如果||e||大于等于[ε]([ε]为给定的允差)，则认为pi是坏点，应予以剔除。

4.根据权利要求1所述的一种彩色三维点云数据前期处理算法，其特征是，所述的均值滤波方法是取滤波窗口内各数据点的统计平均值来取代原始点，从而改变点云的位置，使点云平滑。假设相邻的3点分别为，x0，x1和x2，通过平均值滤波法平滑得到新点，x′1，x′1=(x0+x1+x2)／3，即平滑后的点。

5.根据权利要求1所述的一种彩色三维点云数据前期处理算法，其特征是，所述的高斯滤波是一种在指定域内滤除高频噪声的滤波方法，其特点是在指定域内的权函数为高斯分布，由于高斯滤波的平均效果较小，因此它能较好地保持测试数据的原貌。