点云去噪方法、图像处理设备及具有存储功能的装置
技术领域
本申请涉及图像处理技术领域,特别是涉及一种点云去噪方法、图像处理设备及具有存储功能的装置。
背景技术
随着三维扫描技术的发展,使三维点云数据模型成为一种新兴数字媒体,在工业制造、建筑设计、产品展示、医学、电子商务等方面有着广泛的应用。然而,有时由于设备精度以及扫描噪声的影响,会在扫描点云的表面形成一些漂浮的噪声点,这些漂浮噪声点属于数据冗余,会导致后续数据处理的效率降低。
发明内容
本申请主要提供一种点云去噪方法、图像处理设备及具有存储功能的装置,能够去除表面的漂浮噪声点。
为解决上述技术问题,本申请采用的一个技术方案是:提供一种点云去噪方法,包括:获取原始点云数据;识别原始点云数据中的基准表面,该基准表面包括组成该基准表面的第一点云;获取第一点云中数据点的邻域点,以得到去噪后的点云。
为解决上述技术问题,本申请采用的另一个技术方案是:提供一种图像处理设备,其特征在于,包括:相互连接的通信电路和处理器;该通信电路用以获取原始点云数据;处理器用于识别原始点云数据中的基准表面,该基准表面包括组成该基准表面的第一点云,并获取第一点云中数据点的邻域点,以得到去噪后的点云。
为解决上述技术问题,本申请采用的又一个技术方案是:提供一种具有存储功能的装置,存储有指令,该指令被执行时实现如上所述的点云去噪方法。
本申请的有益效果是:区别于现有技术的情况,本申请的实施例中,在获取原始点云数据;识别原始点云数据中的基准表面,该基准表面包括组成该基准表面的第一点云;获取第一点云中数据点的邻域点,以得到去噪后的点云。由此,本申请识别点云数据表征的基准表面后,可以很容易地获取基准表面的邻域点,而非邻域点即可以判定为噪声点,从而可以得到该基准表面的邻域点组成的去噪后的点云,进而能够达到去除点云表面漂浮的噪声点的效果,使得物体表面的轮廓特征更明显,有助于提高后续数据处理的效率。
附图说明
图1是本申请点云去噪方法一实施例的流程示意图;
图2是图1中步骤S12的具体流程示意图;
图3是图1中步骤S13的具体流程示意图;
图4是图3中步骤S131的具体流程示意图;
图5是邻域点及噪声点与第一数据点之间的位置关系示意图;
图6是未进行去噪的原始点云数据的示意图;
图7是利用本申请点云去噪方法进行去噪后的点云数据的示意图;
图8是本申请图像处理设备一实施例的结构示意图;
图9是本申请具有存储功能的装置一实施例的结构示意图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅是本申请的一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
如图1所示,本申请点云去噪方法一实施例包括:
S11:获取原始点云数据。
点云是表达物体表面的大量数据点,每个数据点均可以用三维坐标表示。其中,该原始点云数据至少包括表达目标三维图像轮廓的多个数据点的位置坐标,可以直接利用三维扫描设备扫描得到目标的三维点云数据,也可以是从存储设备或其他设备中获取预先存储的三维图像的点云数据,此处不做具体限定。
由于设备精度以及扫描噪声的影响,会在扫描点云的表面形成一些漂浮的噪声点,该原始点云数据中可能存在漂浮的噪声点,这些漂浮噪声点属于数据冗余,会导致后续数据处理的效率降低。
S12:识别原始点云数据中的基准表面,该基准表面包括组成该基准表面的第一点云。
由于点云是物体表面的近似表达,当识别出原始点云数据表征的物体的表面后,即可以很容易地判断点云数据中哪些是漂浮的噪声点。
具体地,在一个应用例中,原始点云数据是通过三维扫描设备扫描目标物体后得到的数据点集合,该原始点云数据是目标物体表面的近似表达,其可以表征目标物体的三维表面。虽然目标物体的三维表面难以完全还原,但可以利用图像处理算法识别出一基准表面,该基准表面即为识别出的近似于目标物体的三维表面。其中,该基准表面包括组成该基准表面的第一点云,及该第一点云中数据点之间的位置关系,该第一点云中的数据点是接近于原始点云数据中的部分数据点。
可选地,由于原始点云数据中通常没有显式的几何拓扑关系,数据点间没有明确的位置关系信息,可以利用曲面拟合建立三维网格,该建立的三维网格即为基准表面。具体地,如图2所示,步骤S12包括:
S121:利用曲面拟合方法在原始点云数据中进行网格重建。
其中,曲面拟合方法可以采用泊松表面重建(Possion Surface Reconstruction)或者SSD(Smooth Signed Distance Surface Reconstruction)等隐式曲面重建方法,以拟合出较好的基准表面。当然,在其他实施例中,该曲面拟合也可以采用其他方法。
具体地,在一个应用例中,获取原始点云数据后,利用泊松网格重建方法对该原始点云数据进行曲面拟合,可以得到网格曲面。由于泊松网格重建方法采取隐性拟合的方式,通过求解泊松方程来取得原始点云数据所描述的表面信息代表的隐性方程,并通过对该方程进行等值面提取,从而可以得到具有几何实体信息的表面模型,即该基准表面。泊松网格重建方法重建出的模型具有良好的几何表面特性和细节特性。其中,该基准表面包括由原始点云数据进行曲面拟合得到的第一点云,该第一点云中的数据点是拟合出的接近目标物体真实表面的数据点,区别于原始点云数据。
S122:将网格重建后的网格曲面作为基准表面。
其中,网格重建后的网格曲面由点云和点云中的数据点之间的连接关系构成的。因此,该基准表面包括由原始点云数据进行曲面拟合得到的第一点云,还包括该第一点云中各数据点的连接关系。
例如,该网格重建后的网格曲面是三维三角网格曲面时,该网格曲面包括构成网格的三角形顶点以及该三角形顶点的连接关系。该构成网格的三角形顶点组成该第一点云。
S13:获取第一点云中数据点的邻域点,以得到去噪后的点云。
具体地,在一个应用例中,通过曲面拟合的方法识别该基准表面后,即可以通过距离判断等方式,从原始点云数据中获取组成该基准表面的第一点云中每个数据点的邻域点,从而得到由所有邻域点组成的去噪后的点云。
进一步地,如图3所示,步骤S13具体包括:
S131:计算第一点云中第一数据点与原始点云数据中的待识别数据点的距离。
其中,该待识别数据点是原始点云数据中的数据点。
具体地,在一个应用例中,第一点云中通常具有多个数据点,每个数据点均可以作为该第一数据点,与原始点云数据中的每个待识别数据点进行比较,计算二者之间的距离。由于第一数据点和待识别数据点均为三维空间点,计算时,可以获取二者的三维空间坐标(如欧式空间坐标),然后利用二者的欧式空间坐标即可以计算二者的欧式距离。
可选地,对该第一点云中的数据点查找邻域点时,可以通过标记的方式,将已经查找过的数据点标记为已查找,以便后续对其他数据点进行邻域点查找。具体如图4所示,步骤S131包括:
S1311:选择第一点云中的未标记数据点作为第一数据点。
其中,该第一点云中的数据点可以分别已标记数据点和未标记数据点,已标记数据点即为已经查找过邻域点的数据点,而未标记数据点即为未进行邻域点查找的数据点,该第一数据点即为未标记数据点。
选择该第一数据点可以是随机的,也可以是按照某种预设顺序选取,例如数据存储顺序。
S1312:获取第一点云中的第一数据点的位置坐标和待识别数据点的位置坐标。
在一个应用例中,该第一数据点是第一点云中随机选择的数据点,该第一数据点和该第二数据点的位置坐标为三维空间坐标,如欧式空间坐标。当然,在其他实施例中,数据点的位置坐标也可以是其他类型的坐标,如球形空间坐标。
S1313:计算待识别数据点与第一数据点之间的距离,并将该第一数据点标记为已查找。
具体地,结合图5所示,获取第一点云中的第一数据点A的位置坐标(x1,y1,z1)以及待识别数据点B的位置坐标(x2,y2,z2)后,可以利用如下公式计算得到A和B之间的欧式距离,该欧式距离即为该待识别数据点B和第一数据点A之间的距离。每计算完一个第一数据点与所有待识别数据点的距离后,即可以将该第一数据点标记为已查找,以便后续对第一点云中的其他数据点进行邻域点查找。
S132:判断该距离是否小于预设距离。
该预设距离是预先设定的识别漂浮的噪声点的距离阈值。该预设距离的具体取值可以根据识别精度需求设置,识别精度需求越高,该预设距离越小。
若小于,则执行如下步骤S133,否则,执行步骤S134。
S133:将待识别数据点标记为邻域点。
S134:将该待识别数据点标记为噪声点。
具体地,当待识别数据点与第一数据点之间的距离大于该预设距离时,该待识别数据点即被标记为噪声点(漂浮的噪声点),否则该待识别数据点即被标记为第一数据点的邻域点。
例如图5中,待识别数据点B与第一数据点A之间的距离小于该预设距离R,该待识别数据点B被标记为邻域点,而待识别数据点C与第一数据点A之间的距离大于预设距离R,该待识别数据点C被标记为噪声点。
S135:判断第一点云中是否存在未标记数据点。
若存在,则返回执行步骤S131,否则执行如下步骤S136。
S136:提取原始点云数据中的所有邻域点,组成去噪后的点云。
具体地,每次执行完步骤S133或S134后,原始点云数据中即有部分数据点会被标记为邻域点或噪声点,此时,需要判断是否可以结束去噪过程,可以判断第一点云中是否存在未标记数据点,若存在,则表明第一点云中还有部分数据点未进行邻域点查找,此时可以返回执行步骤S131,选择未标记数据点进行邻域点查找,以对该待识别数据点进行标记,直到第一点云中所有数据点均被标记为已查找,即已经得到该原始点云数据中第一点云的所有邻域点,此时可以结束去噪过程,提取原始点云数据中第一点云的所有邻域点,即可以组成去噪后的点云。
当然,在其他实施例中,该噪声点也可以不需要进行标记,只需要标记邻域点即可,最终提取原始点云数据中所有已标记的数据点即可以组成去噪后的点云。
本实施例中,在获取原始点云数据,识别原始点云数据中的基准表面,该基准表面包括组成基准表面的第一点云,获取第一点云中数据点的邻域点,以得到去噪后的点云。由此,本申请识别点云数据表征的基准表面后,可以很容易地获取基准表面的邻域点,而非邻域点即可以判定为噪声点,从而可以得到该基准表面的所有邻域点组成的去噪后的点云,进而能够达到去除点云表面漂浮的噪声点的效果,使得表征的物体表面的轮廓特征更明显,有助于提高后续数据处理的效率。
结合图6和图7所示,如图6所示的原始点云数据中,可以明显看出该原始点云数据存在漂浮的噪声点M,经过本申请的点云去噪方法处理后,如图7所示去噪后的点云表面漂浮的噪声点被去除。由此可以看出,本申请的点云去噪方法能够有效去除点云表面漂浮的噪声点,使得该点云表征的物体表面的轮廓特征更明显。
如图8所示,本申请图像处理设备20一实施例包括:相互连接的通信电路201和处理器202。
其中,该通信电路201用于发送和接收数据,是图像处理设备20与其他设备进行通信的接口。具体地,该通信电路201用于获取原始点云数据。
其中,该原始点云数据至少包括表达目标三维图像轮廓的多个数据点的位置坐标,可以直接利用三维扫描设备扫描得到目标的三维点云数据,也可以是从存储设备或其他设备中获取预先存储的三维图像的点云数据,此处不做具体限定。
处理器202控制通信设备的操作,处理器202还可以称为CPU(Central ProcessingUnit,中央处理单元)。处理器202可能是一种集成电路芯片,具有信号的处理能力。处理器202还可以是通用处理器、数字信号处理器(DSP)、专用集成电路(ASIC)、现成可编程门阵列(FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
具体地,该处理器202用于执行程序以实现如本申请点云去噪方法一实施例所提供的方法。
该处理器202具体用于识别原始点云数据中的基准表面,该基准表面包括组成基准表面的第一点云,并获取第一点云中数据点的邻域点,以得到去噪后的点云。
处理器202还用于利用曲面拟合方法在原始点云数据中进行网格重建,并将网格重建后的网格曲面作为基准表面,该基准表面包括由原始点云数据进行曲面拟合得到的第一点云。其中,该曲面拟合可以采用泊松表面拟合或SSD平滑表面拟合等隐式曲面拟合方法,以得到较好的拟合效果。
处理器202还用于计算第一点云中第一数据点与原始点云数据中的待识别数据点的距离,判断该距离是否小于预设距离,并在该距离小于预设距离时,将待识别数据点标记为邻域点,并提取原始点云数据中的所有邻域点,组成去噪后的点云。
当然,在其他实施例中,该图像处理设备20还可以包括存储器(图未示)等其他部件,此处不做具体限定。
本实施例中的图像处理设备可以是移动终端、固定终端、服务器、三维扫描仪、安检仪等,也可以是集成的独立部件,例如图像处理芯片。
本实施例中,在获取原始点云数据,识别原始点云数据中的基准表面,获取组成基准表面的数据点的邻域点,以得到去噪后的点云。由此,本申请识别点云数据表征的基准表面后,可以很容易地获取基准表面的邻域点,而非邻域点即可以判定为噪声点,从而可以得到该基准表面的所有邻域点组成的去噪后的点云,进而能够达到去除点云表面漂浮的噪声点的效果,使得点云表征的物体表面轮廓更明显,有助于提高后续数据处理的效率。
如图9所示,本申请具有存储功能的装置一实施例中,具有存储功能的装置30内部存储有指令301,该指令301被执行时实现如本申请点云去噪方法一实施例所提供的方法。
其中,具有存储功能的装置30可以是便携式存储介质如U盘、光盘,也可以是终端、服务器或集成的独立部件,例如图像处理芯片等。
本实施例中,具有存储功能的装置中的指令被执行时,在获取原始点云数据,识别原始点云数据中的基准表面,获取组成基准表面的数据点的邻域点,以得到去噪后的点云,从而在识别点云数据表征的基准表面后,可以很容易地获取基准表面的邻域点,而非邻域点即可以判定为噪声点,从而可以得到该基准表面的所有邻域点组成的去噪后的点云,进而能够达到去除点云表面漂浮的噪声点的效果,使得点云表征的物体表面轮廓更明显,有助于提高后续数据处理的效率。
以上所述仅为本申请的实施方式,并非因此限制本申请的专利范围,凡是利用本申请说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本申请的专利保护范围内。