CN110335209A - 一种相位式三维激光点云噪声滤除方法 - Google Patents

一种相位式三维激光点云噪声滤除方法 Download PDF

Info

Publication number
CN110335209A
CN110335209A CN201910503302.3A CN201910503302A CN110335209A CN 110335209 A CN110335209 A CN 110335209A CN 201910503302 A CN201910503302 A CN 201910503302A CN 110335209 A CN110335209 A CN 110335209A
Authority
CN
China
Prior art keywords
point
point cloud
noise
phase type
scanning
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.)
Granted
Application number
CN201910503302.3A
Other languages
English (en)
Other versions
CN110335209B (zh
Inventor
王国利
郭明
高梓成
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing University of Civil Engineering and Architecture
Original Assignee
Beijing University of Civil Engineering and Architecture
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing University of Civil Engineering and Architecture filed Critical Beijing University of Civil Engineering and Architecture
Priority to CN201910503302.3A priority Critical patent/CN110335209B/zh
Publication of CN110335209A publication Critical patent/CN110335209A/zh
Application granted granted Critical
Publication of CN110335209B publication Critical patent/CN110335209B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00Image enhancement or restoration
    • G06T5/70Denoising; Smoothing
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/10Image acquisition modality
    • G06T2207/10028Range image; Depth image; 3D point clouds

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Length Measuring Devices By Optical Means (AREA)
  • Image Processing (AREA)

Abstract

本发明公开了一种相位式三维激光点云噪声滤除方法,具体步骤包括如下:步骤1:通过现有相位式地面激光三维扫描设备获取的原始点云数据;步骤2:按照阵列读取点云数据,计算相邻点入射角度θ和扫描点间距D;步骤3:以阵列为单位进行噪声处理,对噪声点进行计算。一种相位式三维激光点云噪声滤除方法,提出采用边界点夹角作为阈值,判断扫描边界带来的误差,能够有效去除这部分”错误点云”,同时以相位式点云的扫描边界点间距及反射强度变化为依据,去除相位式三维激光扫描仪的错误点,有效改善点云质量,推动三维技术的快速发展。

Description

一种相位式三维激光点云噪声滤除方法
技术领域
本发明涉及点云噪声处理技术领域,更具体的说是涉及一种相位式三维激光点云噪声滤除方法。
背景技术
基于相位式测距原理的地面站载三维激光扫描仪在大范围三维数据采集方面具有速度快、精度高等特性,广泛应用与三维测量、建模、遗产保护、建筑施工测量及其它空间信息相关的应用领域中。然而点云本身数据量巨大,内部包含噪声及环境数据,容易对测量目标造成干扰且通过点云直接进行三维量测精度低且容易出现三维偏差。目前的噪声滤除算法主要针对散乱点云中表面浮点(因材质与环境引起)、孤立点集及拼接误差等导致点云“变厚”而产生的误差点等,而相位式三维扫描仪的噪声主要是由于激光扫描到目标边界产生的噪声,这类点属于点云内部错误,容易造成目标边界细节拖影及扭曲,需要特定的算法来纠正。
现有方法主要针对点云的正常噪声,而本发明针对点云的边界噪声,是一种相位式扫描仪由于扫描到边界时候产生的误差较大,甚至错误的点,这些点是噪声,但是又与某些扫描目标无明显区别,容易混杂在复杂场景中,造成三维量测和建模的误差增大,给数据处理带来较大的问题。现有技术中,可以用于点云三维噪声滤除的方法有很多,包含:
1.基于密度法。此方法一般以点间距作为判据,依据距离扫描中心点间距差异来估算噪声点,当点云间距大于阈值时候判定为噪声点。本发明所指噪声分布及点间距与正常点云接近,很难通过此类方法滤除。
2.基于表面拟合。此类噪声针对不同材质,尤其是低反射率材质引起的表面浮点(椒盐噪声)等效果较好,但是需要拟合局部曲面,耗费时间长。本发明所指噪声与目标边界连续分布,无法通过此类方法滤除噪声。
3.基于图像边界方法。此种方法一般将点云按照特定视角进行投影,通过投影灰度图像处理得到脱离主体点云的噪点,不适合处理本发明所指噪声。
因此,如何提供一种提高点云质量,能够去除相位式三维激光扫描仪的错误点的三维激光点云噪声滤除方法是本领域技术人员亟需解决的问题。
发明内容
有鉴于此,本发明提供了一种相位式三维激光点云噪声滤除方法,提出采用边界点夹角作为阈值,判断扫描边界带来的误差,能够有效去除这部分”错误点云”,同时以相位式点云的扫描边界点间距及反射强度变化为依据,去除相位式三维激光扫描仪的错误点,有效改善点云质量,推动三维技术的快速发展。
为了实现上述目的,本发明提供如下技术方案:
一种相位式三维激光点云噪声滤除方法,具体步骤包括如下:
步骤1:通过现有相位式地面激光三维扫描设备获取的原始点云数据,设定相位式激光扫描仪极限测程S(m),扫描密度为m行n列;
步骤2:按照阵列读取点云数据,计算相邻点入射角度θ和扫描点间距D;
步骤3:以阵列为单位进行噪声处理,激光点入射角度阈值设定为θthr,相邻点连线的向量角度变化为dθ,角度变化阈值为dθt,灰度变化dI的阈值为dIt,扫描点间距变化dD的阈值dDt,对噪声点进行计算。
优选的,在上述的一种相位式三维激光点云噪声滤除方法中,所述步骤2中,具体步骤包括:
S21:按阵列读入点云数据,读入信息包含点云三维坐标P(x,y,z)及点的反射强度信息;
S22:计算相邻点入射角度θ,假设当前点为P0,相邻点为P1,扫描原点为O,则相邻点连线P0P1构成的向量V1与当前点到扫描仪射线O P0构成的向量V2的夹角θ作为当前点的入射角度,计算如下:
S23:计算扫描点间距D,用于判断点分布,到边界后点密度会变稀,比正常扫描点间距分布相比。设定当前点到扫描仪中心的距离为S,当前扫描理论点间距设为D0(扫描仪激光信号垂直扫描到目标表面当前位置的点间距),当局部表面入射角度与激光扫描射线夹角为θ时,扫描点间距为:
优选的,在上述的一种相位式三维激光点云噪声滤除方法中,所述步骤3中,具体步骤包括:
S31:判断当前的点Pi入射角度θ满足θ<θthr,满足时候,计算当前点前k个点的入射角度均值及灰度均值其中,k∈(2,5);
S32:计算三个判据:
1)计算入射角度差值判断是否满足dθ>dθt
2)计算判断当前点灰度变化dI是否满足dI>dIt
3)计算扫描标准点距D0与当前点距Di偏差dD=|Di-D0|,判断是否dD>dDt
其中,1)为必要条件,在此基础上,2)或者3)满足一项可判断当前点Pi为边界噪声点;
S33:当前点Pi判定为噪声点,则其后相邻点入射夹角变化dθ<θthr,判定为噪声点,否则重复步骤S31;
S34:循环步骤S31至步骤S33)直到所有点云处理完毕;
S35:输出非噪声点。
经由上述的技术方案可知,与现有技术相比,本发明公开提供了一种相位式三维激光点云噪声滤除方法,提出采用边界点夹角作为阈值,判断扫描边界带来的误差,能够有效去除这部分”错误点云”,同时依据相位式点云的极限距离为依据,针对扫描点云断层分布特征,去除相位式三维激光扫描仪的错误点,有效改善点云质量,推动三维技术的快速发展。本发明提出的技术有如下优点:其一是直接从原始点云出发进行噪声滤除,速度快;其二是针对扫描边界进行噪声滤除,能够有效去除误差较大数据,提高点云精度,使得点云边界清楚,提高数据质量;其三是有效缩减数据量,为用户提供更好的建模及量测操作体验。通过本发明方法使用,可以解决相位式扫描仪扫描数据边界噪声问题,能有效去除扫描复杂目标点云的边界“拖影”问题,提高点云质量,推动该技术快速发展。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据提供的附图获得其他的附图。
图1附图为本发明的流程图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,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,都属于本发明保护的范围。
本发明实施例公开了一种相位式三维激光点云噪声滤除方法,提出采用边界点夹角作为阈值,判断扫描边界带来的误差,能够有效去除这部分”错误点云”,同时依据相位式点云的极限距离为依据,针对扫描点云断层分布特征,去除相位式三维激光扫描仪的错误点,有效改善点云质量,推动三维技术的快速发展。
一种相位式三维激光点云噪声滤除方法,具体步骤包括如下:
步骤1:通过现有相位式地面激光三维扫描设备获取的原始点云数据,设定相位式激光扫描仪极限测程S(m),保留最大距离S1,扫描密度为m行n列;
步骤2:按照阵列读取点云数据,计算相邻点入射角度θ和扫描点间距D;
步骤3:以阵列为单位进行噪声处理,激光点入射角度阈值设定为θthr,相邻点连线的向量角度变化为dθ,角度变化阈值为dθt,灰度变化dI的阈值为dIt,扫描点间距变化dD的阈值dDt,对噪声点进行计算。
在另一实施例中,所述步骤2中,具体步骤包括:
S21:按阵列读入点云数据,读入信息包含点云三维坐标P(x,y,z)及点的反射强度信息;
S22:计算相邻点入射角度θ,假设当前点为P0,相邻点为P1,扫描原点为O,则相邻点连线P0P1构成的向量V1与当前点到扫描仪射线O P0构成的向量V2的夹角θ作为当前点的入射角度,计算如下:
S23:计算扫描点间距D,设定当前点到扫描仪中心的距离为S,当前扫描理论点间距设为D0,当局部表面入射角度与激光扫描射线夹角为θ时,扫描点间距为:
在另一实施例中,所述步骤3中,具体步骤包括:
S31:判断当前的点Pi入射角度θ满足θ<θthr,满足时候,计算当前点前n个点的入射角度均值及灰度均值其中,n∈(2,5);
S32:计算三个判据:
1)计算入射角度差值判断是否满足dθ>dθt
2)计算判断当前点灰度变化dI是否满足dI>dIt
3)计算扫描标准点距D0与当前点距Di偏差dD=|Di-D0|,判断是否dD>dDt
其中,1)为必要条件,在此基础上,2)或者3)满足一项可判断当前点Pi为边界噪声点;
S33:当前点Pi判定为噪声点,则其后相邻点入射夹角变化dθ<θthr,判定为噪声点,否则重复步骤S31;
S34:循环步骤S31至步骤S33)直到所有点云处理完毕;
S35:输出非噪声点。
如图1所示,通过现有相位式地面激光三维扫描设备获取的原始点云数据,按阵列读取点云数据计算点云入射角度和相邻点间距;判断当前的点Pi入射角度θ满足θ<θthr;满足时候,计算当前点前n个点的入射角度均值及灰度均值然后判断dθ<dθt,若不满足则返回计算当前点前n个点的入射角度均值及灰度均值若满足则进一步判断dI<dIt或dD<dDt;则标记为噪声点;当前点Pi判定为噪声点,则其后相邻点入射夹角变化dθ<θthr,判定为噪声点,否则重复步骤S31;循环步骤S31至步骤S33)直到所有点云处理完毕;输出非噪声点。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下,在其它实施例中实现。因此,本发明将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims (3)

1.一种相位式三维激光点云噪声滤除方法,其特征在于,具体步骤包括如下:
步骤1:通过现有相位式地面激光三维扫描设备获取的原始点云数据,设定相位式激光扫描仪极限测程S(m),扫描密度为m行n列;
步骤2:按照阵列读取点云数据,计算相邻点入射角度θ和扫描点间距D;
步骤3:以阵列为单位进行噪声处理,根据激光点入射角度θ,相邻点连线的向量角度变化dθ,灰度变化dI,扫描点间距变化dD,对噪声点进行判定计算,并输出非噪声点。
2.根据权利要求1所述的一种相位式三维激光点云噪声滤除方法,其特征在于,所述步骤2中,具体步骤包括:
S21:按阵列读入点云数据,读入信息包含点云三维坐标P(x,y,z)及点的反射强度信息;
S22:计算相邻点入射角度θ,假设当前点为P0,相邻点为P1,扫描原点为O,则相邻点连线P0 P1构成的向量V1与当前点到扫描仪射线O P0构成的向量V2的夹角θ作为当前点的入射角度,计算如下:
S23:计算扫描点间距D,设定当前点到扫描仪中心的距离为S,当前扫描理论点间距设为D0,当局部表面入射角度与激光扫描射线夹角为θ时,扫描点间距为:
3.根据权利要求1所述的一种相位式三维激光点云噪声滤除方法,其特征在于,所述步骤3中,具体步骤包括:
S31:判断当前的点Pi入射角度θ满足θ<θthr,满足时候,计算当前点前k个点的入射角度均值及灰度均值其中,k∈(2,5);
S32:计算三个判据:
1)计算入射角度差值判断是否满足dθ>dθt,dθt为入射角度变化阈值;
2)计算判断当前点灰度变化dI是否满足dI>dIt,dIt为灰度变化阈值;
3)计算扫描标准点距D0与当前点距Di偏差dD=|Di-D0|,判断是否dD>dDt,dDt为扫描点间距变化的阈值;
其中,1)为必要条件,在此基础上,2)或者3)满足一项可判断当前点Pi为边界噪声点;
S33:当前点Pi判定为噪声点,则其后相邻点入射夹角变化dθ<θthr,判定为噪声点,否则重复步骤S31;
S34:循环步骤S31至步骤S33)直到所有点云处理完毕;
S35:输出非噪声点。
CN201910503302.3A 2019-06-11 2019-06-11 一种相位式三维激光点云噪声滤除方法 Active CN110335209B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910503302.3A CN110335209B (zh) 2019-06-11 2019-06-11 一种相位式三维激光点云噪声滤除方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910503302.3A CN110335209B (zh) 2019-06-11 2019-06-11 一种相位式三维激光点云噪声滤除方法

Publications (2)

Publication Number Publication Date
CN110335209A true CN110335209A (zh) 2019-10-15
CN110335209B CN110335209B (zh) 2021-09-14

Family

ID=68140942

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910503302.3A Active CN110335209B (zh) 2019-06-11 2019-06-11 一种相位式三维激光点云噪声滤除方法

Country Status (1)

Country Link
CN (1) CN110335209B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113721261A (zh) * 2021-09-06 2021-11-30 上海星秒光电科技有限公司 点云拖尾的去除方法、装置、电子设备及可读存储介质
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 (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104251662A (zh) * 2013-06-27 2014-12-31 杭州中科天维科技有限公司 有序点云阈值自适应抑噪技术
US20160292829A1 (en) * 2012-06-25 2016-10-06 Yoldas Askan Method of generating a smooth image from point cloud data
CN108846809A (zh) * 2018-05-28 2018-11-20 河海大学 一种面向密集点云的噪声剔除方法
CN109214994A (zh) * 2018-08-10 2019-01-15 河海大学 一种基于双控制点的隧道密集点云噪声剔除方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20160292829A1 (en) * 2012-06-25 2016-10-06 Yoldas Askan Method of generating a smooth image from point cloud data
CN104251662A (zh) * 2013-06-27 2014-12-31 杭州中科天维科技有限公司 有序点云阈值自适应抑噪技术
CN108846809A (zh) * 2018-05-28 2018-11-20 河海大学 一种面向密集点云的噪声剔除方法
CN109214994A (zh) * 2018-08-10 2019-01-15 河海大学 一种基于双控制点的隧道密集点云噪声剔除方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
JAVIER ROCA-PARDINAS,ET AL: "《Analysis of the influence of range and angle of incidence of terrestrial laser scanning measurements on tunnel inspection》", 《TUNNELLING AND UNDERGROUND SPACE TECHNOLOGY》 *
SYLVIE SOUDARISSANANE,ET AL: "《Scanning geometry:Influencing factor on the quality of terrestrial laser scanning points》", 《ISPRS JOURNAL OF PHOTOGRAMMETRY AND REMOTE SENSING》 *
张金花 等: "《基于地面三维激光扫描仪点云数据的去噪算法研究》", 《测绘与空间地理信息》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113721261A (zh) * 2021-09-06 2021-11-30 上海星秒光电科技有限公司 点云拖尾的去除方法、装置、电子设备及可读存储介质
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

Also Published As

Publication number Publication date
CN110335209B (zh) 2021-09-14

Similar Documents

Publication Publication Date Title
Kang et al. Automatic targetless camera–lidar calibration by aligning edge with gaussian mixture model
Tsiotsios et al. Backscatter compensated photometric stereo with 3 sources
Wieneke Improvements for volume self-calibration
CN103411533B (zh) 结构光自适应多次曝光法
Inglis et al. A pipeline for structured light bathymetric mapping
CN114419130A (zh) 一种基于图像特征和三维点云技术的散料体积测量方法
CN102162577A (zh) 管道缺陷表面完整性检测装置及其检测方法
CN103729846A (zh) 基于不规则三角网的LiDAR点云数据边缘检测方法
CN110335209A (zh) 一种相位式三维激光点云噪声滤除方法
CN110047133A (zh) 一种面向点云数据的列车边界提取方法
CN116524109B (zh) 一种基于WebGL的三维桥梁可视化方法及相关设备
Ahmadabadian et al. Image selection in photogrammetric multi-view stereo methods for metric and complete 3D reconstruction
CN110021035B (zh) Kinect深度相机的标记物及基于该标记物的虚拟标记物跟踪方法
CN112164044A (zh) 基于双目视觉的刚性接触网的磨耗分析方法
CN117406234A (zh) 基于单线激光雷达与视觉融合的目标测距和追踪的方法
CN116402904A (zh) 一种基于激光雷达间和单目相机的联合标定方法
Stephan et al. Model based image restoration for underwater images
Purnima et al. Gradient-Based Design Metrics for Assessment of Underwater Image Enhancement
Li et al. Overall well-focused catadioptric image acquisition with multifocal images: a model-based method
Briese Structure line modelling based on terrestrial laserscanner data
Egami et al. Three dimensional measurement using color image and movable CCD system
CN112561945B (zh) 一种动态背景目标跟踪方法
Li et al. Underwater high-precision panoramic 3D image generation
CN117197215B (zh) 基于五目相机***的多目视觉圆孔特征的鲁棒提取方法
CN118196181B (zh) 基于图像处理的预制构件表面蜂窝麻面面积检测方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant