基于特征信息分类的三维点数据去噪

发布时间：2018-03-07 20:57

  本文选题：点云去噪　切入点：特征分类　出处：《光学精密工程》2016年06期 　论文类型：期刊论文

【摘要】：为了有效去除获取三维点云数据时的噪声,同时又不损失模型的特征信息,提出了一种基于三维点云特征信息分类的去噪算法。首先采用主成分分析法和二次曲面拟合法估算三维点云的微分几何信息;然后根据点云平均曲率的局部特征权值,将点云数据划分为特征信息较少的平坦区域和特征信息丰富的区域,针对不同特征区域分别采用邻域距离平均滤波算法和自适应双边滤波算法进行去噪滤波。实验结果表明:滤波后点云数据的最大误差为0.144 7mm,标准偏差为0.021 0mm。在不同噪声强度下,该去噪算法均能够达到较好的去噪效果,并保留点云的高频特征信息。
[Abstract]:In order to effectively remove the noise when acquiring 3D point cloud data without losing the feature information of the model, This paper presents a denoising algorithm based on the classification of feature information of 3D point cloud. Firstly, the differential geometric information of 3D point cloud is estimated by principal component analysis and Quadric surface fitting method, and then the local eigenvalue of the mean curvature of point cloud is calculated according to the local eigenvalue of point cloud mean curvature. The point cloud data is divided into flat areas with less feature information and regions with rich feature information. The average neighborhood distance filtering algorithm and the adaptive bilateral filtering algorithm are used for denoising different characteristic regions. The experimental results show that the maximum error of the filtered point cloud data is 0.1447 mm and the standard deviation is 0.021 mm. Under different noise intensity, the maximum error of the filtered point cloud data is 0.021.0 mm. The proposed denoising algorithm can achieve better denoising effect and retain the high frequency feature information of the point cloud.
【作者单位】： 南昌大学机电工程学院;
【基金】：国家自然科学基金资助项目(No.51365037)
【分类号】：TP391.41

【相似文献】

相关期刊论文 前10条

1 段红娟;;简述三维点云处理技术的研究[J];电子技术与软件工程;2013年14期

2 马牧运;张爱武;王书民;崔营营;;手持数码相机获取场景三维点云的实现[J];光学与光电技术;2011年03期

3 徐胜攀;刘正军;左志权;;大规模三维点云快速拾取技术研究[J];计算机工程与设计;2013年08期

4 王震;刘进;;基于激光影像的物体三维点云获取系统[J];城市勘测;2013年06期

5 钟晨;王伟;庄严;;基于三维点云的阶梯目标检测与参数估计[J];控制理论与应用;2013年06期

6 马彩虹;程昱;何明光;曾阳发;刘东峰;;海德堡视网膜断层扫描仪的三维点云去噪方法研究[J];计算机工程与科学;2010年08期

7 王丽辉;罗晓玲;张娜;;三维点云模型的参数化方法[J];信息与电脑(理论版);2013年05期

8 周勇飞;徐昱琳;吕晓梦;王明;;基于双目的三维点云数据的获取与预处理[J];计算机技术与发展;2014年03期

9 杨蕾;;一种高效的支持向量回归三维点云修补算法[J];计算机应用研究;2009年10期

10 谭志国;鲁敏;郭裕兰;左超;;基于投影分布熵的多视点三维点云场景拼接方法[J];中国激光;2012年11期

相关会议论文 前1条

1 陈宝权;;Towards Building a Live Digital City through Laser Scanning[A];第四届全国几何设计与计算学术会议论文集[C];2009年

相关博士学位论文 前3条

1 王丽辉;三维点云数据处理的技术研究[D];北京交通大学;2011年

2 安毅;三维点云数据的几何特性估算与特征识别[D];大连理工大学;2011年

3 万国伟;面向建筑物的三维点云生成、增强和重建技术研究[D];国防科学技术大学;2011年

相关硕士学位论文 前10条

1 张楠;铁路场景下三维点云识别与分类算法研究[D];北京交通大学;2016年

2 陆桂亮;三维点云场景语义分割建模研究[D];南京大学;2014年

3 徐尚;三维点云数据拼接与精简技术的研究[D];中国海洋大学;2009年

4 张萌;基于建筑物三维点云数据的水平面检测[D];西安电子科技大学;2013年

5 李云海;基于三维点云数据的鞋印信息系统的设计[D];南昌大学;2009年

6 李梦瑞;大型锻件三维点云非迭代特征保持消噪研究[D];燕山大学;2013年

7 王增涛;三维点云数据处理平台设计[D];大连理工大学;2014年

8 丰坤;基于随机游动模型的三维点云数据分割算法的研究[D];哈尔滨工业大学;2013年

9 岳杰;植物三维点云修补方法研究[D];首都师范大学;2013年

10 王建东;基于奶牛乳房子空间特征向量的三维点云相似性分析[D];天津科技大学;2013年

，

本文编号：1580922