Kinect获取植物三维点云数据的去噪方法

发布时间：2020-02-08 18:31

【摘要】：为解决Kinect获取的玉米三维点云数据噪声影响三维重建精度的问题,根据Kinect所获取的点云数据特点,采用多帧数据融合的方法获取更完整的三维点云数据并对点云数据进行初步平滑;通过对Kinect所获数据噪声进行分析,提出了一种基于密度分析和深度数据双边滤波的方法,分别对离群点噪声和内部高频噪声进行处理。以Kinect获取的玉米及茄子的三维点云数据进行去噪实验,所用去噪时间仅为传统双边滤波去噪时间的2.71%和1.78%,并且能够达到很好的去噪效果。结果表明,所提方法能够方便、快捷地去除不同尺度的噪声,同时保留边缘数据的完整性,获得良好的植物三维点云数据。
【图文】：

深度图像,三维点云,多帧,数据融合

3试验结果与分析3.1点云预处理结果与分析采用1.3节中的预处理方法，对Kinect获取的玉米植株三维点云数据进行去背景和均值化处理。通过对初始数据进行显示预览，确定植株三维空间包围盒，设定x、y、z坐标分割阈值分别为x∈［－380，460］、y∈［－530，500］、z∈［800，1360］。图1为对1号玉米10帧点云数据进行均值融合后的结果。由图1可以看出，融合前叶片部位某些缺损在融合后得到填补。经统计，第1帧非零点云数据为42306，融合后非零点云数据量增加到47391。图1玉米三维点云多帧数据融合Fig．1Multi-framedatafusionofcorn3-Dpointcloud3.2离群点去噪结果与分析用基于密度分析的方法去除离群噪声点，不同的参数去噪效果不同。为选取合适的参数值，选取不同的K、n进行试验，结果如表1所示。当K较大、n较小时，过度去噪;K较孝n较大时，噪声不能完全去除。通过对去噪效果进行对比观察，当K=20，n=2时能够获得较好的去噪效果，如图2所示。表1不同参数的去噪效果Tab．1Denoisingeffectofdifferentparametervalues试验编号Kn点云数去除离群点数1201473913485220247391112735014739141224502473911313图2离群点去除效果Fig．2Effectafteroutlierremoved3.3内部高频噪声去噪结果与分析用双边滤波去除内部高频噪声时，D过大时，邻域内灰度变化不明显，易产生过平滑现象;D过小，邻域内灰度变化剧烈，灰度连续性差，易将稀疏点云面片撕裂。玉米深度图像纹理简单，N与σd的大小对平滑去噪效果影响不大，且当N增大时，去噪所用时间也会显著增加;而σr过大时，，会在2叶片交叠处造成过平滑的现象;σr过小时，叶片内部噪声不能完全去除，影响平滑效果。为探明合适的参数值，本文对不同D、N、σd和σr

深度图像,离群点,去除效果,去噪

?的结果。由图1可以看出，融合前叶片部位某些缺损在融合后得到填补。经统计，第1帧非零点云数据为42306，融合后非零点云数据量增加到47391。图1玉米三维点云多帧数据融合Fig．1Multi-framedatafusionofcorn3-Dpointcloud3.2离群点去噪结果与分析用基于密度分析的方法去除离群噪声点，不同的参数去噪效果不同。为选取合适的参数值，选取不同的K、n进行试验，结果如表1所示。当K较大、n较小时，过度去噪;K较孝n较大时，噪声不能完全去除。通过对去噪效果进行对比观察，当K=20，n=2时能够获得较好的去噪效果，如图2所示。表1不同参数的去噪效果Tab．1Denoisingeffectofdifferentparametervalues试验编号Kn点云数去除离群点数1201473913485220247391112735014739141224502473911313图2离群点去除效果Fig．2Effectafteroutlierremoved3.3内部高频噪声去噪结果与分析用双边滤波去除内部高频噪声时，D过大时，邻域内灰度变化不明显，易产生过平滑现象;D过小，邻域内灰度变化剧烈，灰度连续性差，易将稀疏点云面片撕裂。玉米深度图像纹理简单，N与σd的大小对平滑去噪效果影响不大，且当N增大时，去噪所用时间也会显著增加;而σr过大时，会在2叶片交叠处造成过平滑的现象;σr过小时，叶片内部噪声不能完全去除，影响平滑效果。为探明合适的参数值，本文对不同D、N、σd和σr进行了对比试验，结果如图3所示。结果表明，N与σd的调整对去噪效果影响不大;当D与σr较大时，在两叶片相邻处过度平滑;当参数D=100、N=5、σd=3、σr=0.1时，效果良好。深度图像2次双边滤波效果如图4所图3不同D、N、σd、σr值对应的局部平滑效果Fig．3LocalsmoothingeffectofdifferentD，N，σ

【相似文献】