基于最優(yōu)鄰域的點云降噪算法研究.pdf

1、隨著計算機輔助設計技術的發(fā)展，通過實物模型產生數字模型的逆向工程技術獲得了越來越廣泛的應用。但是在三維掃描設備獲取點云數據的過程中，由于人為的因素、測量環(huán)境的因素或者掃描設備本身的缺陷等諸多因素，使得獲得的點云在某種程度上會受到噪聲的污染。所以，對實測點云數據數字幾何處理及應用之前，必須對點云進行濾波降噪處理。降噪的目標是在保持點云模型采樣表面的拓撲特征以及幾何特征的前提下，有效剔除噪聲并重建原有光滑表面。
　　本文對三維散亂點云

2、數據降噪技術進行了研究，主要創(chuàng)新點如下：
　　1)在對點云數據進行多邊平滑之前，先采用基于密度的k近鄰搜索法剔除點云中的離群點，離群點的剔除降低了原有點云數據量，從而降低后續(xù)降噪處理的時間復雜度，提高了效率和精度。
　　2)充分考慮了預處理采樣點與其最優(yōu)鄰域內點的歐式距離在降噪中的影響，重新定義了降噪算法中的空間權重函數，使得距離預處理采樣點越遠的點對降噪的貢獻越小，從而加速了點云的多邊濾波降噪，提高了效率。
　　3)

3、考慮了噪聲與特征都屬于高頻信號，原有算法會把一些特征誤判為噪聲的情況。當曲率較大時如果最優(yōu)鄰域范圍卻較小，則該采樣點為噪聲點的幾率非常大，通過對曲率函數進行加權處理，使得多邊濾波降噪算法的精度得到了提高。
　　本文對改進的多邊濾波算法進行了實驗。實驗表明，改進算法對散亂點云數據不僅可以進行有效的降噪處理，而且在保持特征信息以及防止體積收縮等方面也表現出一定的優(yōu)勢。本文實驗只針對簡單的點云數據以及高斯噪聲，并未涉及幾何特征特別尖銳、