点云数据滤波方法综述

龙源期刊网 https://www.wendangku.net/doc/b614815346.html,

点云数据滤波方法综述

作者：高恩阳郑昊鸿

来源：《科技资讯》2012年第33期

摘要：本文介绍了点云滤波的基本原理，对异常点检测问题的特点、分类及应用领域进

行了阐述，同时对异常点检测的各种算法进行了分类研究与深入分析，最后指出异常点检测今后的研究方向。

关键词：点云滤波离群点

中图分类号：TP391 文献标识码：A 文章编号：1672-3791（2012）11（c）-0004-01

1 网格滤波问题

目前网格的光顺算法已经得到广泛研究。网格曲面光顺算法中最经典的算法是基于拉普拉斯算子的方法[1]。通过求取网格曲面的拉普拉斯算子，并且对网格曲面迭代使用拉普拉斯算法，可以得到平滑的网格曲面。这种算法的本质是求取网格曲面上某点及其临近点的中心点，将该中心点作为原顶点的新位置。Jones等根据各顶点的邻域点来预测新顶点位置，该方法的优点是不需要进行迭代计算。但是上述两种方法的缺点是经过平滑处理后，得到的网格模型会比原来的网格模型体积变小，并且新的模型会出现过平滑问题，也就是原有的尖锐的特征会消失。为了克服这两个问题，Wu等提出一种基于梯度场的平滑方法，该方法区别于前述的基于法向或顶点的平滑方法，而是通过求解泊松方程来得到平滑的网格曲面。等提出一种保持原有特征的网格曲面滤波算法，这种滤波方法的目的在于提高滤波后模型的可信度；Fan等提出一种鲁棒的保特征网格曲面滤波算法，这种算法基于以下原则：一个带有噪声的网格曲面对应的本原的曲面应该是分片光滑的，而尖锐特征往往在于多个光滑曲面交界处[2]。

2 点云滤波问题

以上网格曲面光顺算法都需要建立一个局部的邻域结构，而点云模型中的各个点本身缺乏连接信息，因此已有的网格光顺算法不能简单的推广到点云模型上来，如果仅仅简单地通过最近邻等方式在点云数据中引入点与点之间的连接关系，那么取得的光顺效果很差。所以，相对于网格模型来说，对点云模型进行滤波光顺比较困难，而且现有针对点云模型的滤波算法也较少。

逆向工程中广泛采用的非接触式测量仪为基于激光光源的测量仪。其优点在于能够一次性采集大批量的点云数据，方便实现对软质和超薄物体表面形状的测量，真正实现“零接触力测量”。在激光测量仪数据采集过程中，噪声产生的主要因素是被测物体的位置、物体表面的粗糙度和波纹等反射特性、物体颜色和对比度、环境光照条件和测量系统的误差等。

3 点云滤波方法