【技术实现步骤摘要】
【专利摘要】，其特征是点云滤波方法为：1)使用一个固定深度摄像头获取三维目标的离散点云；2)对点云数据创建三维体素栅格，体素栅格内所有点最终就用一个重心点表示；3)计算离散点云全局距离的均值和方差；4)计算离散点云全局的距离阈值；5)计算某一个点和其领域点之间的平均距离，并判断其与全局距离阈值之间的关系。本专利技术的优点是：能快速有效的对海量离散点云数据压缩和滤波；能有效改善点云数据密度不均匀性；能快速将标准范围之外的离群点去掉。【专利说明】
本专利技术涉及机器人视觉领域，具体涉及三维点云滤波方法。
技术介绍
随着高精度激光扫描设备和计算机视觉技术的发展，点云技术在曲面重建和三维仿真等方面也得到了越来越多的应用。但是采集到的点云数据往往十分密集，数据量一般非常巨大，而且由于一些因素的干扰，数据通常密度也不是很均匀，叠加了许多离群点和噪声，会严重影响到后续的工作，如点云数据的搜索或三维重建等过程。针对点云数据的滤波，主要有基于数学形态学的滤波算法、基于三角网滤波算法、小波分层等几种算法。国内外的学者对离散点云的离群点的识别和滤除进行了研究，离群点的识别方法主要有基于分布、基于深度、基于距离及基于密度等几种。目前的研究大部分都是对Lidar采集的点云数据提出的滤波算法。基于计算机视觉方法采集的点云数据，国内外研究还处在刚刚起步阶段。将数学方法应用于离散三维点云滤波是一种有效的技术手段。本方法能快速实现离散点云的滤波，能有效的解决离散点云密度不均匀性的问题，能有效的去除大量的噪声点和离群点。
技术实现思路
为了克服现有的离散点云滤波方法不足，本专利技术提...
【技术保护点】
一种快速的离散三维点云滤波方法，其特征是点云滤波方法为：1)、使用一个固定深度摄像头获取三维目标的离散点云。2)、对点云数据创建三维体素栅格，体素栅格内所有点最终就用一个重心点表示，即x‾=1/sΣ(x,y,z)∈Ax]]>y‾=1/sΣ(x,y,z)∈Ay]]>z‾=1/sΣ(x,y,z)∈Az---(1)]]>其中，S为体素栅格A内离散点的总数，(x，y，z)是体素栅格内的任意一点。3)、计算离散点云全局距离的均值和方差d‾=1/nΣl=1ndisl,D(dis)=Σl=1n(disl-d-)2---(2)]]>其中，n为点云的数目，dis是两个点之间的距离，是离散点云全局距离的均值，D(dis)是离散点云全局距离的方差。4)、计算离散点云全局的距离阈值dθ=d‾+λ*D(dis)---(3)]]>其中，λ为标准方差系数，dθ是离散点云全局的距离阈值。5)、计算某一个点和...
【技术特征摘要】
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。