一种快速的离散三维点云滤波方法技术

技术编号:10106762 阅读:233 留言:0更新日期:2014-06-01 21:44
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;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。本发明专利技术的优点是: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。

【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,本专利技术提出了一种基于体素和欧式距离的离散点云滤波技术,通过实验表明,这种点云滤波方法简单、方便,可以有效的达到滤波效果。本专利技术解决其技术问题所采用的技术方案包括以下步骤: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(χ,y,z)表不,即:【权利要求】1.,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(^,4表示,即 【文档编号】G06T5/50GK103824270SQ201310449457【公开日】2014年5月28日 申请日期:2013年9月25日 优先权日:2013年9月25日 【专利技术者】胡峰俊 申请人:浙江树人大学本文档来自技高网...

【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。Π=dl‾>dθ,outliersdl‾≥dθ,inliers---(4)]]>当则判断该点为离群点(outliers);当则判断该点为内点(inliers)。...

【技术特征摘要】

【专利技术属性】
技术研发人员:胡峰俊
申请(专利权)人:浙江树人大学
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 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。

1