一种散乱点云的保特征滤波方法技术

一种散乱点云的保特征滤波方法，采用kdtree搜索采样点的k邻域，根据采样点与邻域点的曲率差异判断采样点的有效邻域，进而在有效邻域下，以待采样点的切平面为视平面构建滤波器。该滤波器采用采样点、邻域点及邻域点在采样点切平面的投影点构成的三角形的面积，与法向特征差异相结合作为滤波因子对散乱点云数据去噪。本发明专利技术的滤波方法可在对点云模型去噪的同时，较好地保持模型的细节特征。

【技术实现步骤摘要】

本专利技术涉及计算机视觉
，具体涉及一种散乱点云的保特征滤波方法。
技术介绍
随着计算机视觉技术的快速发展，点云数据的研究得到了越来越广泛的关注。然而，尽管三维扫描设备的精度不断提高，但是由于设备自身的不足，人为误差及各种外部环境等因素造成扫描得到的数据中不可避免的含有噪声。因此，一种有效的点云去噪滤波算法对于后续的模型重建、优化等过程具有重要作用。传统的采样模型去噪方法大致分为网格去噪算法和散乱点云去噪算法，然而由于扫描获取的数据不包含采样点间的连接结构，因此，散乱点云数据去噪算法应用更方便、广泛。传统的滤波方法只是基于采样点与邻域点间距离及其在法向上的投影对采样数据滤波，且没有对邻域点进行有效选取，不能在滤波的同时有效保持模型的细节。
技术实现思路
本专利技术目的在于提供一种滤波精度高、去燥效果好的散乱点云的保特征滤波方法。为实现上述目的，采用了以下技术方案：本专利技术方法是获取采样点的k个邻域点中的有效邻域，根据采样点与其邻域点的曲率差异，设定阈值T，当曲率差异小于T时，该点为有效邻域点，否则为无效邻域点；该采样点所有有效邻域点构成有效邻域；采样点、邻域点及邻域点在采样点切平面的投影点构成的三角形的面积，与法向特征差异相结合作为滤波因子对散乱点云数据去噪。所述方法的具体步骤如下：步骤1，输入噪声点云集V＝{vi,i＝1,2,…n

【技术保护点】
一种散乱点云的保特征滤波方法，其特征在于：获取采样点的k个邻域点中的有效邻域，根据采样点与其邻域点的曲率差异，设定阈值T，当曲率差异小于T时，该点为有效邻域点，否则为无效邻域点；该采样点所有有效邻域点构成有效邻域；采样点、邻域点及邻域点在采样点切平面的投影点构成的三角形的面积，与法向特征差异相结合作为滤波因子对散乱点云数据去噪。

【技术特征摘要】
1.一种散乱点云的保特征滤波方法，其特征在于：获取采样点的k个邻域点中的有效邻域，根据采样点与其邻域点的曲率差异，设定阈值T，当曲率差异小于T时，该点为有效邻域点，否则为无效邻域点；该采样点所有有效邻域点构成有效邻域；采样点、邻域点及邻...

【专利技术属性】
技术研发人员：林洪彬，付德敏，王银腾，张大庆，雷东，
申请(专利权)人：燕山大学，
类型：发明
国别省市：河北;13