System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind() 基于形态识别的点云降噪处理方法及装置制造方法及图纸_技高网

基于形态识别的点云降噪处理方法及装置制造方法及图纸

技术编号:43236857 阅读:0 留言:0更新日期:2024-11-05 17:23
本发明专利技术提供了一种基于形态识别的点云降噪处理方法及装置,涉及点云数据处理技术领域,包括获取点云数据;对所述点云数据依次进行预处理和初步过滤,得到初步过滤数据;对所述初步过滤数据进行形态识别;基于邻域搜索和偏度计算标记所述聚类分析数据中的潜在噪声点;基于预设的振动模型对所述潜在噪声点进行振动模拟,并在所述点云数据中过滤掉振动幅度超过预设幅度阈值的所述潜在噪声点,得到降噪后的点云数据。本发明专利技术通过一种基于形态识别的点云降噪处理方法,实现了对点云数据的噪声更加准确地识别,使得噪声过滤更加有效,同时保留了点云的细节信息,并且提高了对点云数据的处理效率。

【技术实现步骤摘要】

本专利技术涉及点云数据处理,具体而言,涉及基于形态识别的点云降噪处理方法及装置


技术介绍

1、传统的点云降噪处理算法在噪声点识别方面可能存在误判,特别是在处理复杂场景和高噪声数据时。除此之外,常规的噪声过滤方法如简单的均值滤波或中值滤波,可能无法有效地去除复杂噪声,甚至会损失细节,复杂的点云处理算法可能计算量大,处理时间长,难以满足实时或大规模数据处理的需求。


技术实现思路

1、本专利技术的目的在于提供一种基于形态识别的点云降噪处理方法、装置、设备及可读存储介质,以改善上述问题。为了实现上述目的,本专利技术采取的技术方案如下:

2、第一方面,本申请提供了一种基于形态识别的点云降噪处理方法,其特征在于,包括:

3、获取点云数据;

4、对所述点云数据依次进行预处理和初步过滤,得到初步过滤数据;

5、对所述初步过滤数据进行形态识别,所述形态识别包括计算所述初步过滤数据中每个点的初始法向量,得到带有初始法向量的点云数据,基于多尺度几何分析算法对带有初始法向量的所述点云数据进行特征提取,得到每个所述点的多尺度几何特征,对所述多尺度几何特征进行曲率流动处理,得到每个所述点的主要特征向量,对所述主要特征向量进行反应扩散处理,得到每个所述点的形态特征向量,基于双线差值法对所述形态特征向量进行插值处理,得到每个所述点的增强形态特征向量,通过稀疏表示提取每个所述点的所述增强形态特征向量的稀疏特征向量并对每个所述点的所述稀疏特征向量进行聚类分析,得到聚类分析数据;

6、基于邻域搜索和偏度计算标记所述聚类分析数据中的潜在噪声点;

7、基于预设的振动模型对所述潜在噪声点进行振动模拟,并在所述点云数据中过滤掉振动幅度超过预设幅度阈值的所述潜在噪声点,得到降噪后的点云数据。

8、第二方面,本申请还提供了一种基于形态识别的点云降噪处理装置,包括:获取模块,所述获取模块用于获取点云数据;

9、初步过滤模块,所述初步过滤模块用于对所述点云数据依次进行预处理和初步过滤,得到初步过滤数据;

10、形态识别模块,所述形态识别模块用于对所述初步过滤数据进行形态识别,所述形态识别包括计算所述初步过滤数据中每个点的初始法向量,得到带有初始法向量的点云数据,基于多尺度几何分析算法对带有初始法向量的所述点云数据进行特征提取,得到每个所述点的多尺度几何特征,对所述多尺度几何特征进行曲率流动处理,得到每个所述点的主要特征向量,对所述主要特征向量进行反应扩散处理,得到每个所述点的形态特征向量,基于双线差值法对所述形态特征向量进行插值处理,得到每个所述点的增强形态特征向量,通过稀疏表示提取每个所述点的所述增强形态特征向量的稀疏特征向量并对每个所述点的所述稀疏特征向量进行聚类分析,得到聚类分析数据;

11、标记模块,所述标记模块用于基于邻域搜索和偏度计算标记所述聚类分析数据中的潜在噪声点;

12、过滤模块,所述过滤模块用于基于预设的振动模型对所述潜在噪声点进行振动模拟,并在所述点云数据中过滤掉振动幅度超过预设幅度阈值的所述潜在噪声点,得到降噪后的点云数据。

13、第三方面,本申请还提供了一种基于形态识别的点云降噪处理设备,包括:

14、存储器,用于存储计算机程序;

15、处理器,用于执行所述计算机程序时实现所述基于形态识别的点云降噪处理方法的步骤。

16、第四方面,本申请还提供了一种可读存储介质,所述可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现上述基于基于形态识别的点云降噪处理方法的步骤。

17、本专利技术的有益效果为:本专利技术通过一种基于形态识别的点云降噪处理方法,实现了对点云数据的噪声更加准确地识别,使得噪声过滤更加有效,同时保留了点云的细节信息,并且提高了对点云数据的处理效率。

18、本专利技术的其他特征和优点将在随后的说明书阐述,并且,部分地从说明书中变得显而易见,或者通过实施本专利技术实施例了解。本专利技术的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。

本文档来自技高网...

【技术保护点】

1.一种基于形态识别的点云降噪处理方法,其特征在于,包括:

2.根据权利要求1所述的基于形态识别的点云降噪处理方法,其特征在于,对所述点云数据进行预处理,包括:

3.根据权利要求1所述的基于形态识别的点云降噪处理方法,其特征在于,对所述点云数据依次进行初步过滤,包括:

4.根据权利要求1所述的基于形态识别的点云降噪处理方法,其特征在于,基于多尺度几何分析算法对带有初始法向量的所述点云数据进行特征提取,得到每个所述点的多尺度几何特征,包括:

5.根据权利要求4所述的基于形态识别的点云降噪处理方法,其特征在于,对所述多尺度几何特征进行曲率流动处理,得到主要特征向量,包括:

6.根据权利要求5所述的基于形态识别的点云降噪处理方法,其特征在于,对所述主要特征向量进行反应扩散处理,包括:

7.根据权利要求1所述的基于形态识别的点云降噪处理方法,其特征在于,基于双线差值法对所述形态特征向量进行插值处理,得到每个所述点的增强形态特征向量,包括:

8.根据权利要求7所述的基于形态识别的点云降噪处理方法,其特征在于,通过稀疏表示提取所述增强形态特征向量的稀疏特征向量,包括:

9.根据权利要求8所述的基于形态识别的点云降噪处理方法,其特征在于,基于邻域搜索和偏度计算标记所述聚类分析数据中的潜在噪声点,包括:

10.一种基于形态识别的点云降噪处理装置,其特征在于,包括:

...

【技术特征摘要】

1.一种基于形态识别的点云降噪处理方法,其特征在于,包括:

2.根据权利要求1所述的基于形态识别的点云降噪处理方法,其特征在于,对所述点云数据进行预处理,包括:

3.根据权利要求1所述的基于形态识别的点云降噪处理方法,其特征在于,对所述点云数据依次进行初步过滤,包括:

4.根据权利要求1所述的基于形态识别的点云降噪处理方法,其特征在于,基于多尺度几何分析算法对带有初始法向量的所述点云数据进行特征提取,得到每个所述点的多尺度几何特征,包括:

5.根据权利要求4所述的基于形态识别的点云降噪处理方法,其特征在于,对所述多尺度几何特征进行曲率流动处理,得到主要特征向量,包括:

6...

【专利技术属性】
技术研发人员:张君权尉龙王斯锦刘贞森边古越
申请(专利权)人:中科航宇北京自动化工程技术有限公司
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