一种新的散乱点云快速去噪算法

针对三维扫描仪获取的含噪点云数据会严重影响到后期三维重建的精度,提出一种新的散乱点云快速去噪算法。该算法首先通过改进的K-means聚类算法来建立点云的空间拓扑关系,然后对聚类后每一类的点云进行噪声点识别及去除。实验结果表明算法简单快速,在散乱点云实现有效聚类的基础上不但去噪效果良好,而且能够快速去除点云中的明显离群噪声点,保留理想目标点云。     

一种有序点云快速去飞点算法

在结构光高精度测量与生产线自动化结合的过程中往往要求实时性。为了有效提取测量物体的点云信息以及提高运算效率,利用面阵相机与投影仪像素点有序的特性,提出一种针对有序点云的快速去飞点算法。首先,根据点云数据估计投影矩阵,通过估计的投影矩阵把点云投影到一个像平面,然后基于滑动窗口把像平面上的每一个点最近邻搜索k个临近点,最后根据概率阈值并行地统计分析某点的k邻近点,符合条件的作为飞点去除。该算法易于工程实现,简单有效。实验结果表明,该算法具有良好的点云滤波效果和计算效率。在一定条件下可以达到工业化测量的精度和速度要求。     

一种新的三维点云兴趣点提取算法

现有的三维点云兴趣点提取算法容易漏检和误检兴趣点,针对该问题,提出一种新的三维点云兴趣点提取算法。假设锥体为三维物体边角基元特征,根据各点与其k个近邻点的差向量集,构建突出度特征值描述点的局部锥度特征。基于点云突出度特征值的全局阈值得到初始兴趣点集,按照局部最大原则获取候选兴趣点集,依据每个候选兴趣点被重复选中的次数进行投票,获取最终兴趣点。在单位圆上模拟点云的突出度相关参数特征,检验了算法的鲁棒性。以人工标注统计确定的兴趣点作为真实值评估算法的性能,结果表明,该算法能准确提取到大部分真实兴趣点,整体性能优于传统算法。     

一种新的基于噪声点检测的脉冲噪声去噪算法

中值滤波是广泛应用于去除脉冲噪声的一种非线性去噪方法,但是单一地使用中值滤波方法去除脉冲噪声会造成图像细节信息的丢失,从而使图像变得模糊。基于噪声点检测的脉冲噪声滤波方法可以在滤除噪声的同时有效地保持图像的细节信息。该文在此基础上提出了一种新的基于噪声点检测的脉冲噪声滤波算法,该算法在检测噪声点时用被检测点的中值滤波结果作为判定该点是否为噪声点的依据。而在滤除被检测到的噪声点时,采用的是迭代的中值滤波算法。从实验结果中可以看到,与其它中值滤波算法相比,该文的算法在去除脉冲噪声时能取得较好的效果。     

点云模型的噪声分类去噪算法

针对三维点云模型数据在去噪平滑过程中存在的不同尺度噪声和算法计算耗时问题,提出了点云模型的噪声分类去噪算法。该算法根据噪声点分布特性,将其分为大尺度和小尺度噪声,先利用统计滤波结合半径滤波去除大尺度噪声;然后使用快速双边滤波对小尺度噪声进行平滑,实现点云模型的去噪和平滑。与传统的双边滤波相比,利用快速双边滤波对点云模型数据进行平滑,有效地提高了计算效率。实验结果表明,该算法对点云噪声进行快速平滑去除的同时又能有效地保持被扫描物体的几何特征。     

应用于三维点云数据去噪的改进C均值算法

针对三维激光扫描仪采集到的点云数据中离群点不易区分和去噪难度大的问题,提出了一种改进的C均值算法。通过分析三维点云数据特征,在传统C均值算法中引入模糊聚类权重因子,降低类内距离和拉大类间距离,有效增强了离群点特征以降低识别难度。进而将识别出的噪声分类别处理,利用改进的C均值算法去除大尺度噪声,构造双边滤波算法去除小尺度噪声数据。与密度聚类算法、正交整体最小二乘平面拟合和基于特征选择的双边滤波点云去噪等算法相比,去噪准确度分别提升了7.3%、6.5%和6.0%,实验结果表明该算法可以有效去除大尺度噪声并能较好地保留有效数据。     

点云模型的双边滤波去噪算法

提出一种特征保持点云模型光顺去噪算法。该算法首先为每个采样点建立k-邻域并估算法矢,然后以该点处的微切平面为视平面,设计一个双边滤波器。算法充分考虑了模型表面法向的变化和邻域点间的距离同噪声之间的关系,通过调整采样点在法向的位置,来实现一个局部的光顺去噪过程。实验结果表明算法简单高效,同时较好地保持了模型的特征。     

机载三维激光成像系统点云数据滤波与地面点提取算法研究

使用原始的las标准格式的雷达数据,首先根据激光的回波次数和反射强度信息进行滤波,经过初步滤波之后根据角度限制法则和窗口移动法进行地面点提取工作,使用Delphi编程语言实现了该算法,并使用不同的阈值对不同的数据进行了结果的对比。     

一种改进的散乱点云边界特征点提取算法

提出一种新的散乱点云边界特征点提取算法。根据点云数据小邻域内点用最小二乘法拟合建立微切平面,并将这些数据点向其微切平面投影,利用点集中每个点的场力大小之和可以体现点集平均作用的理论来分析投影面上点集的几何分布特性,据此检测边界特征点。利用双向最近点搜索算法对提取出来的特征点进行排序并自动生成边界曲线。实验结果证明该算法能够快速、准确、有效地提取点云的边界。     

三维点云ICP算法改进研究

三维激光扫描技术的快速发展,使其在各个领域得到广泛应用.由于物理上的一些限制,一次三维激光扫描不能获取扫描物体的全部数据,因此要对扫描点云进行拼接.首先,对最常用的ICP算法进行一系列研究,ICP算法的前提条件是具有一个良好的配准初值,文中在配准初值的选取上采用主成分分析法,为后续ICP算法的工作提供一个良好前提条件,增加点集预处理,点对查找上增加各种限制,采用kd-tree加速查找,以此对算法进行改进,并通过实例来验证本算法的有效性及合理性.     

基于平面提取的点云数据分割算法

针对点云数据处理过程中边缘不易定位准确的问题,提出一种抗噪性强的点云数据分割新算法。该算法以点云的区域分布特性为基础,通过对数据进行主成分分析(PCA),构建点云平面基元检测的新模型。定义多个平面相似度准则并结合多个阈值判断,进行平面的区域增长,实现点云数据的准确分割。实验结果表明,该方法能快速稳定地识别场景物体各个平面,得到较为准确的分割结果,且具有较强的抗噪性能。     

基于Hadoop一种移动云计算本地化调度算法的研究

移动云计算将云计算的概念引入到移动互联网中。在对移动终端和云计算进行研究的基础上,针对移动终端请求计算量小、并发性高、用户实时性要求高的特点,提出一种基于Hadoop的移动云计算本地化调度算法。同时针对实际应用场景可能出现的热点数据问题,给出改进方案。实验结果表明改进后的本地化调度算法能够缩短系统响应时间,提高系统的吞吐率。     

一种基于散乱点云的边界提取算法

点云边界是曲面的重要特征之一,边界线的快速准确提取对于提高曲面重构的效率和质量具有重要意义。首先,采用基于kd-tree搜索的方法建立点云空间拓补关系,进行K邻域快速搜索,以采样点及其K邻域作为局部型面参考依据拟合微切平面,将其向微切平面投影;其次,在微切平面上建立局部坐标系,并对投影点进行参数化,根据邻域点集在采样点处的场力大小之和可以表示点集的平均作用来识别点云的边界特征点;最后,从提高边界线连续性的角度,利用NURBS曲线插值方法连接边界线。实验结果表明,该算法可以快速、有效地提取出点云的边界特征点,并得到C2连续的边界线,满足曲面重构的要求。     

基于Kinect的三维人体分块点云数据的拼接与模型重建

三维人体测量技术中,人体表面情况较为复杂以及存在视觉盲点,使得测量范围有限的Kinect技术无法通过一次测量完成对整个人体表面点云的获取工作。为了得到与原模型一致的分块点云数据和解决Kinect直接获取的点云坐标与实际不相符的问题,研究了基于Kinect对人体的不同区域的测量,首先推导出合理的坐标变换公式对点云进行处理。然后,使用三点对齐法和Delaunay三角剖分法实现分块点云的拼接和三维人体模型的重建。最后,运用Matlab平台进行仿真。实验结果表明,该算法简化了传统三维人体建模的复杂性,能够精确地提取人体深度图像,且模型的恢复程度较好。     

鲁棒的各向异性扩散三维超声图像去噪算法

针对三维超声图像去噪,提出一种新的各向异性扩散滤波算法。该算法主要通过改进传统算法中的扩散系数以及瞬时变化系数(ICOV),在保留三维超声图像边缘和细节的同时,更好地滤除了斑点噪声。与传统算法相比,该算法对迭代次数有更低的敏感度和更好的鲁棒性。     

一种聚类与滤波融合的点云去噪平滑方法

针对采集的原始三维点云数据存在噪声、表面不光滑不利于后期三维重建的问题,提出一种自适应密度聚类与双边滤波融合的三维点云去噪平滑方法。该方法首先对点云模型进行自适应密度聚类分析,根据聚类结果删除模型中的噪声点;然后再计算采样点的k邻域,并求得利用k邻域构造采样点所在平面的法矢,进而得到双边滤波因子,以对点云模型进行平滑。实验结果表明,该算法能有效识别并去除噪声,并对点云模型进行平滑,同时还能保持原始模型的特征信息。     

实现3D离散点优化三角划分的三维算法

本文系统研究了３Ｄ离散数据的直接三角划分，并解决了与多值曲面相对应离散数据的分片三角划分问题。实现这一算法的关键是将这些与多值曲面相对应的离散数据按有关的特征线分解，慢之转化成较简单的问题分别进行处理。目前，这种分片三角划分算法已在Ｂｅｚｉｅｒ三角曲面插值中取得了良好的效果。     

改进的分层曲率海量点云精简算法

海量点云精简既要考虑算法的复杂度,又要考虑精简结果的效果。根据三维扫描仪形成的点云特点,提出将空间点云划分为扫描层平面点云,从而将空间问题转化为平面问题。通过平面内Angl的简单计算获得点曲率,从而简化算法复杂度;通过引进距离参数Dis防止精简"大孔洞"的出现;通过综合考虑点的曲率和点间的距离,形成一个判别点是否被删除的标准,修改该判别标准公式中的系数,可以得到不同的精简效果。试验结果证明,该算法对海量点云的精简实践可行,具有复杂度低、数据精简率高等特点。