CN101369313A - 点云噪声点过滤系统及方法 - Google Patents
点云噪声点过滤系统及方法 Download PDFInfo
- Publication number
- CN101369313A CN101369313A CNA2007102013913A CN200710201391A CN101369313A CN 101369313 A CN101369313 A CN 101369313A CN A2007102013913 A CNA2007102013913 A CN A2007102013913A CN 200710201391 A CN200710201391 A CN 200710201391A CN 101369313 A CN101369313 A CN 101369313A
- Authority
- CN
- China
- Prior art keywords
- point
- noise spot
- cloud
- mentioned
- module
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Computer Graphics (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Length Measuring Devices With Unspecified Measuring Means (AREA)
- Image Processing (AREA)
- Processing Or Creating Images (AREA)
Abstract
本发明提供一种点云噪声点过滤系统,包括应用服务器。所述应用服务器包括:点云接收模块,用于从一个点云获取装置中接收点云数据;拓扑结构建立模块,用于为上述点云建立拓扑结构;点选择模块,用于在上述点云中选择一个待进行噪声点判断的点;过滤窗口建立模块,用于根据上述建立的拓扑结构,为上述选择的点建立过滤窗口;噪声点判断模块,用于将该选择的点与上述过滤窗口中的点进行比较,确定上述选择的点是否为噪声点;及噪声点删除/平滑模块,用于当上述选择的点为噪声点时,根据该点偏离正常位置的幅度大小,对该点采取删除或者平滑操作。本发明还提供一种点云噪声点过滤方法。本发明可以快速去掉或者平滑扫描过程中产生的噪声点。
Description
技术领域
本发明涉及一种过滤系统及方法,尤其是一种点云噪声点过滤系统及方法。
背景技术
提高和保证产品质量,是企业活动中的重要内容。为了提高和保证产品质量,对产品实施检验是必不可少的,通过检验活动提供产品及其制造过程的质量信息,按照这些信息对产品的制造过程实施控制及进行修正和补偿活动,使废次品与返修品率降到最低程度,保证产品质量形成过程的稳定性及其产出产品的一致性。同时,日渐增多且急迫的检验需求要求企业能够快速、准确地实施产品的检验。
近年来,随着计算机硬件性能的提高及价格的降低,计算机在受测对象检验活动中被大量的引入,因而提高了检验的速度和准确性。其做法一般是使用扫描机台扫描受测对象,获得由多个三维离散点组成的点的集合,一般称之为点云,将点云数据汇入计算机,执行相应软件对点云数据进行处理,比如量测点云,色阶比对等,从而实现对受测对象的检验。
统计表明,由于受到温度条件的影响或者扫描机台本身的缘故,在对受测对象扫描时,通常会产生0.1%~5%的噪声点。所述噪声点是指偏离正常位置的幅度较大的点。噪声点对点云的后续处理及逆向工程的影响都很大。
发明内容
鉴于以上内容,有必要提出一种点云噪声点过滤系统,其可以快速去掉或者平滑扫描过程中产生的噪声点。
鉴于以上内容,还有必要提出一种点云噪声点过滤方法,其可以快速去掉或者平滑扫描过程中产生的噪声点。
本发明提供一种点云噪声点过滤系统,包括应用服务器。所述应用服务器包括:点云接收模块,用于从一个点云获取装置中接收点云数据;拓扑结构建立模块,用于为上述点云建立拓扑结构;点选择模块,用于在上述点云中选择一个待进行噪声点判断的点;过滤窗口建立模块,用于根据上述建立的拓扑结构,为上述选择的点建立过滤窗口;噪声点判断模块,用于将该选择的点与上述过滤窗口中的点进行比较,确定上述选择的点是否为噪声点;及噪声点删除/平滑模块,用于当上述选择的点为噪声点时,根据该点偏离正常位置的幅度大小,对该点采取删除或者平滑操作。
一种点云噪声点过滤方法,该方法包括步骤:从一个点云获取装置中接收点云数据;为上述点云建立拓扑结构;在上述点云中选择一个待进行噪声点判断的点;根据上述建立的拓扑结构,为上述选择的点建立过滤窗口;将上述选择的点与上述过滤窗口中的点进行比较,确定上述选择的点是否为噪声点;及当上述选择的点为噪声点时,根据该选择的点偏离正常位置的幅度大小,对该噪声点采取删除或者平滑操作。
相较于现有技术,本发明所提供的点云噪声点过滤系统及方法可以快速去掉或者平滑扫描过程中产生的噪声点,从而可以提高对点云后续处理的精度,以及提升逆向工程的质量。
附图说明
图1是本发明点云噪声点过滤系统较佳实施例的硬件架构图。
图2是图1中应用服务器的功能模块图。
图3是本发明点云噪声点过滤方法较佳实施例的主流程图。
图4是图3中步骤S11建立点云之间拓扑结构的具体实施流程图。
图5是图3中步骤S13建立过滤窗口的具体实施流程图。
图6是图3中步骤S14判断是否为噪声点的具体实施流程图。
具体实施方式
如图1所示,是本发明点云噪声点过滤系统较佳实施例的硬件架构图。该系统主要包括点云获取装置1、应用服务器2、网络3及多个使用者端计算机4。
其中分布式分布的多个使用者端计算机4利用网络3与应用服务器2相连,网络3可以是一企业内部网(Intranet),也可以是互联网(Internet)或其它类型的通讯网络。
所述点云获取装置1与应用服务器2相连,用于获取扫描受测对象得到的点云数据。在本较佳实施方式中,该点云获取装置1可以是一个扫描测量机台,其通过扫描受测对象获取点云数据。
所述应用服务器2用于从点云获取装置1中接收点云数据,并对上述点云进行噪声点过滤处理。
所述使用者端计算机4提供图形处理界面,该图形处理界面能够生成并显示应用服务器2汇入的点云数据组成的图像,并可以获取及显示对点云进行噪声点过滤后的结果。
如图2所示,是本发明点云噪声点过滤系统较佳实施方式中图1的应用服务器2的功能模块图。所述应用服务器2主要包括:点云接收模块20、拓扑结构建立模块21、点选择模块22、过滤窗口建立模块23、噪声点判断模块24、噪声点删除/平滑模块25及判断模块26。本发明所称的模块是完成一特定功能的计算机程序段,比程序更适合于描述软件在计算机中的执行过程,因此在本发明以下对软件描述中都以模块描述。
其中,所述点云接收模块20用于从所述点云获取装置1中接收点云数据,并在使用者端计算机4提供的图形处理界面中生成并且显示上述点云数据形成的图像。
所述拓扑结构建立模块21主要用于为上述点云建立拓扑结构,即将点云中的所有点建立起关联。该拓扑结构建立模块21按照一个设定的网格间距Step将上述点云所在的立方体区域以一定的网格数目进行网格化以得到多个网格,并为每个网格设置序号,将每一个网格的序号与在立方体空间内与该网格相邻的26个网格的序号存储在一个列表中,从而将所有的网格之间建立起关联。所述的网格间距Step根据实际的情况可以设定不同的值,例如,用户希望每个网格中的点多,则网格间距Step的值可以设置的大一些,若希望每个网格中的点少,则网格间距Step的值可以小一些。
所述点选择模块22用于在点云中选择一个待进行噪声点判断的点(下称:该点)。
所述过滤窗口建立模块23主要用于根据上述建立的拓扑结构,为该点建立过滤窗口,即通过计算得到距离该点最近的若干个点。在本实施例中,该若干个点为9~15个点。选择距离该点最近的9~15个点作为判断该点是否为噪声点的判断基准。计算该9~15个点的方法为:该过滤窗口建立模块23首先取得该点所在的网格(下称:该网格)序号,根据上述列表寻找与该网格在立方体空间内相邻的26个网格,计算包括该网格在内,共27个网格中的所有点与该点的距离,取得距离该点最近的9~15个点。进一步的,若该27个网格内点的总数少于9,所述过滤窗口建立模块23可以通过上述列表获取与该27个网格相邻的其他网格,从中选择距离该点最近的9~15个点。
所述噪声点判断模块24主要用于将该点与上述过滤窗口中的点,即上述得到的9~15个点进行比较,确定该点是否为噪声点。具体的,所述噪声点判断模块24将该点的X、Y、Z坐标值分别与所述9~15个点的X、Y、Z坐标值按照大小排成序列;判断该点的X、Y、Z坐标值中是否至少有一个位于对应序列的端点;若该点的X、Y、Z坐标值都不位于对应序列的端点,则该点不是噪声点;否则,若该点的X、Y、Z坐标值中至少有一个位于对应序列的端点,则该点是噪声点。
所述噪声点删除/平滑模块25主要用于当该点为噪声点时,根据该点偏离正常位置的幅度大小,对该噪声点采取删除或者平滑操作。其中,若该点的X、Y、Z坐标值中至少有两个位于对应序列的端点,则该点偏离正常位置幅度较大,所述噪声点删除/平滑模块25将该点删除。若该点的X、Y、Z坐标值中只有一个位于对应序列的端点,则该点偏离正常位置的幅度较小,所述噪声点删除/平滑模块25对该点执行平滑操作。对该点执行平滑操作可以选择中值法或者平均值法。例如,若该点的X坐标值相较于所述9~15个点的X坐标值是最大值或者最小值,则中值法是将该9~15个点的X坐标值按照大小排成序列后,用该序列的中间值来取代该点的X坐标值,平均值法是计算该9~15个点的X坐标值的平均值,用该平均值来取代该点的X坐标值。
所述判断模块26主要用于判断是否点云中的所有点都已经进行了噪声点的判断。若还有点没有进行噪声点的判断,则所述点选择模块22选择下一个点进行判断,否则,结束流程。
图3是本发明点云噪声点过滤方法较佳实施例的主流程图。
步骤S10,点云接收模块20从点云获取装置1中接收点云数据。
步骤S11,拓扑结构建立模块21为上述点云建立拓扑结构,即将点云中的所有的点建立起关联。
步骤S12,点选择模块22选择点云中的一个点(下称:该点)。
步骤S13,过滤窗口建立模块23为该点建立过滤窗口,即根据上述建立的点云之间的拓扑结构,通过计算得到距离该点最近的若干个点。在本实施例中,该若干个点为9~15个点。
步骤S14,所述噪声点判断模块24将该点与上述过滤窗口中的点,即上述得到的若干个点(9~15个)进行比较,判断该点是否为噪声点。
若该点不是噪声点,则进入步骤S16。
若该点为噪声点,则步骤S15,噪声点删除/平滑模块25根据该点偏离正常位置的幅度大小,对该点采取删除或者平滑操作。
步骤S16,判断模块26判断是否点云中的所有点都已经进行了噪声点的判断。若不是,则流程返回步骤S12。若都已经进行了噪声点的判断,则结束流程。
参阅图4所示,是图3中步骤S11建立点云之间拓扑结构的具体实施流程图。
步骤S110,拓扑结构建立模块21按照一个设定的网格间距Step将上述点云所在的立方体区域以一定的网格数目进行网格化,以得到多个网格。所述的网格间距Step根据实际的情况可以设定不同的值,例如,用户希望每个网格中的点多,则网格间距Step的值可以设置的大一些,若希望每个网格中的点少,则网格间距Step的值可以小一些。
步骤S111,拓扑结构建立模块21为每个网格设置序号。
步骤S112,该拓扑结构建立模块21将其中一个网格的序号与在立方体空间内与该网格相邻的26个网格的序号存储在一个列表中,从而将该网格与其他网格之间建立起关联。
步骤S113,判断模块26判断是否已将所有的网格与其相邻的网格之间建立起了关联。若没有,则返回步骤S112。否则,点云之间的拓扑结构建立完毕。
参阅图5所示,是图3中步骤S13建立过滤窗口的具体实施流程图。
步骤S130,过滤窗口建立模块23取得该点所在的网格的序号,并根据该网格序号在上述步骤S112的列表中取得与该网格在立方体空间内相邻的26个网格。
步骤S131,判断模块26判断该点所在的网格及其相邻的26个网格,共27个网格内的点的总数是否大于一个设定的值。在本实施例中,该设定的值为9。
若该27个网格内的点的总数少于9,则步骤S132,所述过滤窗口建立模块23可以通过上述列表,得到与该27个网格相邻的其他网格。直至得到的网格内的点的总数不少于9,则步骤S133,所述过滤窗口建立模块23计算所得到的所有网格中的所有的点与该点的距离,得到距离该点最近的9~15个点。
参阅图6所示,是图3中步骤S14判断是否为噪声点的具体实施流程图。
步骤S140,所述噪声点判断模块24将该点的X、Y、Z坐标值分别与上述得到的9~15个点的X、Y、Z坐标值按照大小排成序列。
步骤S141,判断模块26判断该点的X、Y、Z坐标值中是否至少有一个位于对应序列的端点,即该点的X、Y、Z坐标值是否为对应序列的最大值或者最小值。
若该点的X、Y、Z坐标值都不位于对应序列的端点,则步骤S142,噪声点判断模块24判断该点不是噪声点。
否则,若该点的X、Y、Z坐标值中至少有一个位于对应序列的端点,则步骤S143,噪声点判断模块24判断该点是噪声点。
在图3中的步骤S15中,若该点的X、Y、Z坐标值中至少有两个位于对应序列的端点,则该点偏离正常位置的幅度较大,所述噪声点删除/平滑模块25将该点删除。若该点的X、Y、Z坐标值中只有一个位于对应序列的端点,则该点偏离正常位置的幅度较小,所述噪声点删除/平滑模块25对该点执行平滑操作。对该点执行平滑操作可以选择中值法或者平均值法。例如,若该点的X坐标值相较于所述9~15个点的X坐标值是最大值或者最小值,则中值法是将该9~15个点的X坐标值按照大小排成序列后,用该序列的中间值来取代该点的X坐标值,平均值法是计算该9~15个点的X坐标值的平均值,用该平均值来取代该点的X坐标值。
本发明所述的9~15个点,只是经过验证后得到的较佳的取值范围,对于其他的取值范围都不应该排除在本发明所保护的范围之内。
本发明所提供的点云噪声点过滤系统及方法利用点云具有连续性,而噪声点不具有连续性的特点,通过噪声点与其周围的点的具有较大差别的特性,将噪声点区分开来,并能根据该噪声点的特点对该噪声点采取删除或者平滑操作,提高了点云的精确度。进一步的,本发明将点云之间建立起了关联,因此在计算距离某一点最近的若干个点时,不用计算该点与点云中所有点的距离,而通过点云之间的关联,在距离该点较近的点中寻找,因此,极大的提高了运算速度。
Claims (12)
1.一种点云噪声点过滤系统,包括应用服务器,其特征在于,所述应用服务器包括:
点云接收模块,用于从一个点云获取装置中接收点云数据;
拓扑结构建立模块,用于为上述点云建立拓扑结构;
点选择模块,用于在上述点云中选择一个待进行噪声点判断的点;
过滤窗口建立模块,用于根据上述建立的拓扑结构,为上述选择的点建立过滤窗口;
噪声点判断模块,用于将该选择的点与上述过滤窗口中的点进行比较,确定上述选择的点是否为噪声点;及
噪声点删除/平滑模块,用于当上述选择的点为噪声点时,根据该点偏离正常位置的幅度大小,对该点采取删除或者平滑操作。
2.如权利要求1所述的点云噪声点过滤系统,其特征在于,所述应用服务器还包括:
判断模块,用于判断是否点云中的所有点都已经进行了噪声点的判断。
3.如权利要求1所述的点云噪声点过滤系统,其特征在于,所述的拓扑结构建立模块建立拓扑结构是依据如下步骤:按照一个设定的网格间距将点云所在的立方体区域以一定的网格数目进行网格化以得到多个网格;为每个网格设置序号;将每一个网格的序号与在立方体空间内与该网格相邻的26个网格的序号存储在一个列表中,从而将所有的网格之间建立起关联。
4.如权利要求3所述的点云噪声点过滤系统,其特征在于,所述的过滤窗口建立模块建立过滤窗口是依据如下步骤:取得所选择的点所在网格的序号;根据所述的列表寻找与该点所在网格在立方体空间内相邻的26个网格;计算包括该点所在网格在内,共27个网格中所有点与该点的距离,取得距离该点最近的若干个点。
5.如权利要求4所述的点云噪声点过滤系统,其特征在于,所述的若干个点为9~15个点。
6.如权利要求4所述的点云噪声点过滤系统,其特征在于,所述的噪声点判断模块确定上述选择的点是否为噪声点是依据如下步骤:将上述选择的点的X、Y、Z坐标值分别与上述得到的距离该点最近的若干个点的X、Y、Z坐标值按照大小排成序列;判断该点的X、Y、Z坐标值中是否至少有一个位于对应序列的端点;若该点的X、Y、Z坐标值都不位于对应序列的端点,则该点不是噪声点;否则,若该点的X、Y、Z坐标值中至少有一个位于对应序列的端点,则该点是噪声点。
7.一种点云噪声点过滤方法,其特征在于,该方法包括步骤:
从一个点云获取装置中接收点云数据;
为上述点云建立拓扑结构;
在上述点云中选择一个待进行噪声点判断的点;
根据上述建立的拓扑结构,为上述选择的点建立过滤窗口;
将上述选择的点与上述过滤窗口中的点进行比较,确定上述选择的点是否为噪声点;及
当上述选择的点为噪声点时,根据该选择的点偏离正常位置的幅度大小,对该噪声点采取删除或者平滑操作。
8.如权利要求7所述的点云噪声点过滤方法,其特征在于,该方法还包括:
判断是否点云中的所有点都已经进行了噪声点的判断;
若没有,则返回从点云中选择一个待进行噪声点判断的点的步骤;及
若所有的点都已经判断完毕,则结束流程。
9.如权利要求7所述的点云噪声点过滤方法,其特征在于,为点云建立拓扑结构的步骤包括:
按照一个设定的网格间距将上述点云所在的立方体区域以一定的网格数目进行网格化,以得到多个网格;
为每个网格设置序号;及
将每一个网格的序号与在立方体空间内与该网格相邻的26个网格的序号存储在一个列表中,从而将该网格与其他网格之间建立起关联。
10.如权利要求9所述的点云噪声点过滤方法,其特征在于,为选择的点建立过滤窗口的步骤包括:
取得该选择的点所在网格的序号,并根据所述列表寻找与该点所在网格在立方体空间内相邻的26个网格;及
计算包括该点所在网格在内,共27个网格中所有点与该选择的点的距离,取得距离该点最近的若干个点。
11.如权利要求10所述的点云噪声点过滤方法,其特征在于,所述的若干个点为9~15个点。
12.如权利要求10所述的点云噪声点过滤方法,其特征在于,确定选择的点是否为噪声点的步骤包括:
将上述选择的点的X、Y、Z坐标值分别与上述得到的距离该点最近的若干个点的X、Y、Z坐标值按照大小排成序列;
判断该点的X、Y、Z坐标值中是否至少有一个位于对应序列的端点;及
若该点的X、Y、Z坐标值都不位于对应序列的端点,则该点不是噪声点;
否则,若该点的X、Y、Z坐标值中至少有一个位于对应序列的端点,则该点是噪声点。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2007102013913A CN101369313B (zh) | 2007-08-17 | 2007-08-17 | 点云噪声点过滤系统及方法 |
US12/014,109 US7925110B2 (en) | 2007-08-17 | 2008-01-15 | System and method for filtering a point cloud |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2007102013913A CN101369313B (zh) | 2007-08-17 | 2007-08-17 | 点云噪声点过滤系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN101369313A true CN101369313A (zh) | 2009-02-18 |
CN101369313B CN101369313B (zh) | 2012-05-16 |
Family
ID=40363619
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2007102013913A Expired - Fee Related CN101369313B (zh) | 2007-08-17 | 2007-08-17 | 点云噪声点过滤系统及方法 |
Country Status (2)
Country | Link |
---|---|
US (1) | US7925110B2 (zh) |
CN (1) | CN101369313B (zh) |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103542868A (zh) * | 2013-11-05 | 2014-01-29 | 武汉海达数云技术有限公司 | 基于角度和强度的车载激光点云噪点自动去除方法 |
CN103559689A (zh) * | 2013-11-01 | 2014-02-05 | 浙江工业大学 | 一种点云噪声点去除方法 |
CN104574516A (zh) * | 2013-10-16 | 2015-04-29 | 鸿富锦精密工业(深圳)有限公司 | 点云平滑系统及方法 |
CN104574282A (zh) * | 2013-10-22 | 2015-04-29 | 鸿富锦精密工业(深圳)有限公司 | 点云噪声点去除系统及方法 |
CN106548520A (zh) * | 2016-11-16 | 2017-03-29 | 湖南拓视觉信息技术有限公司 | 一种点云数据去噪的方法和系统 |
CN107767375A (zh) * | 2017-11-02 | 2018-03-06 | 广东电网有限责任公司电力科学研究院 | 一种点云质量评估方法及装置 |
CN108573037A (zh) * | 2018-04-04 | 2018-09-25 | 湖南三德科技股份有限公司 | 一种盘煤仪点云数据过滤方法、系统及装置 |
CN110083725A (zh) * | 2019-04-15 | 2019-08-02 | 青岛海洋科学与技术国家实验室发展中心 | 样品元素数据处理方法及系统 |
WO2019153877A1 (zh) * | 2018-02-06 | 2019-08-15 | 北京三快在线科技有限公司 | 激光点云数据的处理 |
CN111435551A (zh) * | 2019-01-15 | 2020-07-21 | 华为技术有限公司 | 点云滤波方法、装置及存储介质 |
CN117422713A (zh) * | 2023-12-18 | 2024-01-19 | 武汉光谷航天三江激光产业技术研究院有限公司 | 一种根据oct点云提取激光焊接熔深曲线的方法及系统 |
Families Citing this family (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101127031B (zh) * | 2006-08-18 | 2011-05-04 | 鸿富锦精密工业(深圳)有限公司 | 点云数据均值过滤系统及方法 |
CN102142142A (zh) * | 2010-01-29 | 2011-08-03 | 鸿富锦精密工业(深圳)有限公司 | 产品轮廓制程能力验证系统及方法 |
US8793107B2 (en) | 2011-12-01 | 2014-07-29 | Harris Corporation | Accuracy-based significant point derivation from dense 3D point clouds for terrain modeling |
CN103322931A (zh) * | 2012-03-23 | 2013-09-25 | 鸿富锦精密工业(深圳)有限公司 | 点云间隙与断差量测系统及方法 |
US20190043250A1 (en) * | 2012-06-25 | 2019-02-07 | Yoldas Askan | Method of generating a smooth image from point cloud data |
CN105427248A (zh) * | 2014-09-11 | 2016-03-23 | 富泰华工业(深圳)有限公司 | 点云拼接处理系统及方法 |
CN104503275B (zh) * | 2014-11-21 | 2017-03-08 | 深圳市超节点网络科技有限公司 | 基于手势的非接触式控制方法及其设备 |
US10066346B2 (en) * | 2015-08-12 | 2018-09-04 | Topcon Positioning Systems, Inc. | Point cloud based surface construction |
CN109345638B (zh) * | 2018-09-21 | 2023-08-25 | 东华理工大学 | 一种基于Snake模型多基元融合的点云滤波方法 |
US10809073B2 (en) * | 2018-12-05 | 2020-10-20 | Here Global B.V. | Local window-based 2D occupancy grids for localization of autonomous vehicles |
CN113496543A (zh) * | 2020-04-02 | 2021-10-12 | 北京京东叁佰陆拾度电子商务有限公司 | 一种点云数据筛选方法、装置、电子设备和存储介质 |
US11544419B1 (en) | 2021-07-26 | 2023-01-03 | Pointlab, Inc. | Subsampling method for converting 3D scan data of an object for marine, civil, and architectural works into smaller densities for processing without CAD processing |
CN113763280B (zh) * | 2021-09-15 | 2023-11-21 | 湖南科技大学 | 用于点云去噪的基于空间层次拓扑关系的区域生长方法 |
CN114627020B (zh) * | 2022-03-18 | 2023-06-20 | 易思维(杭州)科技有限公司 | 一种曲面工件反光噪点去除方法 |
Family Cites Families (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5818900A (en) * | 1997-02-25 | 1998-10-06 | Infimed, Inc. | Image spot noise reduction employing rank order |
US6529238B1 (en) * | 1997-09-05 | 2003-03-04 | Texas Instruments Incorporated | Method and apparatus for compensation of point noise in CMOS imagers |
US7298289B1 (en) * | 1998-01-27 | 2007-11-20 | Hoffberg Steven M | Mobile communication device |
US6996290B2 (en) * | 2002-01-31 | 2006-02-07 | Hewlett-Packard Development Company, L.P. | Binding curvature correction |
TW569150B (en) * | 2002-04-30 | 2004-01-01 | Hon Hai Prec Ind Co Ltd | A system and method for analyzing and processing measurement data |
US7308139B2 (en) * | 2002-07-12 | 2007-12-11 | Chroma Energy, Inc. | Method, system, and apparatus for color representation of seismic data and associated measurements |
US7027054B1 (en) * | 2002-08-14 | 2006-04-11 | Avaworks, Incorporated | Do-it-yourself photo realistic talking head creation system and method |
JP2004177191A (ja) * | 2002-11-26 | 2004-06-24 | Fujitsu Ltd | 損傷部品判定方法および損傷部品判定装置 |
CN1207687C (zh) * | 2003-07-03 | 2005-06-22 | 上海交通大学 | 低信噪比红外图像序列中点目标的多帧模糊检测方法 |
CN1783143A (zh) * | 2005-09-09 | 2006-06-07 | 天津大学 | 彩色三维点云数据前期处理算法 |
-
2007
- 2007-08-17 CN CN2007102013913A patent/CN101369313B/zh not_active Expired - Fee Related
-
2008
- 2008-01-15 US US12/014,109 patent/US7925110B2/en active Active
Cited By (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104574516B (zh) * | 2013-10-16 | 2019-03-05 | 鸿富锦精密工业(深圳)有限公司 | 点云平滑系统及方法 |
CN104574516A (zh) * | 2013-10-16 | 2015-04-29 | 鸿富锦精密工业(深圳)有限公司 | 点云平滑系统及方法 |
CN104574282A (zh) * | 2013-10-22 | 2015-04-29 | 鸿富锦精密工业(深圳)有限公司 | 点云噪声点去除系统及方法 |
CN104574282B (zh) * | 2013-10-22 | 2019-06-07 | 鸿富锦精密工业(深圳)有限公司 | 点云噪声点去除系统及方法 |
CN103559689A (zh) * | 2013-11-01 | 2014-02-05 | 浙江工业大学 | 一种点云噪声点去除方法 |
CN103542868B (zh) * | 2013-11-05 | 2016-02-10 | 武汉海达数云技术有限公司 | 基于角度和强度的车载激光点云噪点自动去除方法 |
CN103542868A (zh) * | 2013-11-05 | 2014-01-29 | 武汉海达数云技术有限公司 | 基于角度和强度的车载激光点云噪点自动去除方法 |
CN106548520A (zh) * | 2016-11-16 | 2017-03-29 | 湖南拓视觉信息技术有限公司 | 一种点云数据去噪的方法和系统 |
CN107767375A (zh) * | 2017-11-02 | 2018-03-06 | 广东电网有限责任公司电力科学研究院 | 一种点云质量评估方法及装置 |
CN107767375B (zh) * | 2017-11-02 | 2021-06-29 | 广东电网有限责任公司电力科学研究院 | 一种点云质量评估方法及装置 |
WO2019153877A1 (zh) * | 2018-02-06 | 2019-08-15 | 北京三快在线科技有限公司 | 激光点云数据的处理 |
CN108573037A (zh) * | 2018-04-04 | 2018-09-25 | 湖南三德科技股份有限公司 | 一种盘煤仪点云数据过滤方法、系统及装置 |
CN111435551A (zh) * | 2019-01-15 | 2020-07-21 | 华为技术有限公司 | 点云滤波方法、装置及存储介质 |
WO2020147379A1 (zh) * | 2019-01-15 | 2020-07-23 | 华为技术有限公司 | 点云滤波方法、装置及存储介质 |
CN110083725A (zh) * | 2019-04-15 | 2019-08-02 | 青岛海洋科学与技术国家实验室发展中心 | 样品元素数据处理方法及系统 |
CN110083725B (zh) * | 2019-04-15 | 2023-04-07 | 青岛海洋科技中心 | 样品元素数据处理方法及系统 |
CN117422713A (zh) * | 2023-12-18 | 2024-01-19 | 武汉光谷航天三江激光产业技术研究院有限公司 | 一种根据oct点云提取激光焊接熔深曲线的方法及系统 |
CN117422713B (zh) * | 2023-12-18 | 2024-05-14 | 武汉光谷航天三江激光产业技术研究院有限公司 | 一种根据oct点云提取激光焊接熔深曲线的方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
US7925110B2 (en) | 2011-04-12 |
US20090048782A1 (en) | 2009-02-19 |
CN101369313B (zh) | 2012-05-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101369313B (zh) | 点云噪声点过滤系统及方法 | |
US7925109B2 (en) | System and method for simplifying a point cloud | |
CN101127031A (zh) | 点云数据均值过滤系统及方法 | |
CN101063967B (zh) | 点云自动修剪系统及方法 | |
CN106408604A (zh) | 一种点云数据的滤波方法及装置 | |
CN107437124A (zh) | 一种基于大数据分析的运营商投诉与故障关联分析方法 | |
CN106599230A (zh) | 一种分布式数据挖掘模型评估的方法与系统 | |
CN112819237B (zh) | 降水多尺度融合预报方法和装置 | |
Korzeniowska et al. | Experimental evaluation of ALS point cloud ground extraction tools over different terrain slope and land-cover types | |
CN109598056B (zh) | 城市建设用地形态紧凑度的测度方法、系统及存储介质 | |
CN110442852B (zh) | 目标成本的编制方法、存储介质及其智能终端 | |
CN113836373A (zh) | 一种基于密度聚类的投标信息处理方法、设备及存储介质 | |
CN111122222A (zh) | 一种样本点位置确定方法及系统 | |
CN111626497A (zh) | 人流量预测方法、装置、设备和存储介质 | |
CN111553986B (zh) | 三角网的构建方法、构建装置和数字表面模型的生成方法 | |
CN115115419A (zh) | 一种基于bim技术的工程造价管理系统及方法 | |
CN108491440B (zh) | 一种gnss非实时数据溯源可视化方法和系统 | |
CN112184900B (zh) | 高程数据的确定方法、装置及存储介质 | |
CN114242181A (zh) | 沙漠砂混凝土强度预测模型训练方法、装置、设备及介质 | |
CN108875163A (zh) | 一种评价三维裂缝网络连通性的方法和系统 | |
CN111127059A (zh) | 用户质量的分析方法及装置 | |
CN112187550B (zh) | 基于密度峰值多属性聚类的网络日志分析方法 | |
CN117541272B (zh) | 数字工程碳排放数据确定方法、系统、设备及存储介质 | |
CN114741072B (zh) | 一种页面生成方法、装置、设备及存储介质 | |
CN118035527A (zh) | 一种业务与资源的交互数据处理方法、介质及设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20120516 Termination date: 20150817 |
|
EXPY | Termination of patent right or utility model |