CN105844600B - 一种空间目标三维点云光顺去噪方法 - Google Patents

一种空间目标三维点云光顺去噪方法 Download PDF

Info

Publication number
CN105844600B
CN105844600B CN201610270283.0A CN201610270283A CN105844600B CN 105844600 B CN105844600 B CN 105844600B CN 201610270283 A CN201610270283 A CN 201610270283A CN 105844600 B CN105844600 B CN 105844600B
Authority
CN
China
Prior art keywords
point
axis
cloud
point cloud
vector
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.)
Active
Application number
CN201610270283.0A
Other languages
English (en)
Other versions
CN105844600A (zh
Inventor
张浩鹏
姜志国
魏全茂
赵丹培
谢凤英
罗晓燕
史振威
尹继豪
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beihang University
Original Assignee
Beihang University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beihang University filed Critical Beihang University
Priority to CN201610270283.0A priority Critical patent/CN105844600B/zh
Publication of CN105844600A publication Critical patent/CN105844600A/zh
Application granted granted Critical
Publication of CN105844600B publication Critical patent/CN105844600B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00Image enhancement or restoration
    • G06T5/70Denoising; Smoothing

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Processing Or Creating Images (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明属于数字几何处理领域,具体公开了一种针对空间目标三维点云的光顺去噪方法,应用于空间目标图像三维重建所得到的重建点云,所述方法包括:确定典型几何结构的空间位置;判断点云是否属于所确定的典型几何结构;调整典型几何结构上点的位置和方向并剔除误差大的点。本发明充分利用空间目标存在大量规则几何结构的结构先验,对点云的位置和方向施加约束,从而滤除点云中的噪声和异常点,对于改善空间目标三维点云模型具有重要意义。

Description

一种空间目标三维点云光顺去噪方法
技术领域
本发明属于数字几何处理领域,尤其涉及一种空间目标三维点云光顺去噪方法。
背景技术
对目标进行图像三维重建,可以获取目标的空间三维点云模型,然而由于图像噪声、图像畸变及图像重建过程中的误差等多方面因素的影响,重建点云模型中的空间点在位置和方向上将存在不同程度的偏差,甚至出现异常点(位置或方向严重偏离理想值)。这些误差及异常点的存在将直接影响到重建点云模型的观看效果,影响模型对目标整体空间结构的表达。
发明内容
(一)要解决的技术问题
有鉴于此,本发明期望提供一种针对空间目标三维点云的光顺去噪方法,以滤除点云中的噪声和异常点,改善空间目标三维点云模型。
(二)技术方案
本发明提供了一种空间目标三维点云光顺去噪方法,应用于具有平面、柱状体等典型结构的空间目标三维点云模型,所述方法包括以下步骤:
步骤一、确定典型几何结构的空间位置;
步骤二、判断点云是否属于步骤一所确定的典型几何结构;
步骤三、调整典型几何结构上点的位置和方向并剔除误差大的点。
(三)有益效果
本发明所提供的空间目标点云光顺去噪方法,利用空间目标存在大量规则几何结构的结构先验,对点云的位置和方向施加约束,从而滤除点云中的噪声和异常点,改善空间目标三维点云模型,增强点云模型的可观看效果和对目标整体空间结构的表达。该方法可用于空间目标重建点云,同时也能推广应用于具有平面、柱状结构等典型几何结构的其他目标重建点云,具有广阔的应用。
附图说明
图1为本发明实施例的光顺去噪方法的流程图;
图2为本发明实施例的平面结构光顺去噪方法的算法伪代码图;
图3为本发明实施例的柱状结构光顺去噪方法的算法伪代码图;
图4为本发明实施例的光顺去噪效果对比图一;
图5为本发明实施例的光顺去噪效果对比图二。
具体实施方式
为了更好地理解本发明的技术方案,下面结合附图及具体实施方式详细介绍本发明。
在以下的描述中,将描述本发明的多个不同的方面,然而,对于本领域内的普通技术人员而言,可以仅仅利用本发明的一些或者全部结构或者流程来实施本发明。为了解释的明确性而言,阐述了特定的数目、配置和顺序,但是很明显,在没有这些特定细节的情况下也可以实施本发明。在其他情况下,为了不混淆本发明,对于一些众所周知的特征将不再进行详细阐述。
实施例
空间目标,如卫星,存在大量规则几何结构,如面状的太阳帆板、圆形的天线和方形、球形或柱状的卫星主体。这些结构先验可作为对空间目标重建点云的空间约束,是对点云模型进行光顺去噪有效、可靠的依据。
针对空间目标三维点云中的误差和异常点,本发明实施例提供了一种光顺去噪方法通过调整和剔除等手段抑制点云中的误差同时移除误差较大的异常点,以滤除点云中的噪声和异常点,改善空间目标三维点云模型,让处理后的点云模型更清晰地体现目标整体空间结构,所述方法包括以下步骤:
步骤一、确定典型几何结构的空间位置;
步骤二、判断点云是否属于步骤一所确定的典型几何结构;
步骤三、调整典型几何结构上点的位置和方向并剔除误差大的点。
本发明的具体实现流程如图1所示,具体实现算法如图2、图3所示,各部分具体实施细节如下:
1.确定典型几何结构的空间位置
本实施例所述的重建点云为通过图像恢复得到的目标外观表面的点数据集合。在本实施例中,点云中的点应至少具备三维空间位置和法向信息。
(1)对于点云中的平面结构,利用三维空间的Hough变换进行检测,分两步骤实现:
a)遍历点云中的所有N个点Pi=(xi,yi,zi,nix,niy,niz),在参数空间abcd作对应的3N个超平面:
其中[xi yi zi]T为点Pi的空间位置;ni=[nix niy niy]T为Pi的单位方向向量;i=1,2,…,N,a、b、c、d对应参数空间abcd中的变量。
b)对于参数空间abcd中的任意点M=(a,b,c,d),若超平面πk(k=1,2,…,3N)与该点M间的距离小于Δrπ则认为超平面πk过点M。若参数空间abcd中过点的超平面数最多且大于阈值3rN(0<r<1),则认为存在平面结构:
否则认为点云中不存在平面结构。表示最终需要确定的平面参数点。
(2)对于柱状结构,通过检测其柱面轴线以确定柱状结构的空间位置,分三步骤实现:
a)遍历点云中的所有点Pi,作点Pi的法线li。空间中法线相交次数大于m的交点被认为是柱面上点的法线在柱面轴线上的交点Ci
b)利用主成分分析(PCA,Principal Components Analysis)提取交点集{Ci}分布的主方向则方向即为柱面轴线的方向。
c)计算交点集{Ci}坐标均值以确定柱面轴线的位置:
其中n为交点集{Ci}中交点数量,(cix,ciy,ciz)为点Ci的坐标。
最终确定柱状结构的柱面轴线为过点的方向为的直线
2.判断点云是否属于步骤一所确定的典型几何结构
(1)确定平面结构上点:
若点云中点Pi到检测平面的距离小于预设阈值dπ且点Pi的法向量ni与平面的法向量间的夹角小于预设阈值θπ,则认为点Pi属于平面结构
(2)确定柱面结构上点:
若点云中点Pi法线li到轴线的距离(法线与轴线间公垂线段的长度)小于预设阈值dl则认为点Pi属于轴线对应的柱状结构。
3.调整典型几何结构上点的位置和方向并剔除误差大的点
(1)分别对属于平面结构的点的位置和方向作调整:
对于属于平面结构上的点Pi=(xi,yi,zi,nix,niy,niz),首先调整点Pi的方向向量使其与平面的法向量平行;然后再对点Pi的位置进行调整,将点Pi的位置沿平面的法向量方向移动到Pi在平面上对应的投影点位置。从而得到最终调整结果Pi′=(x′i,y′i,z′i,n′ix,n′iy,n′iz):
(2)柱面结构上点的光顺去噪分以下几步骤:
a)沿轴线方向做垂直于轴线的厚度为Δd的切层πi,求取切层πi内属于柱状结构的点Pij=(xij,yij,zij,nijx,nijy,nijz)到轴线的向量rij及其方向向量与轴线的交点(公垂线垂足)lij位置。
b)对切层πi内点Pij的位置进行调整:计算|rij|的截尾均值Ri作为平均长度,沿rij方向调节点Pij位置使得调整后rij的长度为Ri,调整后点Pij位置的为:
c)调整切层πi内点Pij的法向量:求取lij的截尾均值Li,将点Pij的单位法线方向调整为n′ij,n′ij由轴线上Li处指向Pij调整后的位置。
通过本实施例方法对“神舟飞船”模型和“天宫一号”模型重建点云进行光顺去噪处理的效果对比图分别如图4、图5所示。其中,图4a、图5a为光顺去噪之前的点云,图4b、图5b为光顺去噪之后的点云。从对比图中可以明显看出,本实施例方法,光顺去噪后的点云舍弃了大量异常点,表面更加光滑清晰,极大地提高了结果的可视效果。
本发明充分利用空间目标中规则几何结构的结构先验,在提取出典型结构后,进一步区分属于典型结构的点和不属于典型结构的点,最后对点云模型中属于典型结构的点进行相应的位置和方向调整并舍弃不属于典型结构的点。经过本方法处理后的点云模型,表面更加光滑清晰,点云模型的可观看效果和对目标整体空间结构的表达得到增强;方法原理简单直观,计算复杂度较小,执行过程稳定,结果可靠。本发明方法可用于空间目标重建点云,同时也能推广应用于具有平面、柱状结构等典型结构的其他目标重建点云,具有广阔的应用。
在本申请所提供的几个实施例中,应该理解到,所揭露的设备和方法,可以通过其它的方式实现。以上所描述的设备实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,如:多个单元或组件可以结合,或可以集成到另一个系统,或一些特征可以忽略,或不执行。另外,所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口,设备或单元的间接耦合或通信连接,可以是电性的、机械的或其它形式的。
上述作为分离部件说明的单元可以是、或也可以不是物理上分开的,作为单元显示的部件可以是、或也可以不是物理单元,即可以位于一个地方,也可以分布到多个网络单元上;可以根据实际的需要选择其中的部分或全部单元来实现本实施例方案的目的。
另外,在本发明各实施例中的各功能单元可以全部集成在一个处理模块中,也可以是各单元分别单独作为一个单元,也可以两个或两个以上单元集成在一个单元中;上述集成的单元既可以采用硬件的形式实现,也可以采用硬件加软件功能单元的形式实现。
本领域普通技术人员可以理解:实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成,前述的程序可以存储于一计算机可读取存储介质中,该程序在执行时,执行包括上述方法实施例的步骤;而前述的存储介质包括:移动存储设备、只读存储器(Read-Only Memory,ROM)、随机存取存储器(Random Access Memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以所述权利要求的保护范围为准。

Claims (4)

1.一种空间目标三维点云光顺去噪方法,其特征在于包括以下步骤:
S1、确定典型几何结构的空间位置包括:
(1)对于点云中的平面结构,利用三维空间的Hough变换进行检测;
(2)对于柱状结构,通过检测其柱面轴线以确定柱状结构的空间位置;
S2、判断点云是否属于步骤S1所确定的典型几何结构包括:
(1)确定平面结构上点,若点云中点Pi到检测平面的距离小于预设阈值dπ且点Pi的法向量ni与平面的法向量间的夹角小于预设阈值θπ,则认为点Pi属于平面结构
(2)确定柱面结构上点,若点云中点Pi法线li到轴线的距离(法线与轴线间公垂线段的长度)小于预设阈值d1则认为Pi属于轴线对应的柱状结构;
S3、调整典型几何结构上点的位置和方向并剔除误差大的点包括:
(1)分别对属于平面结构的点的位置和方向作调整;
(2)柱面结构上点的光顺去噪。
2.根据权利要求1所述的方法,其特征是:所述步骤S1中通过三维空间的Hough变换以确定点云中的平面结构位置,其方法采用公式:
xi+byi+czi+d=0
axi+yi+czi+d=0a,b,c∈[-1,1]
axi+byi+zi+d=0
其中[xi yi zi]T为点云中点Pi的空间位置,i=1,2,…,N,N为点云个数;a、b、c、d对应参数空间abcd中的变量;
通过柱状结构上点法线交点的主成分分析PCA主方向及交点的平均位置确定点云中柱状结构的对称轴。
3.根据权利要求1所述的方法,其特征是:所述步骤S2通过距离阈值dπ和方向夹角阈值θπ判断点云中的点是否属于步骤S1中所确定的平面结构;通过直线距离阈值dl判断点云中的点是否属于步骤S1中所确定的柱状结构。
4.根据权利要求1或2或3所述的方法,其特征是:所述步骤S3对步骤S2中确定的属于典型结构中的点进行调整:调整平面结构中各点的方向向量,使其与平面的法向量平行,将点的位置沿平面的法向量方向移动到点在平面上对应的投影点位置;沿柱状结构轴线方向做垂直于柱状结构轴线的切层,计算切层内属于柱状结构的点到轴线的向量及其方向向量与轴线的交点位置,再计算方向向量与轴线的交点的截尾均值,沿切层内属于柱状结构的点到轴线的向量方向调节切层内点的位置使调整后的向量长度为截尾均值,调整切层内点的法向量为由轴线上截尾均值处指向点调整后的位置。
CN201610270283.0A 2016-04-27 2016-04-27 一种空间目标三维点云光顺去噪方法 Active CN105844600B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610270283.0A CN105844600B (zh) 2016-04-27 2016-04-27 一种空间目标三维点云光顺去噪方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610270283.0A CN105844600B (zh) 2016-04-27 2016-04-27 一种空间目标三维点云光顺去噪方法

Publications (2)

Publication Number Publication Date
CN105844600A CN105844600A (zh) 2016-08-10
CN105844600B true CN105844600B (zh) 2018-03-16

Family

ID=56589374

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610270283.0A Active CN105844600B (zh) 2016-04-27 2016-04-27 一种空间目标三维点云光顺去噪方法

Country Status (1)

Country Link
CN (1) CN105844600B (zh)

Families Citing this family (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109117825B (zh) 2018-09-04 2020-01-17 百度在线网络技术(北京)有限公司 车道线处理方法和装置
CN109215136B (zh) * 2018-09-07 2020-03-20 百度在线网络技术(北京)有限公司 一种真实数据增强方法、装置以及终端
CN109255181B (zh) 2018-09-07 2019-12-24 百度在线网络技术(北京)有限公司 一种基于多模型的障碍物分布仿真方法、装置以及终端
CN109146898B (zh) 2018-09-07 2020-07-24 百度在线网络技术(北京)有限公司 一种仿真数据量增强方法、装置以及终端
CN109143242B (zh) 2018-09-07 2020-04-14 百度在线网络技术(北京)有限公司 障碍物绝对速度估计方法、系统、计算机设备和存储介质
CN110375659B (zh) 2018-09-11 2021-07-27 百度在线网络技术(北京)有限公司 检测障碍物高度的方法、装置、设备及存储介质
CN109165629B (zh) 2018-09-13 2019-08-23 百度在线网络技术(北京)有限公司 多焦距视觉障碍物感知方法、装置、设备及存储介质
CN109703568B (zh) 2019-02-19 2020-08-18 百度在线网络技术(北京)有限公司 自动驾驶车辆行驶策略实时学习的方法、装置和服务器
CN109712421B (zh) 2019-02-22 2021-06-04 百度在线网络技术(北京)有限公司 自动驾驶车辆的速度规划方法、装置和存储介质
CN111161179B (zh) * 2019-12-26 2023-06-16 华南理工大学 一种基于法向量的点云平滑光顺滤波方法
CN112233039B (zh) * 2020-10-29 2022-09-13 中电建路桥集团有限公司 基于领域点空间特征的三维激光点云去噪方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101887596A (zh) * 2010-06-01 2010-11-17 中国科学院自动化研究所 树木点云数据基于分割和自动生长的三维模型重建方法
CN102855663A (zh) * 2012-05-04 2013-01-02 北京建筑工程学院 一种根据激光雷达栅格点云构建csg模型的方法
CN104700398A (zh) * 2014-12-31 2015-06-10 西安理工大学 一种点云场景物体提取方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9767598B2 (en) * 2012-05-31 2017-09-19 Microsoft Technology Licensing, Llc Smoothing and robust normal estimation for 3D point clouds

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101887596A (zh) * 2010-06-01 2010-11-17 中国科学院自动化研究所 树木点云数据基于分割和自动生长的三维模型重建方法
CN102855663A (zh) * 2012-05-04 2013-01-02 北京建筑工程学院 一种根据激光雷达栅格点云构建csg模型的方法
CN104700398A (zh) * 2014-12-31 2015-06-10 西安理工大学 一种点云场景物体提取方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
基于序列图像的空间目标三维重建;张浩鹏等;《北京航空航天大学学报》;20160229;第42卷(第2期);第273-279页 *
基于椭圆拟合的隧道点云去噪方法;琚俏俏等;《工程勘察》;20140930(第9期);第69-72、81页 *

Also Published As

Publication number Publication date
CN105844600A (zh) 2016-08-10

Similar Documents

Publication Publication Date Title
CN105844600B (zh) 一种空间目标三维点云光顺去噪方法
CN104463871B (zh) 基于车载LiDAR点云数据的街景面片提取及优化方法
CN104809689B (zh) 一种基于轮廓的建筑物点云模型底图配准方法
CN104268539B (zh) 一种高性能的人脸识别方法及系统
WO2021017361A1 (zh) 一种基于边缘和梯度特征的模板匹配算法
CN107330903B (zh) 一种人体点云模型的骨架提取方法
CN108765489A (zh) 一种基于组合靶标的位姿计算方法、系统、介质及设备
CN109544677A (zh) 基于深度图像关键帧的室内场景主结构重建方法及系统
CN102136142B (zh) 基于自适应三角形网格的非刚性医学图像配准方法
CN111553858B (zh) 基于生成对抗网络的图像修复方法、系统及其应用
CN106485207B (zh) 一种基于双目视觉图像的指尖检测方法及系统
CN107680168B (zh) 三维重建中基于平面拟合的网格简化方法
CN105426870A (zh) 一种人脸关键点定位方法及装置
CN108280858B (zh) 多视图重建中的一种线性全局相机运动参数估计方法
WO2020093950A1 (zh) 三维物体分割方法、设备和介质
CN104851126B (zh) 基于广义圆柱体的三维模型分割方法及装置
CN112164145B (zh) 基于点云数据快速提取室内三维线段结构的方法
CN103942535B (zh) 多目标跟踪方法及装置
CN108388902B (zh) 结合全局框架点与局部shot特征的复合3d描述子构建方法
CN113155054B (zh) 面结构光自动化三维扫描规划方法
WO2022179002A1 (zh) 图像匹配方法、装置、电子设备以及存储介质
CN107463933A (zh) 一种图像目标检测方法
CN114119922A (zh) 基于点云三维重构的复杂轮廓缺陷校验方法
CN108109208B (zh) 一种海上风电场增强现实方法
CN108961385A (zh) 一种slam构图方法及装置

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant