CN109872280B - 一种三维植物叶片点云的去噪与简化方法、装置及系统 - Google Patents
一种三维植物叶片点云的去噪与简化方法、装置及系统 Download PDFInfo
- Publication number
- CN109872280B CN109872280B CN201811599740.6A CN201811599740A CN109872280B CN 109872280 B CN109872280 B CN 109872280B CN 201811599740 A CN201811599740 A CN 201811599740A CN 109872280 B CN109872280 B CN 109872280B
- Authority
- CN
- China
- Prior art keywords
- point
- rectangular frame
- leaf model
- dimensional
- point cloud
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 32
- 241000196324 Embryophyta Species 0.000 claims abstract description 176
- 238000013507 mapping Methods 0.000 claims abstract description 27
- 238000010586 diagram Methods 0.000 claims abstract description 17
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 12
- 239000003086 colorant Substances 0.000 claims abstract description 9
- 230000002093 peripheral effect Effects 0.000 claims description 42
- 238000012821 model calculation Methods 0.000 claims description 12
- 238000009432 framing Methods 0.000 claims description 7
- 238000012545 processing Methods 0.000 claims description 7
- 230000000717 retained effect Effects 0.000 claims description 3
- 241001665752 Gypsophila repens Species 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 210000003462 vein Anatomy 0.000 description 1
Images
Landscapes
- Breeding Of Plants And Reproduction By Means Of Culturing (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种三维植物叶片点云的去噪与简化方法、装置及系统,包括1)对原始植物叶片进行360°扫描得到带有噪点的植物3D点云叶片模型1;2)对步骤1)得到的植物3D点云叶片模型1进行二维映射得到二维植物叶片模型1,并使用基于颜色与距离的2D去噪算法去除离群点和异色点,得到二维植物叶片模型2;3)对步骤2)得到的二维植物叶片模型2采用框图法进行简化,得到二维植物叶片模型3;4)将步骤3)得到的二维植物叶片模型3通过点与点之间的对应关系映射到原始植物3D点云叶片模型1,得到去噪与简化后的三维植物叶片。本发明操作简便,在去噪与简化时所需的时间较少;由于进行去噪与简化后上删除了一定数量的点云,在点云计算存储上对内存空间的占用量较少。
Description
技术领域
本发明属于计算机图形处理与人机交互领域,具体涉及一种三维植物叶片点云的去噪与简化方法。
背景技术
植物是自然景观的重要组成部分。不同种类的植物具有不同的结构,且结构复杂,自然形态优美,是虚拟现实、计算机游戏、影视动画、园林设计等系统中不可缺少的组成部分。因此,随着图像、3D点云植物原始数据采集技术的出现,如何将早期的基于图形的植物建模方法融合现代的图像以及3D点云建模技术,结合人机交互技术,高效便捷的完成植物建模,对推动植物建模理论发展和实际应用将具有重要的作用。
目前三维植物叶片点云的去噪与简化的方法很多,基于K近邻点云去噪与简化的算法去噪与简化的效果十分乐观,但是由于3D点云的数量的庞大,实现去噪与简化的过程中所需要花费的时间代价也是极其高。除此以外,去噪与简化的过程都是在三维空间进行的,对计算存储的需求量也比较大。
发明内容
针对上述问题,本发明提出一种三维植物叶片点云的去噪与简化方法,首先将植物3D点云叶片模型映射到二维空间中;然后采用基于颜色与距离的2D去噪算法去除离群点和异色点得到二维植物叶片模型;接着采用框图法对二维植物叶片模型进行简化;最后将去噪简化之后的二维植物叶片模型映射到原始3D点云植物叶片模型,得到去噪与简化后的三维植物叶片。
实现上述技术目的,达到上述技术效果,本发明通过以下技术方案实现:
第一方面,本发明提供了一种三维植物叶片点云的去噪与简化方法,包括:
1)获取带有噪点的植物3D点云叶片模型1;
2)对步骤1)中的植物3D点云叶片模型1进行二维映射得到二维植物叶片模型1,并且使用基于颜色与距离的2D去噪算法去除离群点和异色点,然后得到二维植物叶片模型2;
3)对步骤2)得到的二维植物叶片模型2采用框图法进行简化,得到二维植物叶片模型3;
4)将步骤3)得到的二维植物叶片模型3通过点与点之间的对应关系映射到原始植物3D点云叶片模型1,得到去噪与简化后的三维植物叶片。
优选地,所述步骤2)具体包括以下子步骤:
2.1)通过旋转所述植物3D点云叶片模型1,使植物3D点云叶片模型1平行于X、Y轴,然后将所述植物3D点云叶片模型1中每个点的Z值变成0,完成植物3D点云叶片模型1到二维空间的映射,得到二维植物叶片模型1;
2.2)将所述二维植物叶片模型1放入到二维平面直角坐标系中,将二维植物叶片模型1上面的点分别向X轴和Y轴投影,找到投影到X轴和Y轴叶片点数最多的点的位置,该位置为叶片的中心点,并且记录下中心点的X轴和Y轴对应的值,标记出中心点的位置;
2.3)设置两个距离阈值α和β,比较叶片上任意X值与中心点X值的距离和叶片上任意Y值与中心点Y值的距离与阈值的大小,即将步骤2.2)中得到的叶片的中心点的X值和Y值设置为初始点,通过阈值来判断,当点与点之间的距离小于阈值时,即为正常叶片上的点,直接保留,当点与点之间的距离大于或者等于阈值时,即为离群点,直接将该点删除;
2.4)设置一个颜色阈值,在阈值颜色之内的点为正常叶片上的点,直接保留,在阈值颜色之外的点为异色点,直接删除该点;
2.5)重复步骤2.3)-2.4),直到所有的离群点和异色点被删出,这时得到去噪后的二维植物叶片模型2。
优选地,所述步骤3)具体包括以下子步骤:
3.1)采用矩形框图将步骤2)中得到的二维植物叶片模型2的点云框在一个矩形框中,矩形框的长x和宽y根据需要设定;
3.2)对步骤3.1)的矩形框进行细分,将矩形框均匀等分成小的矩形框,设置点数阈值,将阈值分为两类,小于阈值的为矩形框中四周边缘的点云,大于阈值的为矩形框中除去四周边缘即为中间部分的点云,对于矩形框中的每一个小的矩形框,四周边缘的点云部分,先不用每个小的矩形框的中心点代替整个小的矩形框;矩形框中除去四周边缘即为中间部分的点云部分,直接采用每个小的矩形框的中心点代替整个小的矩形框,完成初始简化;
3.3)将步骤3.2)中的矩形框中四周边缘的点云部分的矩形框进行类似于步骤3.1)的同等分的二次细分,在二次细分后,对于矩形框中的每一个小的矩形框,四周边缘的点云部分,采用每个小的矩形框的最靠近中心点代替整个小的矩形框;矩形框中除去四周边缘即为中间部分的点云部分,直接采用每个小的矩形框的中心点代替整个小的矩形框,最终完成二维植物叶片模型2的简化,得到二维植物叶片模型3。
优选地,所述步骤1)中的带有噪点的植物3D点云叶片模型1是通过三维扫描仪对原始植物叶片进行360°扫描后得到的。
第二方面,本发明提供了一种三维植物叶片点云的去噪与简化装置,包括:
获取模块,用于获取带有噪点的植物3D点云叶片模型1;
第一二维植物叶片模型计算模块,用于对所述植物3D点云叶片模型1进行二维映射得到二维植物叶片模型1,并且使用基于颜色与距离的2D去噪算法去除离群点和异色点,然后得到二维植物叶片模型2;
第二二维植物叶片模型计算模块,用于对所述二维植物叶片模型2采用框图法进行简化,得到二维植物叶片模型3;
映射模块,用于将步骤3)得到的二维植物叶片模型3通过点与点之间的对应关系映射到原始植物3D点云叶片模型1,得到去噪与简化后的三维植物叶片。
优选地,所述第一二维植物叶片模型计算模块具体包括以下子模块:
二维植物叶片模型1计算模块,用于通过旋转所述植物3D点云叶片模型1,使植物3D点云叶片模型1平行于X、Y轴,然后将所述植物3D点云叶片模型1中每个点的Z值变成0,完成植物3D点云叶片模型1到二维空间的映射,得到二维植物叶片模型1;
中心点获取模块,用于将二维植物叶片模型1放入到二维平面直角坐标系中,将二维植物叶片模型1上面的点分别向X轴和Y轴投影,找到投影到X轴和Y轴叶片点数最多的点的位置,该位置为叶片的中心点,并且记录下中心点的X轴和Y轴对应的值,标记出中心点的位置;
离群点处理模块,用于设置两个距离阈值α和β,比较叶片上任意X值与中心点X值的距离和叶片上任意Y值与中心点Y值的距离与阈值的大小,即所述叶片的中心点的X值和Y值设置为初始点,通过阈值来判断,当点与点之间的距离小于阈值时,即为正常叶片上的点,直接保留,当点与点之间的距离大于或者等于阈值时,即为离群点,直接将该点删除;
异色点处理模块,用于设置一个颜色阈值,在阈值颜色之内的点为正常叶片上的点,直接保留,在阈值颜色之外的点为异色点,直接删除该点。
优选地,所述第二二维植物叶片模型计算模块具体包括以下子模块,具体为:
框定模块,用于采用矩形框图将所述二维植物叶片模型2的点云框在一个矩形框中,矩形的长x和宽y根据需要设定;
初始简化模块,用于对所述矩形框进行细分,将矩形框均匀等分成小的矩形框,设置点数阈值,将阈值分为两类,小于阈值的为矩形框中四周边缘的点云,大于阈值的为矩形框中除去四周边缘即为中间部分的点云,对于矩形框中的每一个小的矩形框,四周边缘的点云部分,先不用每个小的矩形框的中心点代替整个小的矩形框;矩形框中除去四周边缘即为中间部分的点云部分,直接采用每个小的矩形框的中心点代替整个小的矩形框,完成初始简化;
二次简化模块,用于将所述矩形框中四周边缘的点云部分的矩形框进行类似于前述的同等分的二次细分,在二次细分后,对于矩形框中的每一个小的矩形框,四周边缘的点云部分,采用每个小的矩形框的最靠近中心点代替整个小的矩形框;矩形框中除去四周边缘即为中间部分的点云部分,直接采用每个小的矩形框的中心点代替整个小的矩形框,最终完成二维植物叶片模型2的简化,得到二维植物叶片模型3。
第三方面,本发明提供了一种三维植物叶片点云的去噪与简化系统,包括:
处理器,适于实现各指令;以及
存储设备,适于存储多条指令,所述指令适于由处理器加载并执行第一方面中任一项所述的步骤。
与现有技术相比,本发明的有益效果:
本发明中的三维植物叶片点云的去噪与简化方法相较于现有技术中的方法而言较简便,在去噪与简化时所需的时间也是比较少的;其次本发明的方法是基于点云计算存储的,因此,对内存空间的占用量也是比较少的。
附图说明
图1为本发明一种实施例的三维植物叶片点云的去噪与简化算法的流程;
图2为本发明一种实施例的基于颜色与距离的2D去噪算法去除离群点和异色点的流程图;
图3为本发明一种实施例的框图简化法的流程图;
图4为本发明一种实施例的原始二维植物叶片模型图;
图5为本发明一种实施例中去噪后的二维植物叶片模型图;
图6为本发明一种实施例中简化后的二维植物叶片模型图;
图7为本发明一种实施例中去噪与简化后的三维植物叶片图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
下面结合附图对本发明的应用原理作详细的描述。
实施例1
本发明实施例提供了一种三维植物叶片点云的去噪与简化方法,具体包括以下步骤:
步骤1)获取带有噪点的植物3D点云数据叶片模型1;在本发明实施例的优选实施方式中,所述带有噪点的植物3D点云数据叶片模型1通过采用三维扫描仪Kinect对原始植物叶片进行360°扫描得到;
步骤2)对步骤1)中的植物3D点云数据叶片模型1进行二维映射得到二维植物叶片模型1,并且使用基于颜色与距离的2D去噪算法去除离群点和异色点,然后得到二维植物叶片模型2;在本发明实施例的一种具体实施方式中,实施基于颜色与距离的2D去噪算法去除离群点和异色点的流程图如图2所示,由于每片叶片的厚度一般是一样的,所以二维映射不会影响实验的结果,所述步骤(2)具体包括以下步骤:
2.1)通过在三维空间直角坐标系中旋转3D点云叶片模型1,使整个3D点云叶片模型1平行于X,Y轴,然后将每个点的Z值变成0,完成植物3D点云叶片模型1到二维空间的映射,得到二维植物叶片模型1,具体参见图4;
2.2)将所述二维植物叶片模型1放入到二维平面直角坐标系中,并将二维植物叶片模型1上面的点分别向X轴和Y轴投影,找到投影到X轴和Y轴叶片点数最多的点的位置,该位置即为叶片的中心点,并且记录下中心点的位置;
2.3)设置两个距离阈值α和β,比较叶片上任意X值与中心点X值的距离和叶片上任意Y值与中心点Y值的距离与阈值的大小,即将步骤2.2)中得到的叶片的中心点的X值(X0)和Y值(Y0)设置为初始点,通过阈值来判断(|Xi-X0|≥α,Xi是叶片上任意一点X的坐标;|Yj-Y0|≥β,Yj是叶片上任意一点Y的坐标),当点与点之间的距离小于阈值时,即为正常叶子上的点,直接保留,当点与点之间的距离是大于等于阈值的时候,即为噪点,也称为离群点,直接将该点删除;
2.4)设置一个颜色阈值,即有叶片、叶脉和叶柄大致为2-4种颜色,在阈值颜色之内的点为正常叶子上的点,直接保留,在阈值颜色之外的点为异色点,直接删除该点;
2.5)重复步骤2.3)-2.4),直到所有的离群点和异色点被删出,这时得到去噪后的二维植物叶片模型2,具体参见图5。
步骤3)对步骤2)得到的二维植物叶片模型2采用框图法进行简化,得到二维植物叶片模型3,框图简化法的流程图如图3所示,具体包括如下步骤:
3.1)采用矩形框图将步骤2)中得到的二维植物叶片模型2的点云框在一个矩形框中,矩形框的长x和宽y根据需要设定;
3.2)对步骤3.1)的矩形框进行细分,将矩形框均匀等分成小的矩形框,设置点数阈值,将阈值分为两类,小于阈值的为矩形框中四周边缘的点云,大于阈值的为矩形框中除去四周边缘即为中间部分的点云,对于矩形框中的每一个小的矩形框,四周边缘的点云部分,先不用每个小的矩形框的中心点代替整个小的矩形框;矩形框中除去四周边缘即为中间部分的点云部分,直接采用每个小的矩形框的中心点代替整个小的矩形框,完成初始简化;
3.3)将步骤3.2)中的矩形框中四周边缘的点云部分的矩形框进行类似于步骤3.1)的同等分的二次细分,在二次细分后,对于矩形框中的每一个小的矩形框,四周边缘的点云部分,采用每个小的矩形框的最靠近中心点代替整个小的矩形框;矩形框中除去四周边缘即为中间部分的点云部分,直接采用每个小的矩形框的中心点代替整个小的矩形框,最终完成二维植物叶片模型2的简化,得到二维植物叶片模型3,具体参见图6。
4)将步骤3)得到的二维植物叶片模型3映射到原始植物3D点云叶片模型1,得到去噪与简化后的三维植物叶片,参见图7,该映射过程可以采用现有技术来实现,因此,本发明实施例中不做过多的赘述。
实施例2
本发明实施例提供了一种三维植物叶片点云的去噪与简化装置,包括:
获取模块,用于获取带有噪点的植物3D点云叶片模型1;
第一二维植物叶片模型计算模块,用于对所述植物3D点云叶片模型1进行二维映射得到二维植物叶片模型1,并且使用基于颜色与距离的2D去噪算法去除离群点和异色点,然后得到二维植物叶片模型2;
第二二维植物叶片模型计算模块,用于对所述二维植物叶片模型2采用框图法进行简化,得到二维植物叶片模型3;
映射模块,用于将步骤3)得到的二维植物叶片模型3通过点与点之间的对应关系映射到原始植物3D点云叶片模型1,得到去噪与简化后的三维植物叶片。
优选地,所述第一二维植物叶片模型计算模块具体包括以下子模块:
二维植物叶片模型1计算模块,用于通过旋转所述植物3D点云叶片模型1,使植物3D点云叶片模型1平行于X、Y轴,然后将所述植物3D点云叶片模型1中每个点的Z值变成0,完成植物3D点云叶片模型1到二维空间的映射,得到二维植物叶片模型1;
中心点获取模块,用于将二维植物叶片模型1放入到二维平面直角坐标系中,将二维植物叶片模型1上面的点分别向X轴和Y轴投影,找到投影到X轴和Y轴叶片点数最多的点的位置,该位置为叶片的中心点,并且记录下中心点的X轴和Y轴对应的值,标记出中心点的位置;
离群点处理模块,用于设置两个距离阈值α和β,比较叶片上任意X值与中心点X值的距离和叶片上任意Y值与中心点Y值的距离与阈值的大小,即所述叶片的中心点的X值和Y值设置为初始点,通过阈值来判断,当点与点之间的距离小于阈值时,即为正常叶片上的点,直接保留,当点与点之间的距离大于或者等于阈值时,即为离群点,直接将该点删除;
异色点处理模块,用于设置一个颜色阈值,在阈值颜色之内的点为正常叶片上的点,直接保留,在阈值颜色之外的点为异色点,直接删除该点。
优选地,所述第二二维植物叶片模型计算模块具体包括以下子模块,具体为:
框定模块,用于采用矩形框图将所述二维植物叶片模型2的点云框在一个矩形框中,矩形的长x和宽y根据需要设定;
初始简化模块,用于对所述矩形框进行细分,将矩形框均匀等分成小的矩形框,设置点数阈值,将阈值分为两类,小于阈值的为矩形框中四周边缘的点云,大于阈值的为矩形框中除去四周边缘即为中间部分的点云,对于矩形框中的每一个小的矩形框,四周边缘的点云部分,先不用每个小的矩形框的中心点代替整个小的矩形框;矩形框中除去四周边缘即为中间部分的点云部分,直接采用每个小的矩形框的中心点代替整个小的矩形框,完成初始简化;
二次简化模块,用于将所述矩形框中四周边缘的点云部分的矩形框进行类似于前述的同等分的二次细分,在二次细分后,对于矩形框中的每一个小的矩形框,四周边缘的点云部分,采用每个小的矩形框的最靠近中心点代替整个小的矩形框;矩形框中除去四周边缘即为中间部分的点云部分,直接采用每个小的矩形框的中心点代替整个小的矩形框,最终完成二维植物叶片模型2的简化,得到二维植物叶片模型3。
实施例3
本发明实施例提供了一种三维植物叶片点云的去噪与简化系统,包括:
处理器,适于实现各指令;以及
存储设备,适于存储多条指令,所述指令适于由处理器加载并执行实施例1中任一项所述的步骤。
以上显示和描述了本发明的基本原理和主要特征和本发明的优点。本行业的技术人员应该了解,本发明不受上述实施例的限制,上述实施例和说明书中描述的只是说明本发明的原理,在不脱离本发明精神和范围的前提下,本发明还会有各种变化和改进,这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。
Claims (6)
1.一种三维植物叶片点云的去噪与简化方法,其特征在于,包括:
1)获取带有噪点的植物3D点云叶片模型1;
2)对步骤1)中的植物3D点云叶片模型1进行二维映射得到二维植物叶片模型1,并且使用基于颜色与距离的2D去噪算法去除离群点和异色点,然后得到二维植物叶片模型2;
3)对步骤2)得到的二维植物叶片模型2采用框图法进行简化,得到二维植物叶片模型3;
4)将步骤3)得到的二维植物叶片模型3通过点与点之间的对应关系映射到原始植物3D点云叶片模型1,得到去噪与简化后的三维植物叶片;
所述步骤3)具体包括以下子步骤:
3.1)采用矩形框图将步骤2)中得到的二维植物叶片模型2的点云框在一个矩形框中,矩形框的长x和宽y根据需要设定;
3.2)对步骤3.1)的矩形框进行细分,将矩形框均匀等分成小的矩形框,设置点数阈值,将阈值分为两类,小于阈值的为矩形框中四周边缘的点云,大于阈值的为矩形框中除去四周边缘即为中间部分的点云,对于矩形框中的每一个小的矩形框,四周边缘的点云部分,先不用每个小的矩形框的中心点代替整个小的矩形框;矩形框中除去四周边缘即为中间部分的点云部分,直接采用每个小的矩形框的中心点代替整个小的矩形框,完成初始简化;
3.3)将步骤3.2)中的矩形框中四周边缘的点云部分的矩形框进行均匀等分的二次细分,在二次细分后,对于矩形框中的每一个小的矩形框,四周边缘的点云部分,采用每个小的矩形框的最靠近中心点代替整个小的矩形框;矩形框中除去四周边缘即为中间部分的点云部分,直接采用每个小的矩形框的中心点代替整个小的矩形框,最终完成二维植物叶片模型2的简化,得到二维植物叶片模型3。
2.根据权利要求1所述的一种三维植物叶片点云的去噪与简化方法,其特征在于:所述步骤2)具体包括以下子步骤:
2.1)通过旋转所述植物3D点云叶片模型1,使植物3D点云叶片模型1平行于X、Y轴,然后将所述植物3D点云叶片模型1中每个点的Z值变成0,完成植物3D点云叶片模型1到二维空间的映射,得到二维植物叶片模型1;
2.2)将所述二维植物叶片模型1放入到二维平面直角坐标系中,将二维植物叶片模型1上面的点分别向X轴和Y轴投影,找到投影到X轴和Y轴叶片点数最多的点的位置,该位置为叶片的中心点,并且记录下中心点的X轴和Y轴对应的值,标记出中心点的位置;
2.3)设置两个距离阈值α和β,比较叶片上任意X值与中心点X值的距离和叶片上任意Y值与中心点Y值的距离与阈值的大小,即将步骤2.2)中得到的叶片的中心点的X值和Y值设置为初始点,通过阈值来判断,当点与点之间的距离小于阈值时,即为正常叶片上的点,直接保留,当点与点之间的距离大于或者等于阈值时,即为离群点,直接将该点删除;
2.4)设置一个颜色阈值,在阈值颜色之内的点为正常叶片上的点,直接保留,在阈值颜色之外的点为异色点,直接删除该点;
2.5)重复步骤2.3)-2.4),直到所有的离群点和异色点被删出,这时得到去噪后的二维植物叶片模型2。
3.根据权利要求1所述的一种三维植物叶片点云的去噪与简化方法,其特征在于:所述步骤1)中的带有噪点的植物3D点云叶片模型1是通过三维扫描仪对原始植物叶片进行360°扫描后得到的。
4.一种三维植物叶片点云的去噪与简化装置,其特征在于,包括:
获取模块,用于获取带有噪点的植物3D点云叶片模型1;
第一二维植物叶片模型计算模块,用于对所述植物3D点云叶片模型1进行二维映射得到二维植物叶片模型1,并且使用基于颜色与距离的2D去噪算法去除离群点和异色点,然后得到二维植物叶片模型2;
第二二维植物叶片模型计算模块,用于对所述二维植物叶片模型2采用框图法进行简化,得到二维植物叶片模型3;
映射模块,用于将步骤3)得到的二维植物叶片模型3通过点与点之间的对应关系映射到原始植物3D点云叶片模型1,得到去噪与简化后的三维植物叶片;
所述第二二维植物叶片模型计算模块具体包括以下子模块,具体为:
框定模块,用于采用矩形框图将所述二维植物叶片模型2的点云框在一个矩形框中,矩形的长x和宽y根据需要设定;
初始简化模块,用于对所述矩形框进行细分,将矩形框均匀等分成小的矩形框,设置点数阈值,将阈值分为两类,小于阈值的为矩形框中四周边缘的点云,大于阈值的为矩形框中除去四周边缘即为中间部分的点云,对于矩形框中的每一个小的矩形框,四周边缘的点云部分,先不用每个小的矩形框的中心点代替整个小的矩形框;矩形框中除去四周边缘即为中间部分的点云部分,直接采用每个小的矩形框的中心点代替整个小的矩形框,完成初始简化;
二次简化模块,用于将所述矩形框中四周边缘的点云部分的矩形框进行均匀等分的二次细分,在二次细分后,对于矩形框中的每一个小的矩形框,四周边缘的点云部分,采用每个小的矩形框的最靠近中心点代替整个小的矩形框;矩形框中除去四周边缘即为中间部分的点云部分,直接采用每个小的矩形框的中心点代替整个小的矩形框,最终完成二维植物叶片模型2的简化,得到二维植物叶片模型3。
5.根据权利要求4所述的三维植物叶片点云的去噪与简化装置,其特征在于:所述第一二维植物叶片模型计算模块具体包括以下子模块:
二维植物叶片模型1计算模块,用于通过旋转所述植物3D点云叶片模型1,使植物3D点云叶片模型1平行于X、Y轴,然后将所述植物3D点云叶片模型1中每个点的Z值变成0,完成植物3D点云叶片模型1到二维空间的映射,得到二维植物叶片模型1;中心点获取模块,用于将二维植物叶片模型1放入到二维平面直角坐标系中,将二维植物叶片模型1上面的点分别向X轴和Y轴投影,找到投影到X轴和Y轴叶片点数最多的点的位置,该位置为叶片的中心点,并且记录下中心点的X轴和Y轴对应的值,标记出中心点的位置;
离群点处理模块,用于设置两个距离阈值α和β,比较叶片上任意X值与中心点X值的距离和叶片上任意Y值与中心点Y值的距离与阈值的大小,即所述叶片的中心点的X值和Y值设置为初始点,通过阈值来判断,当点与点之间的距离小于阈值时,即为正常叶片上的点,直接保留,当点与点之间的距离大于或者等于阈值时,即为离群点,直接将该点删除;
异色点处理模块,用于设置一个颜色阈值,在阈值颜色之内的点为正常叶片上的点,直接保留,在阈值颜色之外的点为异色点,直接删除该点。
6.一种三维植物叶片点云的去噪与简化系统,其特征在于,包括:
处理器,适于实现各指令;以及
存储设备,适于存储多条指令,所述指令适于由处理器加载并执行权利要求1~3中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811599740.6A CN109872280B (zh) | 2018-12-26 | 2018-12-26 | 一种三维植物叶片点云的去噪与简化方法、装置及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811599740.6A CN109872280B (zh) | 2018-12-26 | 2018-12-26 | 一种三维植物叶片点云的去噪与简化方法、装置及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109872280A CN109872280A (zh) | 2019-06-11 |
CN109872280B true CN109872280B (zh) | 2023-03-14 |
Family
ID=66917113
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811599740.6A Active CN109872280B (zh) | 2018-12-26 | 2018-12-26 | 一种三维植物叶片点云的去噪与简化方法、装置及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109872280B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112215841A (zh) * | 2020-10-31 | 2021-01-12 | 上海扩博智能技术有限公司 | 风机叶片点云数据的形成方法、系统、设备和存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103021017A (zh) * | 2012-12-04 | 2013-04-03 | 上海交通大学 | 基于gpu加速的三维场景重建方法 |
CN105513054A (zh) * | 2015-11-26 | 2016-04-20 | 北京市计算中心 | 基于三维扫描的拓印方法 |
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 |
CN107016725A (zh) * | 2017-02-27 | 2017-08-04 | 电子科技大学 | 一种顾及LiDAR点云数据分布差异的植被三维实景建模方法 |
CN107463918A (zh) * | 2017-08-17 | 2017-12-12 | 武汉大学 | 基于激光点云与影像数据融合的车道线提取方法 |
CN107845073A (zh) * | 2017-10-19 | 2018-03-27 | 华中科技大学 | 一种基于深度图的局部自适应三维点云去噪方法 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6030549B2 (ja) * | 2011-04-13 | 2016-11-24 | 株式会社トプコン | 三次元点群位置データ処理装置、三次元点群位置データ処理システム、三次元点群位置データ処理方法およびプログラム |
EP2992357A4 (en) * | 2013-04-29 | 2017-01-18 | Nokia Technologies OY | A method and apparatus for fusing distance data from a distance sensing camera with an image |
FR3028988B1 (fr) * | 2014-11-20 | 2018-01-19 | Commissariat A L'energie Atomique Et Aux Energies Alternatives | Procede et dispositif de filtrage adaptatif temps reel d'images de disparite ou de profondeur bruitees |
US10074160B2 (en) * | 2016-09-30 | 2018-09-11 | Disney Enterprises, Inc. | Point cloud noise and outlier removal for image-based 3D reconstruction |
US10489891B2 (en) * | 2017-03-10 | 2019-11-26 | Disney Enterprises, Inc. | Sample-based video sharpening |
-
2018
- 2018-12-26 CN CN201811599740.6A patent/CN109872280B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103021017A (zh) * | 2012-12-04 | 2013-04-03 | 上海交通大学 | 基于gpu加速的三维场景重建方法 |
CN105513054A (zh) * | 2015-11-26 | 2016-04-20 | 北京市计算中心 | 基于三维扫描的拓印方法 |
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 |
CN107016725A (zh) * | 2017-02-27 | 2017-08-04 | 电子科技大学 | 一种顾及LiDAR点云数据分布差异的植被三维实景建模方法 |
CN107463918A (zh) * | 2017-08-17 | 2017-12-12 | 武汉大学 | 基于激光点云与影像数据融合的车道线提取方法 |
CN107845073A (zh) * | 2017-10-19 | 2018-03-27 | 华中科技大学 | 一种基于深度图的局部自适应三维点云去噪方法 |
Non-Patent Citations (4)
Title |
---|
Algorithm for 3D Point Cloud Denoising;Wenming Huang等;《2009 Third International Conference on Genetic and Evolutionary Computing》;20100202;574-577 * |
Research on Scattered Points Cloud Denoising Algorithm;Fu Yan等;《IEEE International Conference on Signal Processing, Communications and Computing ICSPCC 2015》;20160913;633-637 * |
三维点云数据中离群噪声点快速剔除的方法研究;王春兰等;《内蒙古农业大学学报(自然科学版)》;20170321(第01期);93-97 * |
点云模型的噪声分类去噪算法;李鹏飞等;《计算机工程与应用》;20160810(第20期);188-192 * |
Also Published As
Publication number | Publication date |
---|---|
CN109872280A (zh) | 2019-06-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Zhang et al. | B-spline surface fitting with knot position optimization | |
CN109934065A (zh) | 一种用于手势识别的方法和装置 | |
CN107578467B (zh) | 一种医疗器械三维建模方法及装置 | |
CN108124489B (zh) | 信息处理方法、装置、云处理设备以及计算机程序产品 | |
CN111383232A (zh) | 抠图方法、装置、终端设备及计算机可读存储介质 | |
CN113888391A (zh) | 一种室内结构化重建方法、装置及计算机可读存储介质 | |
CN109697748B (zh) | 模型压缩处理方法、模型贴图处理方法装置、存储介质 | |
CN103810756A (zh) | 基于不规则区域的自适性的Loop细分曲面的绘制方法 | |
CN105957149A (zh) | 一种适用于高效渲染的城市三维模型数据预处理方法 | |
CN115222879B (zh) | 一种模型减面处理方法、装置、电子设备及存储介质 | |
CN114782645B (zh) | 虚拟数字人制作方法、相关设备及可读存储介质 | |
CN108655571A (zh) | 一种数控激光雕刻机、控制系统及控制方法、计算机 | |
CN109872280B (zh) | 一种三维植物叶片点云的去噪与简化方法、装置及系统 | |
CN109377552B (zh) | 图像遮挡计算方法、装置、计算设备及存储介质 | |
CN104915952A (zh) | 一种深度图像中基于多叉树的局部凸出对象提取方法 | |
CN113658035A (zh) | 脸部变换方法、装置、设备、存储介质以及产品 | |
CN110378948B (zh) | 3d模型重建方法、装置及电子设备 | |
Asgharian et al. | Feature-preserving mesh simplification through anisotropic Nyquist-based adaptive sampling of points inside the segmented regions | |
Beardsley et al. | Editable parametric dense foliage from 3D capture | |
Parakkat et al. | BallMerge: High‐quality Fast Surface Reconstruction via Voronoi Balls | |
CN112529988A (zh) | 一种头像的生成方法、装置、电子设备、介质及产品 | |
CN109934837A (zh) | 一种3d植物叶片轮廓的提取方法、装置及系统 | |
WO2023179091A1 (zh) | 三维模型渲染方法、装置、设备、存储介质及程序产品 | |
US20240161405A1 (en) | Modifying two-dimensional images utilizing segmented three-dimensional object meshes of the two-dimensional images | |
US20240161320A1 (en) | Generating adaptive three-dimensional meshes of two-dimensional images |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
TR01 | Transfer of patent right | ||
TR01 | Transfer of patent right |
Effective date of registration: 20240108 Address after: No. 385 Lingang Road, Xinminzhou, Jingkou District, Zhenjiang City, Jiangsu Province, 212000 Patentee after: Zhenjiang Yuanli Network Technology Co.,Ltd. Address before: 212004 6 building, Jingkou high tech center, 118 Xuefu Road, Jingkou District, Zhenjiang, Jiangsu. Patentee before: JIANGSU MINGTONG TECHNOLOGY CO.,LTD. |