CN111275633A - 基于图像分割的点云去噪方法、系统、装置和存储介质 - Google Patents
基于图像分割的点云去噪方法、系统、装置和存储介质 Download PDFInfo
- Publication number
- CN111275633A CN111275633A CN202010029902.3A CN202010029902A CN111275633A CN 111275633 A CN111275633 A CN 111275633A CN 202010029902 A CN202010029902 A CN 202010029902A CN 111275633 A CN111275633 A CN 111275633A
- Authority
- CN
- China
- Prior art keywords
- area
- point
- undetermined
- point cloud
- region
- 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
- 238000000034 method Methods 0.000 title claims abstract description 71
- 238000003709 image segmentation Methods 0.000 title claims abstract description 55
- 238000012545 processing Methods 0.000 claims abstract description 16
- 238000013507 mapping Methods 0.000 claims description 45
- 238000010587 phase diagram Methods 0.000 claims description 16
- 230000011218 segmentation Effects 0.000 claims description 11
- 238000004422 calculation algorithm Methods 0.000 claims description 9
- 238000012217 deletion Methods 0.000 claims description 3
- 230000037430 deletion Effects 0.000 claims description 3
- 239000000126 substance Substances 0.000 claims description 2
- 238000004364 calculation method Methods 0.000 abstract description 8
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 238000004590 computer program Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/80—Analysis of captured images to determine intrinsic or extrinsic camera parameters, i.e. camera calibration
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10028—Range image; Depth image; 3D point clouds
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种基于图像分割的点云去噪方法、系统、装置和存储介质，该方法可有效去除点云上的所有噪声点云，无论是离群点、散乱点、悬浮在主体附近的大片噪声点等等情况，都能被一一去除，并且本方法是基于图像上进行处理，避免了三维点计算的复杂性，且方法简单可靠，适用于任意的利用绝对相位进行三维重构的点云噪声的去除。
Description
技术领域
本发明涉及三维测量技术领域，尤其是一种基于图像分割的点云去噪方法、系统、装置和存储介质。
背景技术
随着计算机科学的迅速发展和现代精密仪器的出现，点云模型的获取变得越来越容易，在城市建模、计算机图形学、地形测绘、文物保护、逆向工程等领域都有着广泛的应用。由于在三维扫描过程会受到仪器精度、环境噪声、被测物体结构自身的影响等情况，不可避免产生噪声点云，影响了三维重建的精度。目前大多数的点云去噪方法无法适应存在各种噪声点云的情况，并且大都是在三维空间中计算点云的特性来对噪声点云去除，但点云的坐标精度高而且需要计算三个坐标的值，存在计算复杂、计算量大的缺点。
发明内容
为解决上述问题，本发明的目的在于提供一种基于图像分割的点云去噪方法、系统、装置和存储介质，无论存在何种噪声点云，都能够对其进行滤除，并且基于图像进行处理，避免了在三维空间中计算的复杂度，方法简单可靠，适用于任意的利用绝对相位进行三维重构的点云噪声的去除。
本发明解决其问题所采用的技术方案是：
第一方面，本发明实施例提出了一种基于图像分割的点云去噪方法，包括：
根据三维重构后的三维点的Z值与绝对相位图进行一一对应，得到一个点云映射图像；
利用区域生长的图像分割方法循环对点云映射图像进行图像分割，直到所有区域都被分割完毕，并定义较大的区域为参考区域，将其它区域定义为待定区域，然后判断待定区域是否为噪声区域；
通过计算待定区域和参考区域之间的关系，将待定区域分为参考区域的内部和外部情况分别进行处理；
位于内部情况则计算待定区域的任意一点和参考区域任意一最近邻点的距离，位于外部情况则计算待定区域轮廓上的任意一点和参考区域轮廓上的任意一最近邻点的距离，距离较大的则为噪声区域，通过删除噪声区域所在的位置去除噪声点云。
进一步，所述根据三维重构后的三维点的Z值与绝对相位图进行一一对应，得到一个点云映射图像包括：利用绝对相位图和相机、投影机标定的内外参数进行三维点云的重构，将三维重构出的三维点(X,Y,Z)中的Z坐标与绝对相位图的二维点(u,v)一一对应起来，构建点云映射图像，点云映射图像平面内的每一个像素点(u,v)的像素值为三维点Z的值。
进一步，所述利用区域生长的图像分割方法循环对点云映射图像进行图像分割，直到所有区域都被分割完毕，并定义较大的区域为参考区域，将其它区域定义为待定区域，然后判断待定区域是否为噪声区域包括：利用区域生长的图像分割方法，随机选定初始点对点云映射图像进行分割得到一个区域，删除点云映射图像中分割得到的一个区域，继续随机选定初始点对点云映射图像进行分割，循环反复直到所有的区域都被分割完毕，将分割区域较小的区域判定为噪声区域，删除分割区域较小的区域，将较大的分割区域判定为无噪声点云的参考区域，其它的分割区域判定为待定区域。
进一步，所述通过计算待定区域和参考区域之间的关系，将待定区域分为参考区域的内部和外部情况分别进行处理包括：对参考区域进行孔洞填充，标记孔洞填充后的参考区域的像素坐标点(u,v)，利用k近邻算法计算待定区域的任意一像素坐标点(u,v)与填充孔洞后的参考区域的所有的像素坐标点(u,v)的一个最近邻，若最近邻点的距离为0，说明待定区域处于参考区域内，记录为内部区域情况；若最近邻点的距离大于0，说明待定区域处于参考区域外，记录为外部区域情况。
进一步，所述位于内部情况则计算待定区域的任意一点和参考区域任意一最近邻点的距离，位于外部情况则计算待定区域轮廓上的任意一点和参考区域轮廓上的任意一最近邻点的距离，距离较大的则为噪声区域，通过删除噪声区域所在的位置去除噪声点云包括：当待定区域处于参考区域内，即内部区域情况时，利用k近邻算法计算待定区域的任意一像素点(u,v)与填充孔洞后的参考区域的所有像素点(u,v)的N个近邻点，计算待定区域任意一像素点(u,v)对应的Z值和选取的任意一像素点(u,v)对应的Z值的欧式距离大小，大于设定阈值说明为噪声点云，删除此待定区域；当待定区域处于参考区域外，即外部区域情况时，分别计算参考区域和待定区域的轮廓点的像素坐标点(u,v)，利用k近邻算法计算待定区域的轮廓上的所有像素坐标点(u,v)与参考区域的轮廓上的所有像素坐标点(u,v)的一个最近邻，根据找到的最近邻点的距离，选取出与待定区域轮廓上像素点最近的参考区域轮廓上像素点，计算选取出的待定区域轮廓上像素点(u,v)对应的Z值和参考区域轮廓上像素点(u,v)对应的Z值的欧式距离大小，大于设定阈值说明为噪声点云，删除此待定区域；利用删除噪声待定区域后的点云映射图像对绝对相位图点乘得到无噪声点云的绝对相位图，最后利用绝对相位图和相机、投影机标定的内外参数进行三维点云的重构得到无噪声的三维立体点云。
第二方面，本发明实施例还提出了一种基于图像分割的点云去噪系统，包括：
构建映射模块，用于根据三维重构后的三维点的Z值与绝对相位图进行一一对应，得到一个点云映射图像；
图像分割模块，用于利用区域生长的图像分割方法循环对点云映射图像进行图像分割，直到所有区域都被分割完毕，并定义较大的区域为参考区域，将其它区域定义为待定区域，然后判断待定区域是否为噪声区域；
区域划分模块，用于通过计算待定区域和参考区域之间的关系，将待定区域分为参考区域的内部和外部情况分别进行处理；
去除噪声模块，用于位于内部情况则计算待定区域的任意一点和参考区域任意一最近邻点的距离，位于外部情况则计算待定区域轮廓上的任意一点和参考区域轮廓上的任意一最近邻点的距离，距离较大的则为噪声区域，通过删除噪声区域所在的位置去除噪声点云。
第三方面，本发明实施例还提出了一种基于图像分割的点云去噪装置，包括：
至少一个处理器；以及，
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行本发明第一方面所述的方法。
第四方面，本发明实施例还提出了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机可执行指令，所述计算机可执行指令用于使计算机执行本发明第一方面所述的方法。
本发明实施例中提供的一个或多个技术方案，至少具有如下有益效果：本发明提供的一种基于图像分割的点云去噪方法、系统、装置和存储介质，首先根据三维重构后的三维点的Z值与绝对相位图进行一一对应，得到一个点云映射图像。然后利用区域生长的图像分割方法循环对点云映射图像进行图像分割，直到所有区域都被分割完毕。定义较大的区域为参考区域，将其它区域定义为待定区域，然后判断待定区域是否为噪声区域。通过计算待定区域和参考区域之间的关系，将待定区域分为参考区域的内部和外部情况分别进行处理，位于内部情况则计算待定区域的任意一点和参考区域任意一最近邻点的距离，位于外部情况则计算待定区域轮廓上的任意一点和参考区域轮廓上的任意一最近邻点的距离，距离较大的则为噪声区域，删除噪声区域所在的位置即去除了噪声点云。该方法有效去除了点云上的所有噪声点云，无论是离群点、散乱点、悬浮在主体附近的大片噪声点等等情况，都能被一一去除，并且本方法是基于图像上进行处理，避免了三维点计算的复杂性，且方法简单可靠，适用于任意的利用绝对相位进行三维重构的点云噪声的去除。
附图说明
下面结合附图和实例对本发明作进一步说明。
图1是本发明第一实施例中基于图像分割的点云去噪方法的流程简图；
图2是本发明第二实施例中基于图像分割的点云去噪系统的结构简图；
图3是本发明第三实施例中基于图像分割的点云去噪装置的结构简图。
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，以下结合附图及实施例，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用以解释本发明，并不用于限定本发明。
需要说明的是，如果不冲突，本发明实施例中的各个特征可以相互结合，均在本发明的保护范围之内。另外，虽然在装置示意图中进行了功能模块划分，在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于装置中的模块划分，或流程图中的顺序执行所示出或描述的步骤。
下面结合附图，对本发明实施例作进一步阐述。
如图1所示，本发明的第一实施例提供了一种基于图像分割的点云去噪方法，包括但不限于以下步骤：
S100：根据三维重构后的三维点的Z值与绝对相位图进行一一对应，得到一个点云映射图像；
S200：利用区域生长的图像分割方法循环对点云映射图像进行图像分割，直到所有区域都被分割完毕，并定义较大的区域为参考区域，将其它区域定义为待定区域，然后判断待定区域是否为噪声区域；
S300：通过计算待定区域和参考区域之间的关系，将待定区域分为参考区域的内部和外部情况分别进行处理；
S400：位于内部情况则计算待定区域的任意一点和参考区域任意一最近邻点的距离，位于外部情况则计算待定区域轮廓上的任意一点和参考区域轮廓上的任意一最近邻点的距离，距离较大的则为噪声区域，通过删除噪声区域所在的位置去除噪声点云。
具体地，利用绝对相位图和相机、投影机标定的内外参数进行三维点云的重构。由于三维点是根据图像平面内的绝对相位图的每一点重构出来的，所以在图像平面内的绝对相位图的每一个点都与重构出来的三维点有着一一对应的关系。
将三维重构出的三维点(X,Y,Z)中的Z坐标与绝对相位图的二维点(u,v)一一对应起来，构建点云映射图像，即点云映射图像平面内的每一个像素点(u,v)的像素值为三维点Z的值，即点云映射图像既包含了绝对相位图的位置信息也包含了三维点Z的信息。
利用区域生长的图像分割方法，随机选定初始点对点云映射图像进行分割得到一个区域。
删除点云映射图像中分割得到的一个区域，继续随机选定初始点对点云映射图像进行分割。循环反复，直到所有的区域都被分割完毕。
将分割区域较小的区域判定为噪声区域，删除分割区域较小的区域。
将较大的分割区域判定为无噪声点云的参考区域，其它的分割区域判定为待定区域，即可能为噪声点云区域，也可能为无噪声点云区域。
对参考区域进行孔洞填充，标记孔洞填充后的参考区域的像素坐标点(u,v)。这是为了判断待定区域的点是否在参考区域范围内，如果存在孔洞则无法判断，所以要先对参考区域的孔洞进行填充。
利用k近邻算法计算待定区域的任意一像素坐标点(u,v)与填充孔洞后的参考区域的所有的像素坐标点(u,v)的一个最近邻，若最近邻点的距离为0，说明待定区域处于参考区域内，记录为内部区域情况；若最近邻点的距离大于0，说明待定区域处于参考区域外，记录为外部区域情况。
当待定区域处于参考区域内，即内部区域情况时，利用k近邻算法计算待定区域的任意一像素点(u,v)与填充孔洞后的参考区域的所有像素点(u,v)的N个近邻点(说明：N为待定区域像素点的数量加一，因为待定区域是处于填充孔洞后的参考区域内，为了避免计算的近邻点为自身点，加一保证了即使前面的计算都为自身点，最后一个点也是参考区域内的点)，取任意一个距离大于0的像素点(u,v)(排除待定区域自身的像素点所在位置)，计算待定区域任意一像素点(u,v)对应的Z值和选取的任意一像素点(u,v)对应的Z值的欧式距离大小，大于设定阈值说明为噪声点云，删除此待定区域。
当待定区域处于参考区域外，即外部区域情况时，分别计算参考区域和待定区域的轮廓点的像素坐标点(u,v)。
利用k近邻算法计算待定区域的轮廓上的所有像素坐标点(u,v)与参考区域的轮廓上的所有像素坐标点(u,v)的一个最近邻，根据找到的最近邻点的距离，选取出与待定区域轮廓上像素点最近的参考区域轮廓上像素点。
计算选取出的待定区域轮廓上像素点(u,v)对应的Z值和参考区域轮廓上像素点(u,v)对应的Z值的欧式距离大小，大于设定阈值说明为噪声点云，删除此待定区域。
利用删除噪声待定区域后的点云映射图像对绝对相位图点乘得到无噪声点云的绝对相位图，最后利用绝对相位图和相机、投影机标定的内外参数进行三维点云的重构得到无噪声的三维立体点云。
综上所述，与现有技术相比，基于图像分割的点云去噪方法的优点在于：首先根据三维重构后的三维点的Z值与绝对相位图进行一一对应，得到一个点云映射图像。然后利用区域生长的图像分割方法循环对点云映射图像进行图像分割，直到所有区域都被分割完毕。定义较大的区域为参考区域，将其它区域定义为待定区域，然后判断待定区域是否为噪声区域。通过计算待定区域和参考区域之间的关系，将待定区域分为参考区域的内部和外部情况分别进行处理，位于内部情况则计算待定区域的任意一点和参考区域任意一最近邻点的距离，位于外部情况则计算待定区域轮廓上的任意一点和参考区域轮廓上的任意一最近邻点的距离，距离较大的则为噪声区域，删除噪声区域所在的位置即去除了噪声点云。该方法有效去除了点云上的所有噪声点云，无论是离群点、散乱点、悬浮在主体附近的大片噪声点等等情况，都能被一一去除，并且本方法是基于图像上进行处理，避免了三维点计算的复杂性，且方法简单可靠，适用于任意的利用绝对相位进行三维重构的点云噪声的去除。
另外，如图2所示，本发明的第二实施例提供了一种基于图像分割的点云去噪系统，包括：
构建映射模块110，用于根据三维重构后的三维点的Z值与绝对相位图进行一一对应，得到一个点云映射图像；
图像分割模块120，用于利用区域生长的图像分割方法循环对点云映射图像进行图像分割，直到所有区域都被分割完毕，并定义较大的区域为参考区域，将其它区域定义为待定区域，然后判断待定区域是否为噪声区域；
区域划分模块130，用于通过计算待定区域和参考区域之间的关系，将待定区域分为参考区域的内部和外部情况分别进行处理；
去除噪声模块140，用于位于内部情况则计算待定区域的任意一点和参考区域任意一最近邻点的距离，位于外部情况则计算待定区域轮廓上的任意一点和参考区域轮廓上的任意一最近邻点的距离，距离较大的则为噪声区域，通过删除噪声区域所在的位置去除噪声点云。
本实施例中的基于图像分割的点云去噪系统与第一实施例中的基于图像分割的点云去噪方法基于相同的发明构思，因此，本实施例中的基于图像分割的点云去噪系统具有相同的有益效果：首先根据三维重构后的三维点的Z值与绝对相位图进行一一对应，得到一个点云映射图像。然后利用区域生长的图像分割方法循环对点云映射图像进行图像分割，直到所有区域都被分割完毕。定义较大的区域为参考区域，将其它区域定义为待定区域，然后判断待定区域是否为噪声区域。通过计算待定区域和参考区域之间的关系，将待定区域分为参考区域的内部和外部情况分别进行处理，位于内部情况则计算待定区域的任意一点和参考区域任意一最近邻点的距离，位于外部情况则计算待定区域轮廓上的任意一点和参考区域轮廓上的任意一最近邻点的距离，距离较大的则为噪声区域，删除噪声区域所在的位置即去除了噪声点云。该方法有效去除了点云上的所有噪声点云，无论是离群点、散乱点、悬浮在主体附近的大片噪声点等等情况，都能被一一去除，并且本系统是基于图像上进行处理，避免了三维点计算的复杂性，且系统简单可靠，适用于任意的利用绝对相位进行三维重构的点云噪声的去除。
如图3所示，本发明的第三实施例还提供了一种基于图像分割的点云去噪装置，包括：
至少一个处理器；
以及与所述至少一个处理器通信连接的存储器；
其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行如上述第一实施例中任意一种基于图像分割的点云去噪方法。
存储器作为一种非暂态计算机可读存储介质，可用于存储非暂态软件程序、非暂态性计算机可执行程序以及模块，如本发明实施例中的虚拟影像控制方法对应的程序指令/模块。处理器通过运行存储在存储器中的非暂态软件程序、指令以及模块，从而执行立体成像处理装置的各种功能应用以及数据处理，即实现上述任一方法实施例的基于图像分割的点云去噪方法。
存储器可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储根据立体成像处理装置的使用所创建的数据等。此外，存储器可以包括高速随机存取存储器，还可以包括非暂态存储器，例如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施例中，存储器可选包括相对于处理器远程设置的存储器，这些远程存储器可以通过网络连接至该立体投影装置。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
所述一个或者多个模块存储在所述存储器中，当被所述一个或者多个处理器执行时，执行上述任意方法实施例中的基于图像分割的点云去噪方法，例如第一实施例中的方法步骤S100至S400。
本发明的第四实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机可执行指令，该计算机可执行指令被一个或多个控制处理器执行，可使得上述一个或多个处理器执行上述方法实施例中的一种基于图像分割的点云去噪方法，例如第一实施例中的方法步骤S100至S400。
以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，即可以位于一个地方，或者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者全部模块来实现本实施例方案的目的。
通过以上的实施方式的描述，本领域普通技术人员可以清楚地了解到各实施方式可借助软件加通用硬件平台的方式来实现，当然也可以通过硬件。本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory,ROM)或随机存储记忆体(Random Access Memory,RAM)等。
以上是对本发明的较佳实施进行了具体说明，但本发明并不局限于上述实施方式，熟悉本领域的技术人员在不违背本发明精神的前提下还可作出种种的等同变形或替换，这些等同的变形或替换均包含在本申请权利要求所限定的范围内。
Claims (8)
1.一种基于图像分割的点云去噪方法，其特征在于，包括：
根据三维重构后的三维点的Z值与绝对相位图进行一一对应，得到一个点云映射图像；
利用区域生长的图像分割方法循环对点云映射图像进行图像分割，直到所有区域都被分割完毕，并定义较大的区域为参考区域，将其它区域定义为待定区域，然后判断待定区域是否为噪声区域；
通过计算待定区域和参考区域之间的关系，将待定区域分为参考区域的内部和外部情况分别进行处理；
位于内部情况则计算待定区域的任意一点和参考区域任意一最近邻点的距离，位于外部情况则计算待定区域轮廓上的任意一点和参考区域轮廓上的任意一最近邻点的距离，距离较大的则为噪声区域，通过删除噪声区域所在的位置去除噪声点云。
2.根据权利要求1所述的一种基于图像分割的点云去噪方法，其特征在于，所述根据三维重构后的三维点的Z值与绝对相位图进行一一对应，得到一个点云映射图像包括：利用绝对相位图和相机、投影机标定的内外参数进行三维点云的重构，将三维重构出的三维点(X,Y,Z)中的Z坐标与绝对相位图的二维点(u,v)一一对应起来，构建点云映射图像，点云映射图像平面内的每一个像素点(u,v)的像素值为三维点Z的值。
3.根据权利要求1所述的一种基于图像分割的点云去噪方法，其特征在于，所述利用区域生长的图像分割方法循环对点云映射图像进行图像分割，直到所有区域都被分割完毕，并定义较大的区域为参考区域，将其它区域定义为待定区域，然后判断待定区域是否为噪声区域包括：利用区域生长的图像分割方法，随机选定初始点对点云映射图像进行分割得到一个区域，删除点云映射图像中分割得到的一个区域，继续随机选定初始点对点云映射图像进行分割，循环反复直到所有的区域都被分割完毕，将分割区域较小的区域判定为噪声区域，删除分割区域较小的区域，将较大的分割区域判定为无噪声点云的参考区域，其它的分割区域判定为待定区域。
4.根据权利要求1所述的一种基于图像分割的点云去噪方法，其特征在于，所述通过计算待定区域和参考区域之间的关系，将待定区域分为参考区域的内部和外部情况分别进行处理包括：对参考区域进行孔洞填充，标记孔洞填充后的参考区域的像素坐标点(u,v)，利用k近邻算法计算待定区域的任意一像素坐标点(u,v)与填充孔洞后的参考区域的所有的像素坐标点(u,v)的一个最近邻，若最近邻点的距离为0，说明待定区域处于参考区域内，记录为内部区域情况；若最近邻点的距离大于0，说明待定区域处于参考区域外，记录为外部区域情况。
5.根据权利要求1所述的一种基于图像分割的点云去噪方法，其特征在于，所述位于内部情况则计算待定区域的任意一点和参考区域任意一最近邻点的距离，位于外部情况则计算待定区域轮廓上的任意一点和参考区域轮廓上的任意一最近邻点的距离，距离较大的则为噪声区域，通过删除噪声区域所在的位置去除噪声点云包括：当待定区域处于参考区域内，即内部区域情况时，利用k近邻算法计算待定区域的任意一像素点(u,v)与填充孔洞后的参考区域的所有像素点(u,v)的N个近邻点，计算待定区域任意一像素点(u,v)对应的Z值和选取的任意一像素点(u,v)对应的Z值的欧式距离大小，大于设定阈值说明为噪声点云，删除此待定区域；当待定区域处于参考区域外，即外部区域情况时，分别计算参考区域和待定区域的轮廓点的像素坐标点(u,v)，利用k近邻算法计算待定区域的轮廓上的所有像素坐标点(u,v)与参考区域的轮廓上的所有像素坐标点(u,v)的一个最近邻，根据找到的最近邻点的距离，选取出与待定区域轮廓上像素点最近的参考区域轮廓上像素点，计算选取出的待定区域轮廓上像素点(u,v)对应的Z值和参考区域轮廓上像素点(u,v)对应的Z值的欧式距离大小，大于设定阈值说明为噪声点云，删除此待定区域；利用删除噪声待定区域后的点云映射图像对绝对相位图点乘得到无噪声点云的绝对相位图，最后利用绝对相位图和相机、投影机标定的内外参数进行三维点云的重构得到无噪声的三维立体点云。
6.一种基于图像分割的点云去噪系统，其特征在于，包括：
构建映射模块，用于根据三维重构后的三维点的Z值与绝对相位图进行一一对应，得到一个点云映射图像；
图像分割模块，用于利用区域生长的图像分割方法循环对点云映射图像进行图像分割，直到所有区域都被分割完毕，并定义较大的区域为参考区域，将其它区域定义为待定区域，然后判断待定区域是否为噪声区域；
区域划分模块，用于通过计算待定区域和参考区域之间的关系，将待定区域分为参考区域的内部和外部情况分别进行处理；
去除噪声模块，用于位于内部情况则计算待定区域的任意一点和参考区域任意一最近邻点的距离，位于外部情况则计算待定区域轮廓上的任意一点和参考区域轮廓上的任意一最近邻点的距离，距离较大的则为噪声区域，通过删除噪声区域所在的位置去除噪声点云。
7.一种基于图像分割的点云去噪装置，其特征在于，包括：
至少一个处理器；以及，
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行如权利要求1-5任一项所述的方法。
8.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机可执行指令，所述计算机可执行指令用于使计算机执行如权利要求1-5任一项所述的方法。
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010029902.3A CN111275633B (zh) | 2020-01-13 | 2020-01-13 | 基于图像分割的点云去噪方法、系统、装置和存储介质 |
| PCT/CN2020/091751 WO2021142996A1 (zh) | 2020-01-13 | 2020-05-22 | 基于图像分割的点云去噪方法、系统、装置和存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010029902.3A CN111275633B (zh) | 2020-01-13 | 2020-01-13 | 基于图像分割的点云去噪方法、系统、装置和存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111275633A true CN111275633A (zh) | 2020-06-12 |
| CN111275633B CN111275633B (zh) | 2023-06-13 |
Family
ID=71000183
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010029902.3A Active CN111275633B (zh) | 2020-01-13 | 2020-01-13 | 基于图像分割的点云去噪方法、系统、装置和存储介质 |
Country Status (2)
| Country | Link |
|---|---|
| CN (1) | CN111275633B (zh) |
| WO (1) | WO2021142996A1 (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113160161A (zh) * | 2021-04-14 | 2021-07-23 | 歌尔股份有限公司 | 目标边缘处缺陷的检测方法和装置 |
| CN114964360A (zh) * | 2022-04-26 | 2022-08-30 | 浙江大学 | 一种基于激光雷达的传送带上投料速率及其热值的测量系统及方法 |
| CN116188329A (zh) * | 2023-04-27 | 2023-05-30 | 北京迁移科技有限公司 | 三维点云滤波方法、重建方法、电子设备及可读存储介质 |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114187195A (zh) * | 2021-11-29 | 2022-03-15 | 中国航天空气动力技术研究院 | 一种2d前视声呐图像去噪方法 |
| CN114812435B (zh) * | 2022-04-29 | 2023-10-20 | 苏州思卡信息系统有限公司 | 一种车辆三维点云数据滤波方法 |
| CN117408913B (zh) * | 2023-12-11 | 2024-02-23 | 浙江托普云农科技股份有限公司 | 待测物体点云去噪方法、系统及装置 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101833666A (zh) * | 2009-03-11 | 2010-09-15 | 中国科学院自动化研究所 | 一种对离散点云数据微分几何量的估计方法 |
| CN102799763A (zh) * | 2012-06-20 | 2012-11-28 | 北京航空航天大学 | 一种基于点云姿态标准化的点云线特征提取方法 |
| CN110136072A (zh) * | 2018-02-08 | 2019-08-16 | 北京大学 | 点云噪声的去除方法、去噪系统、计算机设备及存储介质 |
| CN110458772A (zh) * | 2019-07-30 | 2019-11-15 | 五邑大学 | 一种基于图像处理的点云滤波方法、装置和存储介质 |
Family Cites Families (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104574285B (zh) * | 2013-10-23 | 2017-09-19 | 厦门美图网科技有限公司 | 一种自动祛除图像黑眼圈的方法 |
| CN107123164B (zh) * | 2017-03-14 | 2020-04-28 | 华南理工大学 | 保持锐利特征的三维重建方法及系统 |
| CN108564525A (zh) * | 2018-03-31 | 2018-09-21 | 上海大学 | 一种基于多线激光雷达的3d点云2d化数据处理方法 |
| US10282834B1 (en) * | 2018-06-22 | 2019-05-07 | Caterpillar Inc. | Measurement platform that automatically determines wear of machine components based on images |
-
2020
- 2020-01-13 CN CN202010029902.3A patent/CN111275633B/zh active Active
- 2020-05-22 WO PCT/CN2020/091751 patent/WO2021142996A1/zh active Application Filing
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101833666A (zh) * | 2009-03-11 | 2010-09-15 | 中国科学院自动化研究所 | 一种对离散点云数据微分几何量的估计方法 |
| CN102799763A (zh) * | 2012-06-20 | 2012-11-28 | 北京航空航天大学 | 一种基于点云姿态标准化的点云线特征提取方法 |
| CN110136072A (zh) * | 2018-02-08 | 2019-08-16 | 北京大学 | 点云噪声的去除方法、去噪系统、计算机设备及存储介质 |
| CN110458772A (zh) * | 2019-07-30 | 2019-11-15 | 五邑大学 | 一种基于图像处理的点云滤波方法、装置和存储介质 |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113160161A (zh) * | 2021-04-14 | 2021-07-23 | 歌尔股份有限公司 | 目标边缘处缺陷的检测方法和装置 |
| CN114964360A (zh) * | 2022-04-26 | 2022-08-30 | 浙江大学 | 一种基于激光雷达的传送带上投料速率及其热值的测量系统及方法 |
| CN116188329A (zh) * | 2023-04-27 | 2023-05-30 | 北京迁移科技有限公司 | 三维点云滤波方法、重建方法、电子设备及可读存储介质 |
| CN116188329B (zh) * | 2023-04-27 | 2023-06-23 | 北京迁移科技有限公司 | 三维点云滤波方法、重建方法、电子设备及可读存储介质 |
| CN116721036A (zh) * | 2023-04-27 | 2023-09-08 | 北京迁移科技有限公司 | 噪声点判定方法、装置、电子设备及可读存储介质 |
| CN116721036B (zh) * | 2023-04-27 | 2023-11-17 | 北京迁移科技有限公司 | 噪声点判定方法、装置、电子设备及可读存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| WO2021142996A1 (zh) | 2021-07-22 |
| CN111275633B (zh) | 2023-06-13 |
| WO2021142996A9 (zh) | 2021-08-26 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111275633A (zh) | 基于图像分割的点云去噪方法、系统、装置和存储介质 | |
| CN108198145B (zh) | 用于点云数据修复的方法和装置 | |
| CN110458772B (zh) | 一种基于图像处理的点云滤波方法、装置和存储介质 | |
| US10504253B2 (en) | Conservative cell and portal graph generation | |
| US9959670B2 (en) | Method for rendering terrain | |
| EP3326156B1 (en) | Consistent tessellation via topology-aware surface tracking | |
| KR102215101B1 (ko) | 이미지로부터 획득한 객체의 특징을 이용한 포인트 클라우드 생성 장치 및 방법 | |
| KR101593316B1 (ko) | 스테레오 카메라를 이용한 3차원 모델 재구성 방법 및 장치 | |
| CN110838122A (zh) | 点云的分割方法、装置及计算机存储介质 | |
| CN109377552B (zh) | 图像遮挡计算方法、装置、计算设备及存储介质 | |
| CN111899326A (zh) | 一种基于gpu并行加速的三维重建方法 | |
| CN111768353A (zh) | 一种三维模型的孔洞填补方法及装置 | |
| CN113786616B (zh) | 一种间接光照实现方法、装置、存储介质及计算设备 | |
| JP6991700B2 (ja) | 情報処理装置、情報処理方法、プログラム | |
| CN115239559A (zh) | 一种融合视图合成的深度图超分辨率方法及系统 | |
| CN116363192A (zh) | 仓储货物的体积测量方法、装置、计算机设备及存储介质 | |
| CN113838188A (zh) | 基于单幅图像的树木建模方法、树木建模装置、设备 | |
| CN112907733A (zh) | 重建三维模型的方法及装置和三维模型采集及重建系统 | |
| CN117132727B (zh) | 一种地图数据获取方法、计算机可读存储介质及电子设备 | |
| KR102648938B1 (ko) | 기하학적 일관성을 이용한 소수 샷 신경 방사장 기반 3차원 이미지 재구성 방법 및 장치 | |
| CN113781538B (zh) | 一种图像深度信息融合方法、系统、电子设备及存储介质 | |
| CN110988876B (zh) | 闭合鲁棒双基线InSAR相位解缠方法、系统及可读存储介质 | |
| NL2005197C2 (en) | Computer controlled evaluation of binary images. | |
| CN117611781A (zh) | 一种实景三维模型的压平方法及装置 | |
| CN117557747A (zh) | 一种三维重建的方法、设备及介质 |
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 |