CN112907480B - 点云表面波纹去除方法、装置、终端及存储介质 - Google Patents

点云表面波纹去除方法、装置、终端及存储介质 Download PDF

Info

Publication number
CN112907480B
CN112907480B CN202110263098.XA CN202110263098A CN112907480B CN 112907480 B CN112907480 B CN 112907480B CN 202110263098 A CN202110263098 A CN 202110263098A CN 112907480 B CN112907480 B CN 112907480B
Authority
CN
China
Prior art keywords
point cloud
depth
point
wavelength
matrix
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
CN202110263098.XA
Other languages
English (en)
Other versions
CN112907480A (zh
Inventor
赵勇
钱浩
林昌伟
龚月
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.)
Beijing Gelingshentong Information Technology Co ltd
Original Assignee
Beijing Gelingshentong Information Technology Co ltd
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 Beijing Gelingshentong Information Technology Co ltd filed Critical Beijing Gelingshentong Information Technology Co ltd
Priority to CN202110263098.XA priority Critical patent/CN112907480B/zh
Publication of CN112907480A publication Critical patent/CN112907480A/zh
Application granted granted Critical
Publication of CN112907480B publication Critical patent/CN112907480B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00Image enhancement or restoration
    • G06T5/70Denoising; Smoothing
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/10Image acquisition modality
    • G06T2207/10004Still image; Photographic image
    • G06T2207/10012Stereo images

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Length Measuring Devices With Unspecified Measuring Means (AREA)

Abstract

本申请实施例提供一种点云表面波纹去除方法、装置、终端及存储介质,涉及质量检测技术。其中,点云表面波纹去除方法,其特征在于,包括:获取点云波纹的波长;根据滑动平均滤波及所述点云数据的波长得到点云的第一深度变化矩阵;对所述第一深度变化矩阵进行深度低通滤波,得到的第二深度变化矩阵,根据所述第二深度变化矩阵确定去除表面波纹后的点云。如此,本申请能够快速的去除因机械震动造成的点云表面波纹,且对点云的分辨率的影响较小,利于确保点云的精度。

Description

点云表面波纹去除方法、装置、终端及存储介质
技术领域
本申请涉及质量检测技术,尤其是涉及一种点云表面波纹去除方法、装置、终端及存储介质。
背景技术
采用激光扫描等技术获取的离散点云数据常常包含有并不需要的噪声信息,比如树木、植被、行人及过往车辆等;这些噪声信息不但会占用存储空间,还会给后期数据处理带来不便,比如影响配准速度,降低三维建模的精度等。因此,有必要对获取的点云数据进行处理,剔除噪声信息,分离出目标实体,这一过程被称为点云滤波。
相关技术中,点云滤波方案采用的大多为直通滤波、体素栅格滤波、统计离群点滤波、条件滤波等方案。这些滤波方案大致分为两类:一类主要作用为去除点云的离群点,保留点云对象的主体部分;另一类通过降采样的方式减少点云噪声。对于由于机械震动造成的点云表面波纹的情况,第一种去除点云的离群点的方案无法去除表面波纹,第二种降采样的方案在采样格栅设计合理的情况下能够去除,但会大大降低点云的分辨率,造成精度的丢失。
发明内容
为了解决上述技术缺陷之一,本申请实施例中提供了一种点云表面波纹去除方法、装置、终端及存储介质。
本申请第一方面实施例提供一种点云表面波纹去除方法,包括:
获取点云波纹的波长;
根据滑动平均滤波及所述点云数据的波长得到点云的第一深度变化矩阵;
对所述第一深度变化矩阵进行深度低通滤波,得到的第二深度变化矩阵,根据所述第二深度变化矩阵确定去除表面波纹后的点云。
本申请第二方面实施例提供一种点云表面波纹去除装置,包括:
获取模块,用于获取点云波纹的波长;
第一处理模块,用于根据滑动平均滤波及所述点云数据的波长得到点云的第一深度变化矩阵;
第二处理模块,用于对所述第一深度变化矩阵进行深度低通滤波,得到的第二深度变化矩阵,根据所述第二深度变化矩阵确定去除表面波纹后的点云。
本申请第三方面实施例提供一种终端,包括:
存储器;能够支持处理器读取带有波纹的原始点云的设备,同时支持处理器将通过前述任一项所述的方法处理后的点云数据进行存储。
处理器;能够从存储器中读入原始点云,并根据前述任一项所述的方法对点云进行处理,得到滤波后的点云数据。
计算机程序;存储在所述存储器中,能够通过计算机语言实现前述任一项所述的方法的功能,完成编译,并能够在处理器中快速运行。
本申请第四方面实施例提供一种,计算机可读存储介质,其上存储有计算机程序;所述计算机程序被处理器执行以实现如前述任一项所述的方法。
本申请实施例提供一种点云表面波纹去除方法、装置、终端及存储介质,通过测量点云表面波纹的波长,利用带距离阈值限制的滑动平均滤波方法,并行化的去除点云表面波纹,从而能够快速的去除因机械震动造成的点云表面波纹,且对点云的分辨率的影响较小,利于确保点云的精度。
附图说明
此处所说明的附图用来提供对本申请的进一步理解,构成本申请的一部分,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。在附图中:
图1为一示例性实施例提供的方法的流程示意图;
图2为一示例性实施例提供的装置的流程示意图;
图3a为一示例性实施例提供的带有波浪的原始点云示意图;
图3b为一示例性实施提供的通过本申请的方法处理后的点云示意图。
具体实施方式
为了使本申请实施例中的技术方案及优点更加清楚明白,以下结合附图对本申请的示例性实施例进行进一步详细的说明,显然,所描述的实施例仅是本申请的一部分实施例,而不是所有实施例的穷举。需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。
相关技术中,点云滤波方案采用的大多为直通滤波、体素栅格滤波、统计离群点滤波、条件滤波等方案。这些滤波方案大致分为两类:一类主要作用为去除点云的离群点,保留点云对象的主体部分;另一类通过降采样的方式减少点云噪声。对于由于机械震动造成的点云表面波纹的情况,第一种去除点云的离群点的方案无法去除表面波纹,第二种降采样的方案在采样格栅设计合理的情况下能够去除,但会大大降低点云的分辨率,造成精度的丢失。
为了克服上述问题中的至少一个,本申请实施例提供一种点云表面波纹去除方法、装置、终端及存储介质,通过测量点云表面波纹的波长,利用带距离阈值限制的滑动平均滤波方法,并行化的去除点云表面波纹,从而能够快速的去除因机械震动造成的点云表面波纹,且对点云的分辨率的影响较小,利于确保点云的精度。
下面结合附图对本申请实施例提供的点云表面波纹去除方法、装置、终端及存储介质的功能及实现过程进行举例说明。
如图1所示,本实施例提供的点云表面波纹去除方法,包括:
S101、获取点云波纹的波长;
S102、根据滑动平均滤波及点云数据的波长得到点云的第一深度变化矩阵;
S103、对第一深度变化矩阵进行深度低通滤波,得到的第二深度变化矩阵,根据第二深度变化矩阵确定去除表面波纹后的点云。
在步骤S101中,通过选取点云包含物件中的一个平面,在平面上按照波纹波长方向选取一定数量的点,并在波长方向上计算得到波纹波长大小。具体可包括:
获取具有波纹的点云数据;
从点云中选取物件的平面,在选取的平面上按照波纹波长方向选取多个点;
利用后向差分的方法,在波长方向得到每个选取点的导数,选取导数符号变化处的点;
确定导数符号变化处的点在波长方向上的均值距离,根据均值距离确定点云波纹的波长。
其中,在选取的平面上按照波纹波长方向选取多个点时,选取的点包括至少5个完整的波纹。
示例性地,在获取到具有波纹的点云数据后,选取点云包含物件中的一个平面,在平面上按照波纹波长方向选取一定数量的点,选取点的数量必须包含5-10个完整的波纹。在波长方向上利用后向差分的方法得到每个点的导数,在选取所有导数符号变化处的点,计算其在波长方向上的均值距离即可得到点云波纹半波长的数值,该数值的两倍即为波长大小。
在步骤S102中,利用滑动平均滤波的方法计算均值滤波后的深度图,并与原始深度图相减,得到第一深度变化量矩阵T1,该矩阵T1大小与原始深度图大小相同,像素值代表的是每个点的深度变化量。具体包括:
将点云投影到深度图上,得到原始深度图;
根据原始深度图,在波纹方向上,利用滑动平均滤波及点云数据的波长,确定滑动平均滤波后各个点的第一深度值;
根据第一深度值及采集的当前点的第二深度值确定深度变化量,根据各个点的深度变化量得到第一深度变化量矩阵。
示例性地,将整个点云投影到深度图上,在波纹方向上,利用滑动平均滤波以及步骤S101中计算得到的波长,计算出每个点在经过滑动平均滤波后的深度值,将该深度值减去当前点采集得到的深度值,如此,得到每个点在经过滑动平均滤波处理后的深度变化量。这一步骤能够得到一个深度变化量矩阵T1,该矩阵大小与原始深度图大小相同,像素值代表的是每个点的深度变化量。
其中,滑动平均滤波的过程为:滑动平均滤波基于统计规律,将连续的采样数据看成一个长度固定为N的队列,在新的一次测量后,上述队列的首数据去掉,其余N-1个数据依次前移,并将新的采样数据插入,作为新队列的尾;然后对这个队列进行算术运算,并将其结果做为本次测量的结果。
在步骤S103中,将步骤S102中的深度变化量矩阵T1中每个点经过一个固定阈值的低通滤波器,得到一个新的深度变化量矩阵T2。将低通滤波后的深度变化量矩阵T2叠加到原始采集到点云的深度图中,再变换到点云,即可完成点云表面波纹去除。具体包括:
根据具有固定阈值的低通滤波器对第一深度变化矩阵中每个点的深度变化量进行处理,得到第二深度变化矩阵;
将第二深度变化矩阵叠加至原始深度图中;
将叠加后的深度图变换到点云。
其中,对第一深度变化矩阵进行深度低通滤波,也即,根据具有固定阈值的低通滤波器对第一深度变化矩阵中每个点的深度变化量进行处理,包括:
根据如下公式进行深度低通滤波,
Figure BDA0002970917030000051
其中,d(i)表示第i个点的深度,c表示阈值。
如图3a所示,为带有波浪的原始点云;经本实施例提供的方法对其进行滤波处理后得到的点云如图3b所示,在去除波纹的同时,很好的保证了点云的精度。
本实施例提供的点云表面波纹去除方法,与相关技术中基于统计的离群点去除方法相比,本实施例的方法能够对点云主体表面的波纹进行有效的去除,为后续基于点云的数据处理提供便利;与相关技术中基于降采样的去除方案相比,本实施例的方法在去除了表面波纹的同时,几乎不会对点云分辨率造成损失,在保证了点云精度的同时降低了点云表面的噪声信号。
本实施例提供的点云表面波纹去除装置,其是与前述方法实施例相对应的产品实施例,其功能与实现过程与前述实施例相同或相似,本实施例此处不再赘述。
如图2所示,本实施例提供一种点云表面波纹去除装置,包括:
获取模块11,用于获取点云波纹的波长;
第一处理模块12,用于根据滑动平均滤波及点云数据的波长得到点云的第一深度变化矩阵;
第二处理模块13,用于对所述第一深度变化矩阵进行深度低通滤波,得到的第二深度变化矩阵,根据所述第二深度变化矩阵确定去除表面波纹后的点云。
在其中一种可能的实现方式中,获取模块11具体用于:
获取具有波纹的点云数据;
从点云中选取物件的平面,在选取的平面上按照波纹波长方向选取多个点;
利用后向差分的装置,在波长方向得到每个选取点的导数,选取导数符号变化处的点;
确定导数符号变化处的点在波长方向上的均值距离,根据均值距离确定点云波纹的波长。
在其中一种可能的实现方式中,在选取的平面上按照波纹波长方向选取多个点时,选取的点包括至少5个完整的波纹。
在其中一种可能的实现方式中,第一处理模块12具体用于:
将点云投影到深度图上,得到原始深度图;
根据原始深度图,在波纹方向上,利用滑动平均滤波及点云数据的波长,确定滑动平均滤波后各个点的第一深度值;
根据第一深度值及采集的当前点的第二深度值确定深度变化量,根据各个点的深度变化量得到第一深度变化量矩阵。
在其中一种可能的实现方式中,第二处理模块13具体用于:
根据具有固定阈值的低通滤波器对第一深度变化矩阵中每个点的深度变化量进行处理,得到第二深度变化矩阵;
将第二深度变化矩阵叠加至原始深度图中;
将叠加后的深度图变换到点云。
在其中一种可能的实现方式中,第二处理模块13具体用于:
根据如下公式进行深度低通滤波,
Figure BDA0002970917030000071
其中,d(i)表示第i个点的深度,c表示阈值。
本实施例提供的点云表面波纹去除装置,通过测量点云表面波纹的波长,利用带距离阈值限制的滑动平均滤波方法,并行化的去除点云表面波纹,从而能够快速的去除因机械震动造成的点云表面波纹,且对点云的分辨率的影响较小,利于确保点云的精度。
本实施例提供一种终端,包括:
存储器;能够支持处理器读取带有波纹的原始点云的设备,同时支持处理器将通过上述任一示例中的方法处理后的点云数据进行存储。
处理器;能够从存储器中读入原始点云,并根据上述任一示例中的方法对点云进行处理,得到滤波后的点云数据。
计算机程序;能够通过计算机语言实现任一示例中的方法的完整算法功能,完成编译,并能够在处理器中快速运行。
其中,计算机程序存储在存储器中,并被配置为由处理器执行以实现相应的方法。
存储器用于存储计算机程序,处理器在接收到执行指令后,执行计算机程序,前述相应实施例揭示的流过程定义的装置所执行的方法可以应用于处理器中,或者由处理器实现。
存储器可能包含高速随机存取存储器(RAM:Random Access Memory),也可能还包括非不稳定的存储器(non-volatile memory),例如至少一个磁盘存储器。存储器可通过至少一个通信接口(可以是有线或者无线)实现该系统网元与至少一个其他网元之间的通信连接,可以使用互联网,广域网,本地网,城域网等。
处理器可能是一种集成电路芯片,具有信号的处理能力。在实现过程中,实施例一揭示的方法的各步骤可以通过处理器中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器可以是通用处理器,包括中央处理器(Central Processing Unit,简称CPU)、网络处理器(Network Processor,简称NP)等;还可以是数字信号处理器(DSP)、专用集成电路(ASIC)、现成可编程门阵列(FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本发明实施例中的公开的相应方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
结合本发明实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成,或者用译码处理器中的硬件及软件单元组合执行完成。软件单元可以位于随机存储器,闪存、只读存储器,可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器,处理器读取存储器中的信息,结合其硬件完成上述方法的步骤。
本实施例提供一种计算机可读存储介质,其上存储有计算机程序;计算机程序被处理器执行以相应的方法。其具体实现可参见方法实施例,在此不再赘述。
需要说明的是:除非另外具体说明,否则在这些实施例中阐述的部件和步骤的相对步骤、数字表达式和数值并不限制本发明的范围。在这里示出和描述的所有示例中,除非另有规定,任何具体值应被解释为仅仅是示例性的,而不是作为限制,因此,示例性实施例的其他示例可以具有不同的值。
附图中的流程图和框图显示了根据本发明的多个实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个单元、程序段或代码的一部分,单元、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或动作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本申请的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例作出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本申请范围的所有变更和修改。
显然,本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的精神和范围。这样,倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内,则本申请也意图包含这些改动和变型在内。

Claims (12)

1.一种点云表面波纹去除方法,其特征在于,包括:
获取点云波纹的波长;
根据滑动平均滤波及所述点云数据的波长得到点云的第一深度变化矩阵;
对所述第一深度变化矩阵进行深度低通滤波,得到的第二深度变化矩阵,根据所述第二深度变化矩阵确定去除表面波纹后的点云;
所述获取点云波纹的波长,包括:
获取具有波纹的点云数据;
从点云中选取物件的平面,在选取的平面上按照波纹波长方向选取多个点;
利用后向差分的方法,在波长方向得到每个选取点的导数,选取导数符号变化处的点;
确定所述导数符号变化处的点在波长方向上的均值距离,根据所述均值距离确定点云波纹的波长。
2.根据权利要求1所述的方法,其特征在于,在选取的平面上按照波纹波长方向选取多个点时,选取的点包括至少5个完整的波纹。
3.根据权利要求1所述的方法,其特征在于,所述根据滑动平均滤波及所述点云数据的波长得到点云的第一深度变化矩阵,包括:
将点云投影到深度图上,得到原始深度图;
根据所述原始深度图,在波纹方向上,利用滑动平均滤波及所述点云数据的波长,确定滑动平均滤波后各个点的第一深度值;
根据所述第一深度值及采集的当前点的第二深度值确定深度变化量,根据各个点的所述深度变化量得到第一深度变化量矩阵。
4.根据权利要求3所述的方法,其特征在于,所述对所述第一深度变化矩阵进行深度低通滤波,得到的第二深度变化矩阵,根据所述第二深度变化矩阵确定去除表面波纹后的点云,包括:
根据具有固定阈值的低通滤波器对所述第一深度变化矩阵中每个点的深度变化量进行处理,得到第二深度变化矩阵;
将所述第二深度变化矩阵叠加至所述原始深度图中;
将叠加后的深度图变换到点云。
5.根据权利要求1所述的方法,其特征在于,所述对所述第一深度变化矩阵进行深度低通滤波,包括:
根据如下公式进行深度低通滤波,
Figure FDA0004044903480000021
其中,d(i)表示第i个点的深度,c表示阈值。
6.一种点云表面波纹去除装置,其特征在于,包括:
获取模块,用于获取点云波纹的波长;
第一处理模块,用于根据滑动平均滤波及所述点云数据的波长得到点云的第一深度变化矩阵;
第二处理模块,用于对所述第一深度变化矩阵进行深度低通滤波,得到的第二深度变化矩阵,根据所述第二深度变化矩阵确定去除表面波纹后的点云;
所述获取模块具体用于:
获取具有波纹的点云数据;
从点云中选取物件的平面,在选取的平面上按照波纹波长方向选取多个点;
利用后向差分的装置,在波长方向得到每个选取点的导数,选取导数符号变化处的点;
确定所述导数符号变化处的点在波长方向上的均值距离,根据所述均值距离确定点云波纹的波长。
7.根据权利要求6所述的装置,其特征在于,在选取的平面上按照波纹波长方向选取多个点时,选取的点包括至少5个完整的波纹。
8.根据权利要求6所述的装置,其特征在于,所述第一处理模块具体用于:
将点云投影到深度图上,得到原始深度图;
根据所述原始深度图,在波纹方向上,利用滑动平均滤波及所述点云数据的波长,确定滑动平均滤波后各个点的第一深度值;
根据所述第一深度值及采集的当前点的第二深度值确定深度变化量,根据各个点的所述深度变化量得到第一深度变化量矩阵。
9.根据权利要求8所述的装置,其特征在于,所述第二处理模块具体用于:
根据具有固定阈值的低通滤波器对所述第一深度变化矩阵中每个点的深度变化量进行处理,得到第二深度变化矩阵;
将所述第二深度变化矩阵叠加至所述原始深度图中;
将叠加后的深度图变换到点云。
10.根据权利要求6所述的装置,其特征在于,所述第二处理模块具体用于:
根据如下公式进行深度低通滤波,
Figure FDA0004044903480000031
其中,d(i)表示第i个点的深度,c表示阈值。
11.一种终端,其特征在于,包括:
存储器;能够支持处理器读取带有波纹的原始点云的设备,同时支持处理器将通过权利要求1-5任一项所述的方法处理后的点云数据进行存储;
处理器;能够从存储器中读入原始点云,并根据权利要求1-5任一项所述的方法对点云进行处理,得到滤波后的点云数据;
计算机程序;存储在所述存储器中,能够通过计算机语言实现权利要求1-5任一项所述的方法的功能,完成编译,并能够在处理器中快速运行。
12.一种计算机可读存储介质,其特征在于,其上存储有计算机程序;所述计算机程序被处理器执行以实现如权利要求1-5任一项所述的方法。
CN202110263098.XA 2021-03-11 2021-03-11 点云表面波纹去除方法、装置、终端及存储介质 Active CN112907480B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110263098.XA CN112907480B (zh) 2021-03-11 2021-03-11 点云表面波纹去除方法、装置、终端及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110263098.XA CN112907480B (zh) 2021-03-11 2021-03-11 点云表面波纹去除方法、装置、终端及存储介质

Publications (2)

Publication Number Publication Date
CN112907480A CN112907480A (zh) 2021-06-04
CN112907480B true CN112907480B (zh) 2023-05-09

Family

ID=76104832

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110263098.XA Active CN112907480B (zh) 2021-03-11 2021-03-11 点云表面波纹去除方法、装置、终端及存储介质

Country Status (1)

Country Link
CN (1) CN112907480B (zh)

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110766704A (zh) * 2019-10-22 2020-02-07 深圳瀚维智能医疗科技有限公司 乳房点云分割方法、装置、存储介质及计算机设备

Family Cites Families (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20150071566A1 (en) * 2011-07-22 2015-03-12 Raytheon Company Pseudo-inverse using weiner-levinson deconvolution for gmapd ladar noise reduction and focusing
CN102629367B (zh) * 2012-01-17 2014-11-26 安徽建筑工业学院 基于KDTree的点云数据双边滤波去噪的方法
CN106127705A (zh) * 2016-06-22 2016-11-16 成都市晶林科技有限公司 红外图像去横条纹处理方法
US10474524B2 (en) * 2017-07-12 2019-11-12 Topcon Positioning Systems, Inc. Point cloud filter method and apparatus
CN110988846B (zh) * 2019-04-22 2023-07-18 威力登激光雷达美国有限公司 可用于激光雷达的噪点识别方法以及激光雷达系统
WO2020215252A1 (zh) * 2019-04-24 2020-10-29 深圳市大疆创新科技有限公司 测距装置点云滤噪的方法、测距装置和移动平台
CN110349094A (zh) * 2019-06-12 2019-10-18 西安工程大学 基于统计离群和自适应双边混合滤波的3d点云去噪方法
CN110400273B (zh) * 2019-07-11 2022-03-22 Oppo广东移动通信有限公司 深度数据的滤波方法、装置、电子设备和可读存储介质
CN110544224B (zh) * 2019-08-12 2022-07-26 北京迈格威科技有限公司 深度图像滤波方法、装置、计算机设备和存储介质
CN111192226B (zh) * 2020-04-15 2020-07-31 苏宁云计算有限公司 一种图像融合去噪方法及装置、系统

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110766704A (zh) * 2019-10-22 2020-02-07 深圳瀚维智能医疗科技有限公司 乳房点云分割方法、装置、存储介质及计算机设备

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
高恩阳 ; 郑昊鸿 ; .点云数据滤波方法综述.科技资讯.2012,(第33期),全文. *

Also Published As

Publication number Publication date
CN112907480A (zh) 2021-06-04

Similar Documents

Publication Publication Date Title
CN108352074B (zh) 光学流估计的图像处理系统和方法
CN111681256B (zh) 图像边缘检测方法、装置、计算机设备和可读存储介质
CN110458772B (zh) 一种基于图像处理的点云滤波方法、装置和存储介质
JP6465982B2 (ja) 画像処理装置、画像処理方法及びプログラム
JP5874039B2 (ja) ステレオ画像処理装置及びステレオ画像処理方法
CN109509166B (zh) 印刷电路板图像检测方法和装置
CN112348035B (zh) 车辆关键点检测方法、装置及电子设备
CN112907480B (zh) 点云表面波纹去除方法、装置、终端及存储介质
CN112199542A (zh) 基于目标检测的车辆图像过滤方法、系统、装置及介质
CN116309628A (zh) 车道线识别方法和装置、电子设备和计算机可读存储介质
CN116385369A (zh) 深度图像质量评价方法、装置、电子设备及存储介质
CN116164763A (zh) 目标航向角确定方法、装置及电子设备、存储介质
CN110581934A (zh) 一种视频抖动消除方法、消除装置、终端设备及存储介质
CN112598314B (zh) 智能驾驶汽车的感知置信度确定方法、装置、设备及介质
CN113838075B (zh) 单目测距方法、装置及计算机可读存储介质
CN113890668A (zh) 多传感器的时间同步方法、装置及电子设备、存储介质
CN113807198A (zh) 道路网变化检测方法、模型训练方法、装置、设备及介质
CN114435402B (zh) 一种车道线平滑方法、装置和电子设备
CN113640823B (zh) 一种基于激光反射率底图进行地图绘制的方法及装置
CN115937051B (zh) 一种图像噪声处理方法、装置、设备及存储介质
CN112528900B (zh) 基于极致下采样的图像显著性物体检测方法及系统
CN113310404A (zh) 段差测量方法、装置、计算机设备及其存储介质
CN116580095A (zh) 一种目标定位方法和装置、电子设备和存储介质
JP6583111B2 (ja) 演算装置
CN116152304A (zh) 图像匹配方法、装置、电子设备及存储介质

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