CN113808050A - 3d点云的去噪方法、装置、设备及存储介质 - Google Patents

3d点云的去噪方法、装置、设备及存储介质 Download PDF

Info

Publication number
CN113808050A
CN113808050A CN202111130149.8A CN202111130149A CN113808050A CN 113808050 A CN113808050 A CN 113808050A CN 202111130149 A CN202111130149 A CN 202111130149A CN 113808050 A CN113808050 A CN 113808050A
Authority
CN
China
Prior art keywords
point
point cloud
determining
normal information
neighborhood
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
Application number
CN202111130149.8A
Other languages
English (en)
Other versions
CN113808050B (zh
Inventor
张东波
焦少慧
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 Youzhuju Network Technology Co Ltd
Original Assignee
Beijing Youzhuju Network 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 Youzhuju Network Technology Co Ltd filed Critical Beijing Youzhuju Network Technology Co Ltd
Priority to CN202111130149.8A priority Critical patent/CN113808050B/zh
Publication of CN113808050A publication Critical patent/CN113808050A/zh
Application granted granted Critical
Publication of CN113808050B publication Critical patent/CN113808050B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10024—Color image
    • 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

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Processing Or Creating Images (AREA)
  • Image Processing (AREA)

Abstract

本公开实施例公开了一种3D点云的去噪方法、装置、设备及存储介质。确定3D点云中各3D点的法线信息；对3D点云进行归一化处理；确定归一化处理后的3D点云中各3D点的特征指示函数；根据邻域点云的特征指示函数和法线信息确定各3D点的位移向量；根据位移向量对各3D点进行平移，获得去噪后的3D点云。本公开实施例提供的3D点云的去噪方法，根据邻域点云的特征指示函数和法线信息确定各3D点的位移向量，并根据位移向量对各3D点进行平移，实现对3D点云的去噪处理，可以在去噪过程中有效保持点云固有颜色和几何细节信息。

Description

3D点云的去噪方法、装置、设备及存储介质
技术领域
本公开实施例涉及图像图形处理技术领域，尤其涉及一种3D点云的去噪方法、装置、设备及存储介质。
背景技术
近些年来，随着计算机硬件设备计算能力以及三维(3-dimension，3D)扫描技术的不断提升，尤其是消费级3D扫描设备精度的突飞猛进，使得快速数字化三维物体成为可能。点云作为一种紧凑的三维模型表达形式，已经广泛应用于虚拟试衣、增强现实(AugmentedReality，AR)直播、虚拟现实(Virtual Reality，VR)视频会议以及自动驾驶等领域。受环境、设备物理精度、以及模型材质属性等影响，三维点云模型获取过程中不可避免的存在噪声，需要对点云进行“清洗”以更佳地服务于下游相关应用。
目前现有的点云去噪方法主要面临两大问题：方法普适性差，往往只是为了某一特定类型噪声进行特定设计，而且方法本身对于参数设置较敏感，用户需要针对不同模型进行手动调参来获得较好的去噪效果；由于噪声和几何细节共有的高频属性，去噪过程中缺少针对几何细节的特定设计导致几何细节以及点云的颜色信息(RGB)造成不同程度的平滑。为了更好的服务下游相关应用，如何在点云去噪的同时自适应的保持点云固有的颜色和几何细节信息已成为整个模型数字化至关重要的一步。
发明内容
本公开实施例提供一种3D点云的去噪方法、装置、设备及存储介质，以实现对3D点云的去噪处理，可以在去噪过程中有效保持点云固有颜色和几何细节信息。
第一方面，本公开实施例提供了一种3D点云的去噪方法，包括：
确定3D点云中各3D点的法线信息；
对所述3D点云进行归一化处理；
确定归一化处理后的3D点云中各3D点的特征指示函数；
根据邻域点云的特征指示函数和法线信息确定各3D点的位移向量；
根据所述位移向量对各3D点进行平移，获得去噪后的3D点云。
第二方面，本公开实施例还提供了一种3D点云的去噪装置，包括：
法线信息确定模块，用于确定3D点云中各3D点的法线信息；
3D点云归一化模块，用于对所述3D点云进行归一化处理；
特征指示函数确定模块，用于确定归一化处理后的3D点云中各3D点的特征指示函数；
位移向量确定模块，用于根据邻域点云的特征指示函数和法线信息确定各3D点的位移向量；
3D点平移模块，用于根据所述位移向量对各3D点进行平移，获得去噪后的3D点云。
第三方面，本公开实施例还提供了一种电子设备，所述电子设备包括：
一个或多个处理装置；
存储装置，用于存储一个或多个程序；
当所述一个或多个程序被所述一个或多个处理装置执行，使得所述一个或多个处理装置实现如本公开实施例所述的3D点云的去噪方法。
第四方面，本公开实施例还提供了一种计算机可读介质，其上存储有计算机程序，该程序被处理装置执行时实现如本公开实施例所述的3D点云的去噪方法。
本公开实施例公开了一种3D点云的去噪方法、装置、设备及存储介质。确定3D点云中各3D点的法线信息；对3D点云进行归一化处理；确定归一化处理后的3D点云中各3D点的特征指示函数；根据邻域点云的特征指示函数和法线信息确定各3D点的位移向量；根据位移向量对各3D点进行平移，获得去噪后的3D点云。本公开实施例提供的3D点云的去噪方法，根据邻域点云的特征指示函数和法线信息确定各3D点的位移向量，并根据位移向量对各3D点进行平移，实现对3D点云的去噪处理，可以在去噪过程中有效保持点云固有颜色和几何细节信息。
附图说明
图1是本公开实施例中的一种3D点云的去噪方法的流程图；
图2是本公开实施例中的一种3D点云的去噪装置的结构示意图；
图3是本公开实施例中的一种电子设备的结构示意图。
具体实施方式
下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例，然而应当理解的是，本公开可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例，相反提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是，本公开的附图及实施例仅用于示例性作用，并非用于限制本公开的保护范围。
应当理解，本公开的方法实施方式中记载的各个步骤可以按照不同的顺序执行，和/或并行执行。此外，方法实施方式可以包括附加的步骤和/或省略执行示出的步骤。本公开的范围在此方面不受限制。
本文使用的术语“包括”及其变形是开放性包括，即“包括但不限于”。术语“基于”是“至少部分地基于”。术语“一个实施例”表示“至少一个实施例”；术语“另一实施例”表示“至少一个另外的实施例”；术语“一些实施例”表示“至少一些实施例”。其他术语的相关定义将在下文描述中给出。
需要注意，本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分，并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
需要注意，本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的，本领域技术人员应当理解，除非在上下文另有明确指出，否则应该理解为“一个或多个”。
本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的，而并不是用于对这些消息或信息的范围进行限制。
图1为本公开实施例提供的一种3D点云的去噪方法的流程图，本实施例可适用于对3D点云中的噪点进行处理的情况，该方法可以由3D点云的去噪装置来执行，该装置可由硬件和/或软件组成，并一般可集成在具有3D点云的去噪功能的设备中，该设备可以是服务器、移动终端或服务器集群等电子设备。
如图1所示，该方法具体包括如下步骤：
步骤110，确定3D点云中各3D点的法线信息。
其中，3D点云还可以称之为RGBD数据，3D点可以包含有颜色(Red Green Blue，RGB)信息、深度(Depth，D)信息及坐标信息(X，Y，Z)。3D点云可以是由深度相机采集获得的。法线信息可以理解为法线向量，包括法线的方向和大小。
本实施例中，可以采用K近邻估计法、半径近邻估计法或者混合搜索估计法来确定各3D点的法线信息。
可选的，确定3D点云中各3D点的法线信息的过程可以是：根据投影矩阵确定各3D点在深度图中的像素坐标；根据深度图中的邻域像素坐标确定各3D点的初始法线信息；根据相机位姿信息对初始法线信息进行校正，获得最终的法线信息。
其中，投影矩阵可以是3D点所在的三维坐标系与深度坐标系间的转换矩阵。将3D点的坐标信息(X，Y，Z)与投影矩阵进行点乘，可以获得3D点在深度图中的像素坐标。在深度图中，对于每个像素点，根据各像素点的像素坐标和该像素点周围邻域像素点的像素坐标，计算该像素点沿X方向和Y方向的梯度，将X方向的梯度和Y方向的梯度进行叉乘，获得各3D点的初始法线信息。
其中，根据相机位姿信息对初始法线信息进行校正，获得最终的法线信息的方式可以是：获取3D点到相机原点的向量；计算法线与向量间的夹角；若夹角小于设定阈值，则将初始法线信息确定为最终的法线信息；否则，将法线信息中的方向取反。
其中，相机原点的坐标为(0，0，0)，假设3D点的坐标信息为(X，Y，Z)，则3D点到相机原点的向量为(X，Y，Z)。设定阈值可以是90度。具体的，在获得3D点到相机原点的向量后，计算该向量与3D点的法线间的夹角，若夹角小于90度，则保留初始法线信息，若夹角大于或者等于90度，则将初始法线信息中的方向取反，获得最终的法线信息。
步骤120，对3D点云进行归一化处理。
具体的，对3D点云进行归一化处理的过程可以是：首先平移整个3D点云模型，使得3D点云模型的中心点与世界坐标系的原点重合，然后采用主成份分析方法(PrincipalComponent Analysis，PCA)对3D模型进行归一化处理。
步骤130，确定归一化处理后的3D点云中各3D点的特征指示函数。
本实施例中，确定归一化处理后的3D点云中各3D点的特征指示函数的方式可以是：对于每个3D点，构建3D点的邻域结构；对邻域结构进行特征分解，获得设定数量的特征值；根据设定数量的特征值确定3D点的特征指示函数。
其中，设定数量为三个。具体的，可以采用K近邻算法构建各3D点的邻域结构，然后计算邻域结构的海森矩阵(Hessian Matrix)，并对海森矩阵进行特征分解，获得三个特征值。其中，三个特征值按照从大到小排序为：λ1≥λ2≥λ3。则根据设定数量的特征值确定3D点的特征指示函数的计算公式为：
Figure BDA0003280255850000061
D表示特征指示函数。
步骤140，根据邻域点云的特征指示函数和法线信息确定各3D点的位移向量。
其中，位移向量可以理解为相对于3D点到潜在曲面的位移向量。本实施例中，为了保证能够有效的处理大噪声场景下的点云数据，在计算位移向量时引入多尺度信息，即对不同尺度下的邻域点云分别计算一个位移向量，然后对不同尺度下的位移向量取平均作为噪声点最终的位移向量，即计算噪声点到潜在曲面的距离，然后沿其法线的反方向进行平移。
具体的，根据邻域点云的特征指示函数和法线信息确定各3D点的位移向量的方式可以是：对于每个3D点，获取3D点的至少一个尺度的邻域点云；根据特征指示函数和法线信息确定至少一个尺度的邻域点云分别对应的位移向量；计算至少一个位移向量的平均值，获得3D点的位移向量。
其中，尺度表征包含的邻域点数量。
具体的，根据特征指示函数和法线信息确定至少一个尺度的邻域点云分别对应的位移向量的方式可以是：对于每个尺度下的邻域点云，获取各邻域点的坐标信息；根据各邻域点的特征指示函数、法线信息、坐标信息以及3D点的特征指示函数、法线信息、坐标信息确定当前尺度下的位移向量。
根据各邻域点的坐标信息和3D点的坐标信息计算第一权重，根据各邻域点的法线信息和3D点的坐标信息计算第二权重，根据各邻域点的特征指示函数和3D点的特征指示函数计算第三权重，再根据第一权重、第二权重和第三权重计算位移向量。
其中，对于每种尺度下的邻域点云，按照如下公式计算位移向量：
Figure BDA0003280255850000071
其中，L表示位移向量，p0表示3D点(噪声点)的坐标信息，n0表示3D点的法线向量，pi表示该尺度下第i个邻域点的坐标信息，ni表示该尺度下第i个邻域点的法线向量，Q表示该尺度下的邻域点集，φ为第一权重，θ为第二权重，γ为第三权重。
其中，
Figure BDA0003280255850000081
其中，diag表示该尺度下的邻域点集对应的包围盒的对角线长度，m表示该尺度下的邻域点集Q的势。
其中，
Figure BDA0003280255850000082
σn可以设置为15。
其中，
Figure BDA0003280255850000083
σd表示特征指示函数在该尺度下的邻域点集的标准差。
在获得多个尺度下的邻域点集的位移向量后，计算多个位移向量的平均值，将该平均值作为3D点最终的位移向量。
步骤150，根据位移向量对各3D点进行平移，获得去噪后的3D点云。
本实施例中，在获得位移向量后，沿法线的反方向平移3D点。
具体的，根据位移向量对各3D点进行平移的过程可以是：将位移向量与3D点的法线进行点乘，获得中间向量；将3D点的坐标信息按照中间向量进行平移。
其中，根据位移向量对各3D点进行平移的公式可以是：
Figure BDA0003280255850000084
其中，
Figure BDA0003280255850000085
表示平移后的3D点的坐标新，
Figure BDA0003280255850000086
表示最终的位移向量。
本公开实施例的技术方案，确定3D点云中各3D点的法线信息；对3D点云进行归一化处理；确定归一化处理后的3D点云中各3D点的特征指示函数；根据邻域点云的特征指示函数和法线信息确定各3D点的位移向量；根据位移向量对各3D点进行平移，获得去噪后的3D点云。本公开实施例提供的3D点云的去噪方法，根据邻域点云的特征指示函数和法线信息确定各3D点的位移向量，并根据位移向量对各3D点进行平移，实现对3D点云的去噪处理，可以在去噪过程中有效保持点云固有颜色和几何细节信息。
图2是本公开实施例提供的一种3D点云的去噪装置的结构示意图，如图2所示，该装置包括：
法线信息确定模块210，用于确定3D点云中各3D点的法线信息；
3D点云归一化模块220，用于对3D点云进行归一化处理；
特征指示函数确定模块230，用于确定归一化处理后的3D点云中各3D点的特征指示函数；
位移向量确定模块240，用于根据邻域点云的特征指示函数和法线信息确定各3D点的位移向量；
3D点平移模块250，用于根据位移向量对各3D点进行平移，获得去噪后的3D点云。
可选的，法线信息确定模块210，还用于：
根据投影矩阵确定各3D点在深度图中的像素坐标；
根据深度图中的邻域像素坐标确定各3D点的初始法线信息；
根据相机位姿信息对初始法线信息进行校正，获得最终的法线信息。
可选的，法线信息确定模块210，还用于：
获取3D点到相机原点的向量；
计算法线与向量间的夹角；
若夹角小于设定阈值，则将初始法线信息确定为最终的法线信息；
否则，将法线信息中的方向取反。
可选的，特征指示函数确定模块230，还用于：
对于每个3D点，构建3D点的邻域结构；
对邻域结构进行特征分解，获得设定数量的特征值；
根据设定数量的特征值确定3D点的特征指示函数。
可选的，位移向量确定模块240，还用于：
对于每个3D点，获取3D点的至少一个尺度的邻域点云；其中，尺度表征包含的邻域点数量；
根据特征指示函数和法线信息确定至少一个尺度的邻域点云分别对应的位移向量；
计算至少一个位移向量的平均值，获得3D点的位移向量。
可选的，位移向量确定模块240，还用于：
对于每个尺度下的邻域点云，获取各邻域点的坐标信息；
根据各邻域点的特征指示函数、法线信息、坐标信息以及3D点的特征指示函数、法线信息、坐标信息确定当前尺度下的位移向量。
可选的，3D点平移模块250，还用于：
将位移向量与3D点的法线进行点乘，获得中间向量；
将3D点的坐标信息按照中间向量进行平移。
上述装置可执行本公开前述所有实施例所提供的方法，具备执行上述方法相应的功能模块和有益效果。未在本实施例中详尽描述的技术细节，可参见本公开前述所有实施例所提供的方法。
下面参考图3，其示出了适于用来实现本公开实施例的电子设备300的结构示意图。本公开实施例中的电子设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端，或者各种形式的服务器，如独立服务器或者服务器集群。图3示出的电子设备仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。
如图3所示，电子设备300可以包括处理装置(例如中央处理器、图形处理器等)301，其可以根据存储在只读存储装置(ROM)302中的程序或者从存储装置305加载到随机访问存储装置(RAM)303中的程序而执行各种适当的动作和处理。在RAM 303中，还存储有电子设备300操作所需的各种程序和数据。处理装置301、ROM 302以及RAM 303通过总线304彼此相连。输入/输出(I/O)接口305也连接至总线304。
通常，以下装置可以连接至I/O接口305：包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置306；包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置307；包括例如磁带、硬盘等的存储装置308；以及通信装置309。通信装置309可以允许电子设备300与其他设备进行无线或有线通信以交换数据。虽然图3示出了具有各种装置的电子设备300，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。
特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行词语的推荐方法的程序代码。在这样的实施例中，该计算机程序可以通过通信装置309从网络上被下载和安装，或者从存储装置305被安装，或者从ROM 302被安装。在该计算机程序被处理装置301执行时，执行本公开实施例的方法中限定的上述功能。
需要说明的是，本公开上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：电线、光缆、RF(射频)等等，或者上述的任意合适的组合。
在一些实施方式中，客户端、服务器可以利用诸如HTTP(HyperText TransferProtocol，超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信，并且可以与任意形式或介质的数字数据通信(例如，通信网络)互连。通信网络的示例包括局域网(“LAN”)，广域网(“WAN”)，网际网(例如，互联网)以及端对端网络(例如，ad hoc端对端网络)，以及任何当前已知或未来研发的网络。
上述计算机可读介质可以是上述电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。
上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备：确定3D点云中各3D点的法线信息；对所述3D点云进行归一化处理；确定归一化处理后的3D点云中各3D点的特征指示函数；根据邻域点云的特征指示函数和法线信息确定各3D点的位移向量；根据所述位移向量对各3D点进行平移，获得去噪后的3D点云。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的操作的计算机程序代码，上述程序设计语言包括但不限于面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图，图示了按照本公开各种实施例的系统、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模块、程序段、或代码的一部分，该模块、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，两个接连地表示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操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。
描述于本公开实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。其中，单元的名称在某种情况下并不构成对该单元本身的限定。
本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如，非限制性地，可以使用的示范类型的硬件逻辑部件包括：现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上系统(SOC)、复杂可编程逻辑设备(CPLD)等等。
在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
根据本公开实施例的一个或多个实施例，本公开实施例公开了一种3D点云的去噪方法，包括：
确定3D点云中各3D点的法线信息；
对所述3D点云进行归一化处理；
确定归一化处理后的3D点云中各3D点的特征指示函数；
根据邻域点云的特征指示函数和法线信息确定各3D点的位移向量；
根据所述位移向量对各3D点进行平移，获得去噪后的3D点云。
进一步地，确定3D点云中各3D点的法线信息，包括：
根据投影矩阵确定各3D点在深度图中的像素坐标；
根据所述深度图中的邻域像素坐标确定各3D点的初始法线信息；
根据相机位姿信息对所述初始法线信息进行校正，获得最终的法线信息。
进一步地，根据相机位姿信息对所述初始法线信息进行校正，获得最终的法线信息，包括：
获取3D点到相机原点的向量；
计算法线与所述向量间的夹角；
若所述夹角小于设定阈值，则将初始法线信息确定为最终的法线信息；
否则，将法线信息中的方向取反。
进一步地，确定归一化处理后的3D点云中各3D点的特征指示函数，包括：
对于每个3D点，构建所述3D点的邻域结构；
对所述邻域结构进行特征分解，获得设定数量的特征值；
根据所述设定数量的特征值确定所述3D点的特征指示函数。
进一步地，根据邻域点云的特征指示函数和法线信息确定各3D点的位移向量，包括：
对于每个3D点，获取所述3D点的至少一个尺度的邻域点云；其中，所述尺度表征包含的邻域点数量；
根据特征指示函数和法线信息确定所述至少一个尺度的邻域点云分别对应的位移向量；
计算至少一个位移向量的平均值，获得所述3D点的位移向量。
进一步地，根据特征指示函数和法线信息确定所述至少一个尺度的邻域点云分别对应的位移向量，包括：
对于每个尺度下的邻域点云，获取各邻域点的坐标信息；
根据所述各邻域点的特征指示函数、法线信息、坐标信息以及3D点的特征指示函数、法线信息、坐标信息确定当前尺度下的位移向量。
进一步地，根据所述位移向量对各3D点进行平移，包括：
将所述位移向量与所述3D点的法线进行点乘，获得中间向量；
将所述3D点的坐标信息按照所述中间向量进行平移。
注意，上述仅为本公开的较佳实施例及所运用技术原理。本领域技术人员会理解，本公开不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本公开的保护范围。因此，虽然通过以上实施例对本公开进行了较为详细的说明，但是本公开不仅仅限于以上实施例，在不脱离本公开构思的情况下，还可以包括更多其他等效实施例，而本公开的范围由所附的权利要求范围决定。

Claims (10)

1.一种3D点云的去噪方法，其特征在于，包括：
确定3D点云中各3D点的法线信息；
对所述3D点云进行归一化处理；
确定归一化处理后的3D点云中各3D点的特征指示函数；
根据邻域点云的特征指示函数和法线信息确定各3D点的位移向量；
根据所述位移向量对各3D点进行平移，获得去噪后的3D点云。
2.根据权利要求1所述的方法，其特征在于，确定3D点云中各3D点的法线信息，包括：
根据投影矩阵确定各3D点在深度图中的像素坐标；
根据所述深度图中的邻域像素坐标确定各3D点的初始法线信息；
根据相机位姿信息对所述初始法线信息进行校正，获得最终的法线信息。
3.根据权利要求2所述的方法，其特征在于，根据相机位姿信息对所述初始法线信息进行校正，获得最终的法线信息，包括：
获取3D点到相机原点的向量；
计算法线与所述向量间的夹角；
若所述夹角小于设定阈值，则将初始法线信息确定为最终的法线信息；
否则，将法线信息中的方向取反。
4.根据权利要求1所述的方法，其特征在于，确定归一化处理后的3D点云中各3D点的特征指示函数，包括：
对于每个3D点，构建所述3D点的邻域结构；
对所述邻域结构进行特征分解，获得设定数量的特征值；
根据所述设定数量的特征值确定所述3D点的特征指示函数。
5.根据权利要求1所述的方法，其特征在于，根据邻域点云的特征指示函数和法线信息确定各3D点的位移向量，包括：
对于每个3D点，获取所述3D点的至少一个尺度的邻域点云；其中，所述尺度表征包含的邻域点数量；
根据特征指示函数和法线信息确定所述至少一个尺度的邻域点云分别对应的位移向量；
计算至少一个位移向量的平均值，获得所述3D点的位移向量。
6.根据权利要求5所述的方法，其特征在于，根据特征指示函数和法线信息确定所述至少一个尺度的邻域点云分别对应的位移向量，包括：
对于每个尺度下的邻域点云，获取各邻域点的坐标信息；
根据所述各邻域点的特征指示函数、法线信息、坐标信息以及3D点的特征指示函数、法线信息、坐标信息确定当前尺度下的位移向量。
7.根据权利要求6所述的方法，其特征在于，根据所述位移向量对各3D点进行平移，包括：
将所述位移向量与所述3D点的法线进行点乘，获得中间向量；
将所述3D点的坐标信息按照所述中间向量进行平移。
8.一种3D点云的去噪装置，其特征在于，包括：
法线信息确定模块，用于确定3D点云中各3D点的法线信息；
3D点云归一化模块，用于对所述3D点云进行归一化处理；
特征指示函数确定模块，用于确定归一化处理后的3D点云中各3D点的特征指示函数；
位移向量确定模块，用于根据邻域点云的特征指示函数和法线信息确定各3D点的位移向量；
3D点平移模块，用于根据所述位移向量对各3D点进行平移，获得去噪后的3D点云。
9.一种电子设备，其特征在于，所述电子设备包括：
一个或多个处理装置；
存储装置，用于存储一个或多个程序；
当所述一个或多个程序被所述一个或多个处理装置执行，使得所述一个或多个处理装置实现如权利要求1-7中任一所述的3D点云的去噪方法。
10.一种计算机可读介质，其上存储有计算机程序，其特征在于，该程序被处理装置执行时实现如权利要求1-7中任一所述的3D点云的去噪方法。
CN202111130149.8A 2021-09-26 2021-09-26 3d点云的去噪方法、装置、设备及存储介质 Active CN113808050B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111130149.8A CN113808050B (zh) 2021-09-26 2021-09-26 3d点云的去噪方法、装置、设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111130149.8A CN113808050B (zh) 2021-09-26 2021-09-26 3d点云的去噪方法、装置、设备及存储介质

Publications (2)

Publication Number Publication Date
CN113808050A true CN113808050A (zh) 2021-12-17
CN113808050B CN113808050B (zh) 2024-02-20

Family

ID=78938554

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111130149.8A Active CN113808050B (zh) 2021-09-26 2021-09-26 3d点云的去噪方法、装置、设备及存储介质

Country Status (1)

Country Link
CN (1) CN113808050B (zh)

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104778701A (zh) * 2015-04-15 2015-07-15 浙江大学 一种基于rgb-d传感器的局部图像描述方法
CN108133226A (zh) * 2017-11-27 2018-06-08 西北工业大学 一种基于harris改进的三维点云特征提取方法
CN109146817A (zh) * 2018-08-23 2019-01-04 西安工业大学 一种非迭代单一物体散乱点云数据的噪声处理方法
CN111381579A (zh) * 2018-12-30 2020-07-07 浙江宇视科技有限公司 一种云台故障检测方法、装置、计算机设备及存储介质
CN112381861A (zh) * 2020-09-18 2021-02-19 南京航空航天大学 一种基于地基激光雷达的林地点云数据配准和分割方法
CN112435193A (zh) * 2020-11-30 2021-03-02 中国科学院深圳先进技术研究院 一种点云数据去噪的方法、装置、存储介质和电子设备
CN112802077A (zh) * 2021-01-12 2021-05-14 广东奥普特科技股份有限公司 一种高精度点云法向计算方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104778701A (zh) * 2015-04-15 2015-07-15 浙江大学 一种基于rgb-d传感器的局部图像描述方法
CN108133226A (zh) * 2017-11-27 2018-06-08 西北工业大学 一种基于harris改进的三维点云特征提取方法
CN109146817A (zh) * 2018-08-23 2019-01-04 西安工业大学 一种非迭代单一物体散乱点云数据的噪声处理方法
CN111381579A (zh) * 2018-12-30 2020-07-07 浙江宇视科技有限公司 一种云台故障检测方法、装置、计算机设备及存储介质
CN112381861A (zh) * 2020-09-18 2021-02-19 南京航空航天大学 一种基于地基激光雷达的林地点云数据配准和分割方法
CN112435193A (zh) * 2020-11-30 2021-03-02 中国科学院深圳先进技术研究院 一种点云数据去噪的方法、装置、存储介质和电子设备
CN112802077A (zh) * 2021-01-12 2021-05-14 广东奥普特科技股份有限公司 一种高精度点云法向计算方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
YUJUAN REN，等: ""Overall Filtering Algorithm for Multiscale Noise Removal From Point Cloud Data"", 《IEEE ACCESS》, pages 3 *

Also Published As

Publication number Publication date
CN113808050B (zh) 2024-02-20

Similar Documents

Publication Publication Date Title
CN110413812B (zh) 神经网络模型的训练方法、装置、电子设备及存储介质
CN110728622B (zh) 鱼眼图像处理方法、装置、电子设备及计算机可读介质
CN111414879A (zh) 人脸遮挡程度识别方法、装置、电子设备及可读存储介质
CN110298851B (zh) 人体分割神经网络的训练方法及设备
CN114399588B (zh) 三维车道线生成方法、装置、电子设备和计算机可读介质
CN110555798A (zh) 图像变形方法、装置、电子设备及计算机可读存储介质
CN111915532B (zh) 图像追踪方法、装置、电子设备及计算机可读介质
CN115908679A (zh) 纹理映射方法、装置、设备及存储介质
CN112085733B (zh) 图像处理方法、装置、电子设备和计算机可读介质
CN111862351A (zh) 定位模型优化方法、定位方法和定位设备
CN110717467A (zh) 头部姿势的估计方法、装置、设备及存储介质
CN113274735B (zh) 模型处理方法、装置、电子设备及计算机可读存储介质
CN113506356B (zh) 面积图的绘制方法、装置、可读介质和电子设备
CN111680754B (zh) 图像分类方法、装置、电子设备及计算机可读存储介质
CN114742934A (zh) 图像渲染方法、装置、可读介质及电子设备
CN113808050A (zh) 3d点云的去噪方法、装置、设备及存储介质
CN114863025B (zh) 三维车道线生成方法、装置、电子设备和计算机可读介质
CN112215789B (zh) 图像去雾方法、装置、设备和计算机可读介质
CN115170674B (zh) 基于单张图像的相机主点标定方法、装置、设备和介质
CN112395826B (zh) 文字特效处理方法及装置
CN112883757B (zh) 生成跟踪姿态结果的方法
CN111275813B (zh) 数据处理方法、装置和电子设备
CN110189279B (zh) 模型训练方法、装置、电子设备及存储介质
CN112214187B (zh) 水波纹图像实现方法及装置
CN118115654A (zh) 三维包围框的生成方法、装置和电子设备

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