JP2023509888A - 法線ベクトルに基づく点群平滑化フィルタリング方法 - Google Patents
法線ベクトルに基づく点群平滑化フィルタリング方法 Download PDFInfo
- Publication number
- JP2023509888A JP2023509888A JP2022539368A JP2022539368A JP2023509888A JP 2023509888 A JP2023509888 A JP 2023509888A JP 2022539368 A JP2022539368 A JP 2022539368A JP 2022539368 A JP2022539368 A JP 2022539368A JP 2023509888 A JP2023509888 A JP 2023509888A
- Authority
- JP
- Japan
- Prior art keywords
- normal vector
- point
- plane
- normal
- 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.)
- Granted
Links
- 239000013598 vector Substances 0.000 title claims abstract description 220
- 238000000034 method Methods 0.000 title claims abstract description 68
- 238000001914 filtration Methods 0.000 title claims abstract description 47
- 238000009499 grossing Methods 0.000 title claims abstract description 46
- 230000000694 effects Effects 0.000 claims abstract description 22
- 238000000513 principal component analysis Methods 0.000 claims abstract description 17
- 238000012545 processing Methods 0.000 claims abstract description 7
- 238000012937 correction Methods 0.000 claims description 22
- 239000011159 matrix material Substances 0.000 claims description 8
- 238000004364 calculation method Methods 0.000 claims description 6
- 238000010586 diagram Methods 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 5
- 238000005259 measurement Methods 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 238000007796 conventional method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 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
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/48—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00
- G01S7/4802—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/48—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00
- G01S7/4808—Evaluating distance, position or velocity data
-
- 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)
- Computer Networks & Wireless Communication (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
- Radar Systems Or Details Thereof (AREA)
- Image Analysis (AREA)
Abstract
法線ベクトルに基づく点群平滑化フィルタリング方法である。まずオリジナル点群の外れ点を除去する。それから離散点群セットに対して主成分分析を行って点ごとの法線ベクトルを推定し、すべての点の法線ベクトルを同じ方向に調整する。さらに各点についてそのＫ近傍を介して最小二乗法で１つの平面をフィッティングし、平面によりその点の法線ベクトルを得て同方向に調整する。次にフィッティング平面の法線ベクトルを用いて、第１ステップで算出した法線ベクトルを補正する。最後にその点を補正後の法線ベクトルの方向に沿ってそのフィッティング平面上に投影し、すなわちその点の位置を補正後の法線ベクトルとそのフィッティング平面との交点位置に調整し、点群に対する平滑化の処理効果を達成することができる。この方法は、簡単で平滑化効果が明らかであり、オリジナル点群をフィルタリングすることで後続の点群データの三角化及びＤＥＭ生成のために良い基礎となり、点群オリジナルデータに対して平滑化処理を行うのに適しており、高い実用的価値を持つ。
【選択図】図１
【選択図】図１
Description
本発明は、レーザＬｉｄａｒスキャン計測分野に関し、特に法線ベクトルに基づく点群平滑化フィルタリング方法に関する。
レーザ技術、コンピュータ技術の急速な発展に伴い、機上レーザ測定は、高精度で信頼性の高い３次元データを効率的に取得する新技術となっている。
それは、高精度の動的ＧＰＳ差分測位、慣性航法、レーザ測距などの先進技術を集積しており、天候の影響が少なく、自動化の程度が高く、作図周期が短いなどの特徴を持つ。同技術は、複雑な物体表面の３次元点群情報を迅速、精確、非接触で取得でき、さらに実体の３次元再建を完了し、現在ではデジタル都市、地形計測、地理情報システム、医学工学、文化財保護、ロボットナビゲーションなどの各業界に広く応用されている。
しかし、スキャン装置の物理的特性、スキャン環境、システム誤差、統合誤差の影響を受け、得られたオリジナル点群データは、ノイズに汚染されることが多い。オリジナル点群データを直接三角化してＤＥＭを生成するのは、効果が低いため、点群に対して平滑化フィルタリング処理を行う必要がある。しかし、従来の方法では、十分な平滑化フィルタリング効果が得られない。
本発明は、オリジナル点群データに対して平滑化処理を行うために、法線ベクトルに基づく点群平滑化フィルタリング方法を提案する。本発明は、典型的な平滑化フィルタリングとグリッドフィルタリングなどと区別する。本発明のフィルタリング方法は、点群数を減少させることなく、オリジナル点群位置を最適化し、平滑化の効果を達成する。この点群フィルタリング方法は、簡単で効果的を実現し、点群のオリジナルデータに対して平滑化処理を行うのに適しており、実用的価値が高い。
本発明は、以下の技術手段によって達成される。
法線ベクトルに基づく点群平滑化フィルタリング方法であって、以下のステップを含む。
Ｓ１：オリジナル点群の外れ点を除去し、各点周辺の設定範囲内の点の個数を統計し、一定個数より少ない場合は、外れ点と見なして除外する。
Ｓ２：離散点群セットに対して主成分分析（ＰＣＡ）を行って点ごとの法線ベクトルを推定し、すべての点の法線ベクトルを同じ方向に調整する（すなわち、法線ベクトルの第３成分Ｚがすべて０より大きくなるように調整する）。
Ｓ３：各点に対してそのＫ近傍を介して最小二乗法で１つの平面をフィッティングし、この平面モデルによりその点の法線ベクトルを取得して同方向に調整する。
Ｓ４：フィッティング平面の法線ベクトルを用いて、Ｓ２で算出した法線ベクトルを補正する。
Ｓ５：当該点を補正後の法線ベクトル方向に沿って当該フィッティング平面上に投影し、すなわち、当該点の位置を補正後の法線ベクトルと当該フィッティング平面との交点位置に調整し、点群に対する平滑化の処理効果を達成する。
Ｓ１：オリジナル点群の外れ点を除去し、各点周辺の設定範囲内の点の個数を統計し、一定個数より少ない場合は、外れ点と見なして除外する。
Ｓ２：離散点群セットに対して主成分分析（ＰＣＡ）を行って点ごとの法線ベクトルを推定し、すべての点の法線ベクトルを同じ方向に調整する（すなわち、法線ベクトルの第３成分Ｚがすべて０より大きくなるように調整する）。
Ｓ３：各点に対してそのＫ近傍を介して最小二乗法で１つの平面をフィッティングし、この平面モデルによりその点の法線ベクトルを取得して同方向に調整する。
Ｓ４：フィッティング平面の法線ベクトルを用いて、Ｓ２で算出した法線ベクトルを補正する。
Ｓ５：当該点を補正後の法線ベクトル方向に沿って当該フィッティング平面上に投影し、すなわち、当該点の位置を補正後の法線ベクトルと当該フィッティング平面との交点位置に調整し、点群に対する平滑化の処理効果を達成する。
さらに、前記ステップＳ１において、外れ点を除去して各点周辺０．３ｍの範囲内に少なくとも３点を設定し、そうでなければ外れ点と見なして除外する。このパラメータは、場合によって調整可能である。
さらに、前記ステップＳ２において、離散点群セットに対して主成分分析（ＰＣＡ）を行って点ごとの法線ベクトルを推定することは、その過程として以下を含む。
Ｓ２１：法線推定問題を、所定点の近傍に確立された共分散行列の特徴量と特徴ベクトルを解く問題に変換する。１つの点集合Ｓ＝｛Ｐ１，Ｐ２．．．ＰＮ｝を仮定し、この点集合内に所定点Ｐｉに対する共分散行列Ｃは、以下のように示される。
ここで、
は、この点集合の重心である。Ｃの特徴量と特徴ベクトルを計算し、特徴ベクトルは、空間中の１組の直交基底を構成し、最小特徴量に対応する特徴ベクトルは、所定点Ｐｉの法線に近似できる。
Ｓ２１：法線推定問題を、所定点の近傍に確立された共分散行列の特徴量と特徴ベクトルを解く問題に変換する。１つの点集合Ｓ＝｛Ｐ１，Ｐ２．．．ＰＮ｝を仮定し、この点集合内に所定点Ｐｉに対する共分散行列Ｃは、以下のように示される。
さらに、前記ステップＳ２において、すべての点の法線ベクトルを同じ方向に調整することは、その過程が以下である。
Ｓ２２：法線を求めてそれを単位化して法線ベクトルを得、（Ｘ，Ｙ，Ｚ）とし、法線ベクトルのＺ＜０ならばその法線ベクトルを逆にし、Ｚ＞０ならばそのままにし、すなわち、法線ベクトルの第３成分Ｚがすべて０より大きくなるように調整して法線ベクトルを同方向にする。
Ｓ２２：法線を求めてそれを単位化して法線ベクトルを得、（Ｘ，Ｙ，Ｚ）とし、法線ベクトルのＺ＜０ならばその法線ベクトルを逆にし、Ｚ＞０ならばそのままにし、すなわち、法線ベクトルの第３成分Ｚがすべて０より大きくなるように調整して法線ベクトルを同方向にする。
さらに、前記ステップＳ３において、最小二乗法により平面をフィッティングして法線ベクトルを取得することは、その過程が以下である。
平面方程式の一般式は、Ａ０ｘ＋Ｂ０ｙ＋Ｃ０ｚ＋Ｄ０＝０，（Ｃ０≠０）であり、
すなわち、
すなわち、ｚ＝ａｘ＋ｂｙ＋ｃ。
ここで、ａ、ｂ、ｃは、平面方程式の他の表現方法の未知パラメータである。
一連のＫ（デフォルトでＫ＝５０とし、手動で設定可能である）個の点について、このＫ個の点の座標（ｘｉ、ｙｉ、ｚｉ）（ｉ＝０，１，…，Ｋ－１）は、既知であり、上記平面方程式をフィッティング計算し、この方程式を構築して最小二乗法で平面方程式の未知パラメータを解く。
この方程式は、典型的な方程式方式のＡＸ＝Ｂと見なし、
ここで、
この方程式ＡＸ＝Ｂの最小二乗解は、Ｘ＝（ＡＴＡ－１）＊ＡＴＢであり、
このフィッティング平面方程式ｚ＝ａｘ＋ｂｙ＋ｃを求めることができ、この平面の法線は、（ａ，ｂ，－１）であり、この法線を単位化すると法線ベクトルが得られ、それを以下のように同方向に調整する。
法線ベクトルは、以下である。
ここで、ＮｏｒｍａｌＬｅｎは、法線を単位化するための、法線のノルムであり、ａ、ｂは、先に求めた平面方程式のパラメータである。
平面方程式の一般式は、Ａ０ｘ＋Ｂ０ｙ＋Ｃ０ｚ＋Ｄ０＝０，（Ｃ０≠０）であり、
すなわち、
ここで、ａ、ｂ、ｃは、平面方程式の他の表現方法の未知パラメータである。
一連のＫ（デフォルトでＫ＝５０とし、手動で設定可能である）個の点について、このＫ個の点の座標（ｘｉ、ｙｉ、ｚｉ）（ｉ＝０，１，…，Ｋ－１）は、既知であり、上記平面方程式をフィッティング計算し、この方程式を構築して最小二乗法で平面方程式の未知パラメータを解く。
この方程式は、典型的な方程式方式のＡＸ＝Ｂと見なし、
ここで、
このフィッティング平面方程式ｚ＝ａｘ＋ｂｙ＋ｃを求めることができ、この平面の法線は、（ａ，ｂ，－１）であり、この法線を単位化すると法線ベクトルが得られ、それを以下のように同方向に調整する。
さらに、前記ステップＳ４において、Ｓ２で算出した法線ベクトルをフィッティング平面の法線ベクトルを用いて補正することは、その過程が以下である。
Ｓ２で算出した法線ベクトルをｎｏｒｍ１＝（ａ１，ｂ１，ｃ１）、（ｃ１＞０）とし、
平面フィッティングによる法線ベクトルは、ｎｏｒｍ２＝（ａ２，ｂ２，ｃ２）、（ｃ２＞０）であり、
法線ベクトル補正パラメータａｌｐｈａ（デフォルトで１．０とし、修正後の法線ベクトルは、デフォルトでフィッティング平面の法線ベクトルをとる。このパラメータは、設定可能である）を用いて法線ベクトルを補正して得られた補正後の法線ベクトルは、以下である。
ｎｏｒｍ＝（ａ０，ｂ０，ｃ０）＝ｎｏｒｍ１＊（１－ａｌｐｈａ）＋ｎｏｒｍ２＊ａｌｐｈａ
ここで、ｎｏｒｍ１は、ステップＳ２でのＰＣＡ計算による法線ベクトルであり、ｎｏｒｍ２は、平面フィッティングによる法線ベクトルであり、ａｌｐｈａは、法線ベクトル補正パラメータであり、平面フィッティングによる法線ベクトルが最終補正後の法線ベクトルに占める重みを表し、ａｌｐｈａは、一般的にデフォルトで１をとり、すなわち最終補正後の法線ベクトルが平面フィッティングによる法線ベクトルとなる。
Ｓ２で算出した法線ベクトルをｎｏｒｍ１＝（ａ１，ｂ１，ｃ１）、（ｃ１＞０）とし、
平面フィッティングによる法線ベクトルは、ｎｏｒｍ２＝（ａ２，ｂ２，ｃ２）、（ｃ２＞０）であり、
法線ベクトル補正パラメータａｌｐｈａ（デフォルトで１．０とし、修正後の法線ベクトルは、デフォルトでフィッティング平面の法線ベクトルをとる。このパラメータは、設定可能である）を用いて法線ベクトルを補正して得られた補正後の法線ベクトルは、以下である。
ｎｏｒｍ＝（ａ０，ｂ０，ｃ０）＝ｎｏｒｍ１＊（１－ａｌｐｈａ）＋ｎｏｒｍ２＊ａｌｐｈａ
ここで、ｎｏｒｍ１は、ステップＳ２でのＰＣＡ計算による法線ベクトルであり、ｎｏｒｍ２は、平面フィッティングによる法線ベクトルであり、ａｌｐｈａは、法線ベクトル補正パラメータであり、平面フィッティングによる法線ベクトルが最終補正後の法線ベクトルに占める重みを表し、ａｌｐｈａは、一般的にデフォルトで１をとり、すなわち最終補正後の法線ベクトルが平面フィッティングによる法線ベクトルとなる。
さらに、前記ステップＳ５において、当該点を補正後の法線ベクトル方向に沿って当該フィッティング平面上に投影することは、その過程が以下である。
当該点の位置を補正後の法線ベクトルと当該フィッティング平面との交点位置に調整し、すなわち、点と平面との交点をその点の補正後の位置として求める。
このフィッティング平面の方程式は、Ｓ３で得られる。
ｚ＝ａｘ＋ｂｙ＋ｃ
補正後の法線ベクトルは、Ｓ４で得られる。
（ａ０，ｂ０，ｃ０）
当該点座標を（ｘｉ，ｙｉ，ｚｉ）とすると、当該法線方程式は、以下である。
当該法線と当該フィッティング平面との交点を求める。
ここで、ａ０、ｂ０、ｃ０は、補正後の法線ベクトルであり、ａ、ｂ、ｃは、ステップＳ３で最小二乗法でフィッティングした平面方程式パラメータであり、ｘｉ、ｙｉ、ｚｉは、調整するオリジナル点座標であり、ｘ、ｙ、ｚは、法線ベクトルに基づくフィルタリング調整後の点の座標であり、オリジナル点群のこの点の位置を上述の法線ベクトルとフィッティング平面の交点位置に調整することで、点群に対する平滑化の処理効果を達成できる。
当該点の位置を補正後の法線ベクトルと当該フィッティング平面との交点位置に調整し、すなわち、点と平面との交点をその点の補正後の位置として求める。
このフィッティング平面の方程式は、Ｓ３で得られる。
ｚ＝ａｘ＋ｂｙ＋ｃ
補正後の法線ベクトルは、Ｓ４で得られる。
（ａ０，ｂ０，ｃ０）
当該点座標を（ｘｉ，ｙｉ，ｚｉ）とすると、当該法線方程式は、以下である。
１）本発明の方法は、無人機搭載Ｌｉｄａｒスキャン計測分野に適用し、安定性が高く、精度が高いという利点を有する。
２）本発明の方法は、新しい点群平滑化フィルタリング構想を提案し、各点を補正後の法線ベクトル方向に沿ってフィッティング平面に投影することにより良好な平滑化効果を達成でき、また、平面をフィッティングするのに必要なＫ近傍の大きさや法線ベクトル調整の重みを設定することができ、アルゴリズムが簡単で効率的である。
３）本発明の方法は、各地形領域、例えば荒地、草地などによく適用することができ、計算量が低く、後続の点群データの三角化及びＤＥＭ生成のために、必要な良い基礎となる。
４）本発明の方法は、典型的な平滑化フィルタリングとグリッドフィルタリング法などと区別し、本フィルタリング方法は、点群数を減少させることなく、オリジナル点群位置を最適化し、平滑化の効果を達成する。
２）本発明の方法は、新しい点群平滑化フィルタリング構想を提案し、各点を補正後の法線ベクトル方向に沿ってフィッティング平面に投影することにより良好な平滑化効果を達成でき、また、平面をフィッティングするのに必要なＫ近傍の大きさや法線ベクトル調整の重みを設定することができ、アルゴリズムが簡単で効率的である。
３）本発明の方法は、各地形領域、例えば荒地、草地などによく適用することができ、計算量が低く、後続の点群データの三角化及びＤＥＭ生成のために、必要な良い基礎となる。
４）本発明の方法は、典型的な平滑化フィルタリングとグリッドフィルタリング法などと区別し、本フィルタリング方法は、点群数を減少させることなく、オリジナル点群位置を最適化し、平滑化の効果を達成する。
本発明は、法線ベクトルに基づく点群平滑化フィルタリング方法を開示する。
過程は、以下である。まずオリジナル点群の外れ点を除去する。それから離散点群セットに対して主成分分析を行って点ごとの法線ベクトルを推定し、すべての点の法線ベクトルを同じ方向に調整する（すなわち法線ベクトルの第３成分Ｚがすべて０より大きくなるように調整する）。さらに各点についてそのＫ近傍を介して最小二乗法で１つの平面をフィッティングし、平面モデルによりその点の法線ベクトルを得て同方向に調整する。次にフィッティング平面の法線ベクトルを用いて、第１ステップで算出した法線ベクトルを補正する。最後にその点を補正後の法線ベクトルの方向に沿ってそのフィッティング平面上に投影し、すなわちその点の位置を補正後の法線ベクトルとそのフィッティング平面との交点位置に調整し、点群に対する平滑化の処理効果を達成することができる。ここで、Ｋ近傍パラメータ（デフォルト５０）および法線ベクトル修正パラメータ（デフォルト１．０であり、すなわち修正後の法線ベクトルは、フィッティング平面の法線ベクトルをデフォルトとする）の両方を設定することができる。この点群フィルタリング方法は、簡単で平滑化効果が明らかであり、オリジナル点群をフィルタリングすることで後続の点群データの三角化及びＤＥＭ生成のために良い基礎となり、点群オリジナルデータに対して平滑化処理を行うのに適しており、高い実用的価値を持つ。
以下、具体的な実施形態を参照しながら、本発明を更に具体的に詳細に記載する。しかし、本発明の実施形態は、これに限られない。
本発明の法線ベクトルに基づく点群平滑化フィルタリング方法は、以下のステップで実現される。
Ｓ１：オリジナル点群の外れ点を除去し、各点周辺の設定範囲内の点の個数を統計し、一定個数より少ない場合は、外れ点と見なして除外する。
Ｓ２：離散点群セットに対して主成分分析（ＰＣＡ）を行って点ごとの法線ベクトルを推定し、すべての点の法線ベクトルを同じ方向に調整する（すなわち、法線ベクトルの第３成分Ｚがすべて０より大きくなるように調整する）。
Ｓ３：各点に対してそのＫ近傍を介して最小二乗法で１つの平面をフィッティングし、この平面モデルによりその点の法線ベクトルを取得して同方向に調整する。
Ｓ４：フィッティング平面の法線ベクトルを用いて、Ｓ２で算出した法線ベクトルを補正する。
Ｓ５：当該点を補正後の法線ベクトル方向に沿って当該フィッティング平面上に投影し、すなわち、当該点の位置を補正後の法線ベクトルと当該フィッティング平面との交点位置に調整し、点群に対する平滑化の処理効果を達成する。
Ｓ１：オリジナル点群の外れ点を除去し、各点周辺の設定範囲内の点の個数を統計し、一定個数より少ない場合は、外れ点と見なして除外する。
Ｓ２：離散点群セットに対して主成分分析（ＰＣＡ）を行って点ごとの法線ベクトルを推定し、すべての点の法線ベクトルを同じ方向に調整する（すなわち、法線ベクトルの第３成分Ｚがすべて０より大きくなるように調整する）。
Ｓ３：各点に対してそのＫ近傍を介して最小二乗法で１つの平面をフィッティングし、この平面モデルによりその点の法線ベクトルを取得して同方向に調整する。
Ｓ４：フィッティング平面の法線ベクトルを用いて、Ｓ２で算出した法線ベクトルを補正する。
Ｓ５：当該点を補正後の法線ベクトル方向に沿って当該フィッティング平面上に投影し、すなわち、当該点の位置を補正後の法線ベクトルと当該フィッティング平面との交点位置に調整し、点群に対する平滑化の処理効果を達成する。
さらに、前記ステップＳ１において、外れ点を除去して各点周辺０．３ｍの範囲内に少なくとも３点を設定し、そうでなければ外れ点と見なして除外する。このパラメータは、場合によって調整可能である。
さらに、前記ステップＳ２において、離散点群セットに対して主成分分析（ＰＣＡ）を行って点ごとの法線ベクトルを推定することは、その過程として以下を含む。
Ｓ２１：法線推定問題を、所定点の近傍に確立された共分散行列の特徴量と特徴ベクトルを解く問題に変換する。１つの点集合Ｓ＝｛Ｐ１，Ｐ２．．．ＰＮ｝を仮定し、この点集合内に所定点Ｐｉに対する共分散行列Ｃは、以下のように示される。
ここで、
は、この点集合の重心である。Ｃの特徴量と特徴ベクトルを計算し、特徴ベクトルは、空間中の１組の直交基底を構成し、最小特徴量に対応する特徴ベクトルは、所定点Ｐｉの法線に近似できる。
Ｓ２１：法線推定問題を、所定点の近傍に確立された共分散行列の特徴量と特徴ベクトルを解く問題に変換する。１つの点集合Ｓ＝｛Ｐ１，Ｐ２．．．ＰＮ｝を仮定し、この点集合内に所定点Ｐｉに対する共分散行列Ｃは、以下のように示される。
さらに、前記ステップＳ２において、すべての点の法線ベクトルを同じ方向に調整することは、その過程が以下である。
Ｓ２２：法線を求めてそれを単位化して法線ベクトルを得、（Ｘ，Ｙ，Ｚ）とし、法線ベクトルのＺ＜０ならばその法線ベクトルを逆にし、Ｚ＞０ならばそのままにし、すなわち、法線ベクトルの第３成分Ｚがすべて０より大きくなるように調整して法線ベクトルを同方向にする。
Ｓ２２：法線を求めてそれを単位化して法線ベクトルを得、（Ｘ，Ｙ，Ｚ）とし、法線ベクトルのＺ＜０ならばその法線ベクトルを逆にし、Ｚ＞０ならばそのままにし、すなわち、法線ベクトルの第３成分Ｚがすべて０より大きくなるように調整して法線ベクトルを同方向にする。
さらに、前記ステップＳ３において、最小二乗法により平面をフィッティングして法線ベクトルを取得することは、その過程が以下である。
平面方程式の一般式は、Ａ０ｘ＋Ｂ０ｙ＋Ｃ０ｚ＋Ｄ０＝０，（Ｃ０≠０）であり、
すなわち、
すなわち、ｚ＝ａｘ＋ｂｙ＋ｃ。
ここで、ａ、ｂ、ｃは、平面方程式の他の表現方法の未知パラメータである。
一連のＫ（デフォルトでＫ＝５０とし、手動で設定可能である）個の点について、このＫ個の点の座標（ｘｉ、ｙｉ、ｚｉ）（ｉ＝０，１，…，Ｋ－１）は、既知であり、上記平面方程式をフィッティング計算し、この方程式を構築して最小二乗法で平面方程式の未知パラメータを解く。
この方程式は、典型的な方程式方式のＡＸ＝Ｂと見なし、
ここで、
この方程式ＡＸ＝Ｂの最小二乗解は、Ｘ＝（ＡＴＡ－１）＊ＡＴＢである。
このフィッティング平面方程式ｚ＝ａｘ＋ｂｙ＋ｃを求めることができ、この平面の法線は、（ａ，ｂ，－１）であり、この法線を単位化すると法線ベクトルが得られ、それを以下のように同方向に調整する。
法線ベクトルは、以下である。
ここで、ＮｏｒｍａｌＬｅｎは、法線を単位化するための、法線のノルムであり、ａ、ｂは、先に求めた平面方程式のパラメータである。
平面方程式の一般式は、Ａ０ｘ＋Ｂ０ｙ＋Ｃ０ｚ＋Ｄ０＝０，（Ｃ０≠０）であり、
すなわち、
ここで、ａ、ｂ、ｃは、平面方程式の他の表現方法の未知パラメータである。
一連のＫ（デフォルトでＫ＝５０とし、手動で設定可能である）個の点について、このＫ個の点の座標（ｘｉ、ｙｉ、ｚｉ）（ｉ＝０，１，…，Ｋ－１）は、既知であり、上記平面方程式をフィッティング計算し、この方程式を構築して最小二乗法で平面方程式の未知パラメータを解く。
この方程式は、典型的な方程式方式のＡＸ＝Ｂと見なし、
ここで、
このフィッティング平面方程式ｚ＝ａｘ＋ｂｙ＋ｃを求めることができ、この平面の法線は、（ａ，ｂ，－１）であり、この法線を単位化すると法線ベクトルが得られ、それを以下のように同方向に調整する。
さらに、前記ステップＳ４において、Ｓ２で算出した法線ベクトルをフィッティング平面の法線ベクトルを用いて補正することは、その過程が以下である。
Ｓ２で算出した法線ベクトルをｎｏｒｍ１＝（ａ１，ｂ１，ｃ１）、（ｃ１＞０）とし、
平面フィッティングによる法線ベクトルは、ｎｏｒｍ２＝（ａ２，ｂ２，ｃ２）、（ｃ２＞０）であり、
法線ベクトル補正パラメータａｌｐｈａ（デフォルトで１．０とし、修正後の法線ベクトルは、デフォルトでフィッティング平面の法線ベクトルをとる。このパラメータは、設定可能である。）を用いて法線ベクトルを補正して得られた補正後の法線ベクトルは、以下である。
ｎｏｒｍ＝（ａ０，ｂ０，ｃ０）＝ｎｏｒｍ１＊（１－ａｌｐｈａ）＋ｎｏｒｍ２＊ａｌｐｈａ
ここで、ｎｏｒｍ１は、ステップＳ２でＰＣＡ計算による法線ベクトルであり、ｎｏｒｍ２は、平面フィッティングによる法線ベクトルであり、ａｌｐｈａは、法線ベクトル補正パラメータであり、平面フィッティングによる法線ベクトルが最終補正後の法線ベクトルに占める重みを表し、ａｌｐｈａは、一般的にデフォルトで１をとり、すなわち最終補正後の法線ベクトルが平面フィッティングによる法線ベクトルとなる。
Ｓ２で算出した法線ベクトルをｎｏｒｍ１＝（ａ１，ｂ１，ｃ１）、（ｃ１＞０）とし、
平面フィッティングによる法線ベクトルは、ｎｏｒｍ２＝（ａ２，ｂ２，ｃ２）、（ｃ２＞０）であり、
法線ベクトル補正パラメータａｌｐｈａ（デフォルトで１．０とし、修正後の法線ベクトルは、デフォルトでフィッティング平面の法線ベクトルをとる。このパラメータは、設定可能である。）を用いて法線ベクトルを補正して得られた補正後の法線ベクトルは、以下である。
ｎｏｒｍ＝（ａ０，ｂ０，ｃ０）＝ｎｏｒｍ１＊（１－ａｌｐｈａ）＋ｎｏｒｍ２＊ａｌｐｈａ
ここで、ｎｏｒｍ１は、ステップＳ２でＰＣＡ計算による法線ベクトルであり、ｎｏｒｍ２は、平面フィッティングによる法線ベクトルであり、ａｌｐｈａは、法線ベクトル補正パラメータであり、平面フィッティングによる法線ベクトルが最終補正後の法線ベクトルに占める重みを表し、ａｌｐｈａは、一般的にデフォルトで１をとり、すなわち最終補正後の法線ベクトルが平面フィッティングによる法線ベクトルとなる。
さらに、前記ステップＳ５において、当該点を補正後の法線ベクトル方向に沿って当該フィッティング平面上に投影することは、その過程が以下である。
当該点の位置を補正後の法線ベクトルと当該フィッティング平面との交点位置に調整し、すなわち、点と平面との交点をその点の補正後の位置として求める。
このフィッティング平面の方程式は、Ｓ３で得られる。
ｚ＝ａｘ＋ｂｙ＋ｃ
補正後の法線ベクトルは、Ｓ４で得られる。
（ａ０，ｂ０，ｃ０）
当該点座標を（ｘｉ，ｙｉ，ｚｉ）とすると、当該法線方程式は、以下である。
当該法線と当該フィッティング平面との交点を求める。
ここで、ａ０、ｂ０、ｃ０は、補正後の法線ベクトルであり、ａ、ｂ、ｃは、ステップＳ３で最小二乗法でフィッティングした平面方程式パラメータであり、ｘｉ、ｙｉ、ｚｉは、調整するオリジナル点座標であり、ｘ、ｙ、ｚは、法線ベクトルに基づくフィルタリング調整後の点の座標であり、オリジナル点群のこの点の位置を上述の法線ベクトルとフィッティング平面の交点位置に調整することで、点群に対する平滑化の処理効果を達成できる。
当該点の位置を補正後の法線ベクトルと当該フィッティング平面との交点位置に調整し、すなわち、点と平面との交点をその点の補正後の位置として求める。
このフィッティング平面の方程式は、Ｓ３で得られる。
ｚ＝ａｘ＋ｂｙ＋ｃ
補正後の法線ベクトルは、Ｓ４で得られる。
（ａ０，ｂ０，ｃ０）
当該点座標を（ｘｉ，ｙｉ，ｚｉ）とすると、当該法線方程式は、以下である。
上述したように、本発明は、好適に実現される。
本発明の実施形態は、上述した実施例に限定されるものではない。本発明の精神および原理から逸脱することなく、その他のいかなる変更、修飾、代替、組み合わせ、簡略化も、等価な置換形態であるべきであり、いずれも本発明の範囲に含まれる。
（付記）
（付記１）
法線ベクトルに基づく点群平滑化フィルタリング方法であって、以下のステップを含むことを特徴とし、
Ｓ１：オリジナル点群の外れ点を除去し、各点周辺の設定範囲内の点の個数を統計し、一定個数より少ない場合は、外れ点と見なして除外する：
Ｓ２：離散点群セットに対して主成分分析を行って点ごとの法線ベクトルを推定し、すべての点の法線ベクトルを同じ方向に調整し、すなわち、法線ベクトルの第３成分Ｚがすべて０より大きくなるように調整する：
Ｓ３：各点に対してそのＫ近傍を介して最小二乗法で１つの平面をフィッティングし、この平面モデルによりその点の法線ベクトルを取得して同方向に調整する：
Ｓ４：フィッティング平面の法線ベクトルを用いて、ステップＳ２で算出した法線ベクトルを補正する：
Ｓ５：当該点を補正後の法線ベクトル方向に沿って当該フィッティング平面上に投影し、すなわち、当該点の位置を補正後の法線ベクトルと当該フィッティング平面との交点位置に調整し、点群に対する平滑化の処理効果を達成する、
法線ベクトルに基づく点群平滑化フィルタリング方法。
（付記１）
法線ベクトルに基づく点群平滑化フィルタリング方法であって、以下のステップを含むことを特徴とし、
Ｓ１：オリジナル点群の外れ点を除去し、各点周辺の設定範囲内の点の個数を統計し、一定個数より少ない場合は、外れ点と見なして除外する：
Ｓ２：離散点群セットに対して主成分分析を行って点ごとの法線ベクトルを推定し、すべての点の法線ベクトルを同じ方向に調整し、すなわち、法線ベクトルの第３成分Ｚがすべて０より大きくなるように調整する：
Ｓ３：各点に対してそのＫ近傍を介して最小二乗法で１つの平面をフィッティングし、この平面モデルによりその点の法線ベクトルを取得して同方向に調整する：
Ｓ４：フィッティング平面の法線ベクトルを用いて、ステップＳ２で算出した法線ベクトルを補正する：
Ｓ５：当該点を補正後の法線ベクトル方向に沿って当該フィッティング平面上に投影し、すなわち、当該点の位置を補正後の法線ベクトルと当該フィッティング平面との交点位置に調整し、点群に対する平滑化の処理効果を達成する、
法線ベクトルに基づく点群平滑化フィルタリング方法。
（付記２）
前記ステップＳ１において、外れ点を除去して各点周辺０．３ｍの範囲内に少なくとも３点を設定することを特徴とする付記１に記載の法線ベクトルに基づく点群平滑化フィルタリング方法。
前記ステップＳ１において、外れ点を除去して各点周辺０．３ｍの範囲内に少なくとも３点を設定することを特徴とする付記１に記載の法線ベクトルに基づく点群平滑化フィルタリング方法。
（付記３）
前記ステップＳ２において、離散点群セットに対して主成分分析を行って点ごとの法線ベクトルを推定することは、その過程として以下を含み、
Ｓ２１：法線推定問題を、所定点の近傍に確立された共分散行列の特徴量と特徴ベクトルを解く問題に変換する。１つの点集合Ｓ＝｛Ｐ１，Ｐ２．．．ＰＮ｝を仮定し、この点集合内に所定点Ｐｉに対する共分散行列Ｃは、以下のように示され、
ここで、Ｐｉは、所定点であり、
は、この点集合の重心であり、
Ｃの特徴量と特徴ベクトルを計算し、特徴ベクトルは、空間中の１組の直交基底を構成し、最小特徴量に対応する特徴ベクトルは、所定点Ｐｉの法線に近似できる、
ことを特徴とする付記２に記載の法線ベクトルに基づく点群平滑化フィルタリング方法。
前記ステップＳ２において、離散点群セットに対して主成分分析を行って点ごとの法線ベクトルを推定することは、その過程として以下を含み、
Ｓ２１：法線推定問題を、所定点の近傍に確立された共分散行列の特徴量と特徴ベクトルを解く問題に変換する。１つの点集合Ｓ＝｛Ｐ１，Ｐ２．．．ＰＮ｝を仮定し、この点集合内に所定点Ｐｉに対する共分散行列Ｃは、以下のように示され、
Ｃの特徴量と特徴ベクトルを計算し、特徴ベクトルは、空間中の１組の直交基底を構成し、最小特徴量に対応する特徴ベクトルは、所定点Ｐｉの法線に近似できる、
ことを特徴とする付記２に記載の法線ベクトルに基づく点群平滑化フィルタリング方法。
（付記４）
前記ステップＳ２において、すべての点の法線ベクトルを同じ方向に調整することは、その過程が以下であり、
Ｓ２２：法線を求めてそれを単位化して法線ベクトルを得、（Ｘ，Ｙ，Ｚ）とし、法線ベクトルのＺ＜０ならばその法線ベクトルを逆にし、Ｚ＞０ならばそのままにし、すなわち、法線ベクトルの第３成分Ｚがすべて０より大きくなるように調整して法線ベクトルを同方向にする、
ことを特徴とする付記３に記載の法線ベクトルに基づく点群平滑化フィルタリング方法。
前記ステップＳ２において、すべての点の法線ベクトルを同じ方向に調整することは、その過程が以下であり、
Ｓ２２：法線を求めてそれを単位化して法線ベクトルを得、（Ｘ，Ｙ，Ｚ）とし、法線ベクトルのＺ＜０ならばその法線ベクトルを逆にし、Ｚ＞０ならばそのままにし、すなわち、法線ベクトルの第３成分Ｚがすべて０より大きくなるように調整して法線ベクトルを同方向にする、
ことを特徴とする付記３に記載の法線ベクトルに基づく点群平滑化フィルタリング方法。
（付記５）
前記ステップＳ３において、最小二乗法により平面をフィッティングして法線ベクトルを取得することは、その過程が以下であり、
平面方程式の一般式は、Ａ０ｘ＋Ｂ０ｙ＋Ｃ０ｚ＋Ｄ０＝０，（Ｃ０≠０）であり、
ここで、Ａ０、Ｂ０、Ｃ０、Ｄ０は、平面方程式の未知パラメータであり、すなわち、
すなわち、ｚ＝ａｘ＋ｂｙ＋ｃ、
ここで、ａ、ｂ、ｃは、平面方程式の他の表現方法の未知パラメータであり、
このＫ個の点の座標（ｘｉ、ｙｉ、ｚｉ）（ｉ＝０，１，…，Ｋ－１）は、既知であり、上記平面方程式をフィッティング計算し、この方程式を構築して最小二乗法で平面方程式の未知パラメータを解き、
この方程式は、典型的な方程式方式のＡＸ＝Ｂと見なし、
ここで、
この方程式ＡＸ＝Ｂの最小二乗解は、Ｘ＝（ＡＴＡ－１）＊ＡＴＢであり、
このフィッティング平面方程式ｚ＝ａｘ＋ｂｙ＋ｃを求めることができ、この平面の法線は、（ａ，ｂ，－１）であり、この法線を単位化すると法線ベクトルが得られ、それを以下のように同方向に調整し、
法線ベクトルは、以下であり、
ここで、ＮｏｒｍａｌＬｅｎは、法線を単位化するための、法線のノルムであり、ａ、ｂは、先に求めた平面方程式のパラメータである、
ことを特徴とする付記４に記載の法線ベクトルに基づく点群平滑化フィルタリング方法。
前記ステップＳ３において、最小二乗法により平面をフィッティングして法線ベクトルを取得することは、その過程が以下であり、
平面方程式の一般式は、Ａ０ｘ＋Ｂ０ｙ＋Ｃ０ｚ＋Ｄ０＝０，（Ｃ０≠０）であり、
ここで、Ａ０、Ｂ０、Ｃ０、Ｄ０は、平面方程式の未知パラメータであり、すなわち、
ここで、ａ、ｂ、ｃは、平面方程式の他の表現方法の未知パラメータであり、
このＫ個の点の座標（ｘｉ、ｙｉ、ｚｉ）（ｉ＝０，１，…，Ｋ－１）は、既知であり、上記平面方程式をフィッティング計算し、この方程式を構築して最小二乗法で平面方程式の未知パラメータを解き、
この方程式は、典型的な方程式方式のＡＸ＝Ｂと見なし、
ここで、
このフィッティング平面方程式ｚ＝ａｘ＋ｂｙ＋ｃを求めることができ、この平面の法線は、（ａ，ｂ，－１）であり、この法線を単位化すると法線ベクトルが得られ、それを以下のように同方向に調整し、
ことを特徴とする付記４に記載の法線ベクトルに基づく点群平滑化フィルタリング方法。
（付記６）
前記ステップＳ４において、ステップＳ２で算出した法線ベクトルをフィッティング平面の法線ベクトルを用いて補正することは、その過程が以下であり、
ステップＳ２で算出した法線ベクトルをｎｏｒｍ１＝（ａ１，ｂ１，ｃ１）、（ｃ１＞０）とし、
平面フィッティングによる法線ベクトルは、ｎｏｒｍ２＝（ａ２，ｂ２，ｃ２）、（ｃ２＞０）であり、
法線ベクトル補正パラメータａｌｐｈａを用いて法線ベクトルを補正して得られた補正後の法線ベクトルは、以下であり、
ｎｏｒｍ＝（ａ０，ｂ０，ｃ０）＝ｎｏｒｍ１＊（１－ａｌｐｈａ）＋ｎｏｒｍ２＊ａｌｐｈａ
ここで、ｎｏｒｍ１は、ステップＳ２でＰＣＡ計算による法線ベクトルであり、ｎｏｒｍ２は、平面フィッティングによる法線ベクトルであり、ａｌｐｈａは、法線ベクトル補正パラメータであり、平面フィッティングによる法線ベクトルが最終補正後の法線ベクトルに占める重みを表し、ａｌｐｈａは、デフォルトで１をとり、すなわち最終補正後の法線ベクトルが平面フィッティングによる法線ベクトルとなる、
ことを特徴とする付記５に記載の法線ベクトルに基づく点群平滑化フィルタリング方法。
前記ステップＳ４において、ステップＳ２で算出した法線ベクトルをフィッティング平面の法線ベクトルを用いて補正することは、その過程が以下であり、
ステップＳ２で算出した法線ベクトルをｎｏｒｍ１＝（ａ１，ｂ１，ｃ１）、（ｃ１＞０）とし、
平面フィッティングによる法線ベクトルは、ｎｏｒｍ２＝（ａ２，ｂ２，ｃ２）、（ｃ２＞０）であり、
法線ベクトル補正パラメータａｌｐｈａを用いて法線ベクトルを補正して得られた補正後の法線ベクトルは、以下であり、
ｎｏｒｍ＝（ａ０，ｂ０，ｃ０）＝ｎｏｒｍ１＊（１－ａｌｐｈａ）＋ｎｏｒｍ２＊ａｌｐｈａ
ここで、ｎｏｒｍ１は、ステップＳ２でＰＣＡ計算による法線ベクトルであり、ｎｏｒｍ２は、平面フィッティングによる法線ベクトルであり、ａｌｐｈａは、法線ベクトル補正パラメータであり、平面フィッティングによる法線ベクトルが最終補正後の法線ベクトルに占める重みを表し、ａｌｐｈａは、デフォルトで１をとり、すなわち最終補正後の法線ベクトルが平面フィッティングによる法線ベクトルとなる、
ことを特徴とする付記５に記載の法線ベクトルに基づく点群平滑化フィルタリング方法。
（付記７）
前記ステップＳ５において、当該点を補正後の法線ベクトル方向に沿って当該フィッティング平面上に投影することは、その過程が以下であり、
当該点の位置を補正後の法線ベクトルと当該フィッティング平面との交点位置に調整し、すなわち、点と平面との交点をその点の補正後の位置として求め、
このフィッティング平面の方程式は、ステップＳ３で得られ、
ｚ＝ａｘ＋ｂｙ＋ｃ
補正後の法線ベクトルは、ステップＳ４で得られ、
（ａ０，ｂ０，ｃ０）
当該点座標を（ｘｉ，ｙｉ，ｚｉ）とすると、当該法線方程式は、以下であり、
当該法線と当該フィッティング平面との交点を求め、
ここで、ａ０、ｂ０、ｃ０は、補正後の法線ベクトルであり、ａ、ｂ、ｃは、ステップＳ３で最小二乗法でフィッティングした平面方程式パラメータであり、ｘｉ、ｙｉ、ｚｉは、調整するオリジナル点座標であり、ｘ、ｙ、ｚは、法線ベクトルに基づくフィルタリング調整後の点の座標であり、オリジナル点群のこの点の位置を上述の法線ベクトルとフィッティング平面の交点位置に調整することで、点群に対する平滑化の処理効果を達成できる、
ことを特徴とする付記６に記載の法線ベクトルに基づく点群平滑化フィルタリング方法。
前記ステップＳ５において、当該点を補正後の法線ベクトル方向に沿って当該フィッティング平面上に投影することは、その過程が以下であり、
当該点の位置を補正後の法線ベクトルと当該フィッティング平面との交点位置に調整し、すなわち、点と平面との交点をその点の補正後の位置として求め、
このフィッティング平面の方程式は、ステップＳ３で得られ、
ｚ＝ａｘ＋ｂｙ＋ｃ
補正後の法線ベクトルは、ステップＳ４で得られ、
（ａ０，ｂ０，ｃ０）
当該点座標を（ｘｉ，ｙｉ，ｚｉ）とすると、当該法線方程式は、以下であり、
ことを特徴とする付記６に記載の法線ベクトルに基づく点群平滑化フィルタリング方法。
Claims (7)
- 法線ベクトルに基づく点群平滑化フィルタリング方法であって、以下のステップを含むことを特徴とし、
Ｓ１：オリジナル点群の外れ点を除去し、各点周辺の設定範囲内の点の個数を統計し、一定個数より少ない場合は、外れ点と見なして除外する：
Ｓ２：離散点群セットに対して主成分分析を行って点ごとの法線ベクトルを推定し、すべての点の法線ベクトルを同じ方向に調整し、すなわち、法線ベクトルの第３成分Ｚがすべて０より大きくなるように調整する：
Ｓ３：各点に対してそのＫ近傍を介して最小二乗法で１つの平面をフィッティングし、この平面モデルによりその点の法線ベクトルを取得して同方向に調整する：
Ｓ４：フィッティング平面の法線ベクトルを用いて、ステップＳ２で算出した法線ベクトルを補正する：
Ｓ５：当該点を補正後の法線ベクトル方向に沿って当該フィッティング平面上に投影し、すなわち、当該点の位置を補正後の法線ベクトルと当該フィッティング平面との交点位置に調整し、点群に対する平滑化の処理効果を達成する、
法線ベクトルに基づく点群平滑化フィルタリング方法。 - 前記ステップＳ１において、外れ点を除去して各点周辺０．３ｍの範囲内に少なくとも３点を設定することを特徴とする請求項１に記載の法線ベクトルに基づく点群平滑化フィルタリング方法。
- 前記ステップＳ２において、離散点群セットに対して主成分分析を行って点ごとの法線ベクトルを推定することは、その過程として以下を含み、
Ｓ２１：法線推定問題を、所定点の近傍に確立された共分散行列の特徴量と特徴ベクトルを解く問題に変換する。１つの点集合Ｓ＝｛Ｐ１，Ｐ２．．．ＰＮ｝を仮定し、この点集合内に所定点Ｐｉに対する共分散行列Ｃは、以下のように示され、
Ｃの特徴量と特徴ベクトルを計算し、特徴ベクトルは、空間中の１組の直交基底を構成し、最小特徴量に対応する特徴ベクトルは、所定点Ｐｉの法線に近似できる、
ことを特徴とする請求項２に記載の法線ベクトルに基づく点群平滑化フィルタリング方法。 - 前記ステップＳ２において、すべての点の法線ベクトルを同じ方向に調整することは、その過程が以下であり、
Ｓ２２：法線を求めてそれを単位化して法線ベクトルを得、（Ｘ，Ｙ，Ｚ）とし、法線ベクトルのＺ＜０ならばその法線ベクトルを逆にし、Ｚ＞０ならばそのままにし、すなわち、法線ベクトルの第３成分Ｚがすべて０より大きくなるように調整して法線ベクトルを同方向にする、
ことを特徴とする請求項３に記載の法線ベクトルに基づく点群平滑化フィルタリング方法。 - 前記ステップＳ３において、最小二乗法により平面をフィッティングして法線ベクトルを取得することは、その過程が以下であり、
平面方程式の一般式は、Ａ０ｘ＋Ｂ０ｙ＋Ｃ０ｚ＋Ｄ０＝０，（Ｃ０≠０）であり、
ここで、Ａ０、Ｂ０、Ｃ０、Ｄ０は、平面方程式の未知パラメータであり、すなわち、
ここで、ａ、ｂ、ｃは、平面方程式の他の表現方法の未知パラメータであり、
このＫ個の点の座標（ｘｉ、ｙｉ、ｚｉ）（ｉ＝０，１，…，Ｋ－１）は、既知であり、上記平面方程式をフィッティング計算し、この方程式を構築して最小二乗法で平面方程式の未知パラメータを解き、
この方程式は、典型的な方程式方式のＡＸ＝Ｂと見なし、
ここで、
このフィッティング平面方程式ｚ＝ａｘ＋ｂｙ＋ｃを求めることができ、この平面の法線は、（ａ，ｂ，－１）であり、この法線を単位化すると法線ベクトルが得られ、それを以下のように同方向に調整し、
ことを特徴とする請求項４に記載の法線ベクトルに基づく点群平滑化フィルタリング方法。 - 前記ステップＳ４において、ステップＳ２で算出した法線ベクトルをフィッティング平面の法線ベクトルを用いて補正することは、その過程が以下であり、
ステップＳ２で算出した法線ベクトルをｎｏｒｍ１＝（ａ１，ｂ１，ｃ１）、（ｃ１＞０）とし、
平面フィッティングによる法線ベクトルは、ｎｏｒｍ２＝（ａ２，ｂ２，ｃ２）、（ｃ２＞０）であり、
法線ベクトル補正パラメータａｌｐｈａを用いて法線ベクトルを補正して得られた補正後の法線ベクトルは、以下であり、
ｎｏｒｍ＝（ａ０，ｂ０，ｃ０）＝ｎｏｒｍ１＊（１－ａｌｐｈａ）＋ｎｏｒｍ２＊ａｌｐｈａ
ここで、ｎｏｒｍ１は、ステップＳ２でＰＣＡ計算による法線ベクトルであり、ｎｏｒｍ２は、平面フィッティングによる法線ベクトルであり、ａｌｐｈａは、法線ベクトル補正パラメータであり、平面フィッティングによる法線ベクトルが最終補正後の法線ベクトルに占める重みを表し、ａｌｐｈａは、デフォルトで１をとり、すなわち最終補正後の法線ベクトルが平面フィッティングによる法線ベクトルとなる、
ことを特徴とする請求項５に記載の法線ベクトルに基づく点群平滑化フィルタリング方法。 - 前記ステップＳ５において、当該点を補正後の法線ベクトル方向に沿って当該フィッティング平面上に投影することは、その過程が以下であり、
当該点の位置を補正後の法線ベクトルと当該フィッティング平面との交点位置に調整し、すなわち、点と平面との交点をその点の補正後の位置として求め、
このフィッティング平面の方程式は、ステップＳ３で得られ、
ｚ＝ａｘ＋ｂｙ＋ｃ
補正後の法線ベクトルは、ステップＳ４で得られ、
（ａ０，ｂ０，ｃ０）
当該点座標を（ｘｉ，ｙｉ，ｚｉ）とすると、当該法線方程式は、以下であり、
ことを特徴とする請求項６に記載の法線ベクトルに基づく点群平滑化フィルタリング方法。
Applications Claiming Priority (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911364489.XA CN111161179B (zh) | 2019-12-26 | 2019-12-26 | 一种基于法向量的点云平滑光顺滤波方法 |
| CN201911364489.X | 2019-12-26 | ||
| PCT/CN2020/132683 WO2021129317A1 (zh) | 2019-12-26 | 2020-11-30 | 一种基于法向量的点云平滑光顺滤波方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2023509888A true JP2023509888A (ja) | 2023-03-10 |
| JP7406853B2 JP7406853B2 (ja) | 2023-12-28 |
Family
ID=70558100
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2022539368A Active JP7406853B2 (ja) | 2019-12-26 | 2020-11-30 | コンピュータにより実行される法線ベクトルに基づく点群平滑化フィルタリング方法 |
Country Status (3)
| Country | Link |
|---|---|
| JP (1) | JP7406853B2 (ja) |
| CN (1) | CN111161179B (ja) |
| WO (1) | WO2021129317A1 (ja) |
Families Citing this family (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| 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 |
| CN112102178A (zh) * | 2020-07-29 | 2020-12-18 | 深圳市菲森科技有限公司 | 一种点云保特征去噪方法、装置、电子设备及存储介质 |
| CN112085672B (zh) * | 2020-08-19 | 2021-12-21 | 中交第三航务工程局有限公司江苏分公司 | 一种顾及桩体先验几何形态参数的点云数据滤波方法 |
| CN112862968B (zh) * | 2021-03-15 | 2024-01-19 | 网易（杭州）网络有限公司 | 目标植被模型的渲染显示方法、装置、设备及存储介质 |
| CN113487633A (zh) * | 2021-08-17 | 2021-10-08 | 熵智科技(深圳)有限公司 | 一种点云轮廓提取方法、装置、计算机设备及存储介质 |
| CN114219917A (zh) * | 2021-12-02 | 2022-03-22 | 江苏方天电力技术有限公司 | 一种激光雷达点云数据的漏洞修复方法 |
| CN115310028B (zh) * | 2022-07-21 | 2023-11-10 | 成都飞机工业（集团）有限责任公司 | 一种盲孔轴线与平面夹角测量不确定度的计算方法 |
| CN116165677B (zh) * | 2023-04-24 | 2023-07-21 | 湖北中图勘测规划设计有限公司 | 一种基于激光雷达的地质勘察方法和装置 |
| CN117132478B (zh) * | 2023-04-25 | 2024-05-17 | 兰州交通大学 | 一种基于法向量二范数特征参数的轨道点云去噪方法 |
| CN116952181B (zh) * | 2023-09-18 | 2024-01-12 | 成都飞机工业（集团）有限责任公司 | 一种大长径比复合材料管型薄壁件的内型面测量方法 |
| CN117808703B (zh) * | 2024-02-29 | 2024-05-10 | 南京航空航天大学 | 一种多尺度大型部件装配间隙点云滤波方法 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20150070354A1 (en) * | 2013-09-10 | 2015-03-12 | Fu Tai Hua Industry (Shenzhen) Co., Ltd. | Computing device and method for reconstructing curved surface of point cloud data |
| JP2017167671A (ja) * | 2016-03-14 | 2017-09-21 | キヤノン株式会社 | 情報処理装置、情報処理方法およびプログラム |
| CN109299739A (zh) * | 2018-09-26 | 2019-02-01 | 速度时空信息科技股份有限公司 | 基于法向量的曲面拟合对车载激光点云滤波的方法 |
Family Cites Families (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN100501751C (zh) * | 2007-09-06 | 2009-06-17 | 许焱 | 基于机器视觉的宝石三维毛坯重构设计的装置及方法 |
| CA2815452C (en) * | 2010-10-21 | 2019-03-12 | Gregory A. Harrison | Methods and systems for creating free space reflective optical surfaces |
| US10066925B2 (en) * | 2016-02-02 | 2018-09-04 | The Boeing Company | Point cloud processing apparatus and method |
| CN105844600B (zh) * | 2016-04-27 | 2018-03-16 | 北京航空航天大学 | 一种空间目标三维点云光顺去噪方法 |
| CN106709883B (zh) * | 2016-12-20 | 2019-10-18 | 华南理工大学 | 基于联合双边滤波和尖锐特征骨架提取的点云去噪方法 |
| CN109409437B (zh) * | 2018-11-06 | 2021-06-01 | 安徽农业大学 | 一种点云分割方法、装置、计算机可读存储介质及终端 |
| 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 |
-
2019
- 2019-12-26 CN CN201911364489.XA patent/CN111161179B/zh active Active
-
2020
- 2020-11-30 WO PCT/CN2020/132683 patent/WO2021129317A1/zh active Application Filing
- 2020-11-30 JP JP2022539368A patent/JP7406853B2/ja active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20150070354A1 (en) * | 2013-09-10 | 2015-03-12 | Fu Tai Hua Industry (Shenzhen) Co., Ltd. | Computing device and method for reconstructing curved surface of point cloud data |
| JP2017167671A (ja) * | 2016-03-14 | 2017-09-21 | キヤノン株式会社 | 情報処理装置、情報処理方法およびプログラム |
| CN109299739A (zh) * | 2018-09-26 | 2019-02-01 | 速度时空信息科技股份有限公司 | 基于法向量的曲面拟合对车载激光点云滤波的方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111161179A (zh) | 2020-05-15 |
| JP7406853B2 (ja) | 2023-12-28 |
| WO2021129317A1 (zh) | 2021-07-01 |
| CN111161179B (zh) | 2023-06-16 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP2023509888A (ja) | 法線ベクトルに基づく点群平滑化フィルタリング方法 | |
| CN108198145B (zh) | 用于点云数据修复的方法和装置 | |
| CN110927740B (zh) | 一种移动机器人定位方法 | |
| JP7482978B2 (ja) | 車両センサの較正及び位置特定 | |
| CN109211264B (zh) | 测量系统的标定方法、装置、电子设备及可读存储介质 | |
| CN107516326B (zh) | 融合单目视觉和编码器信息的机器人定位方法和系统 | |
| JP5924862B2 (ja) | 情報処理装置、情報処理方法及びプログラム | |
| TWI672207B (zh) | 機械設備之定位系統及其方法 | |
| WO2018201677A1 (zh) | 基于光束平差的远心镜头三维成像系统的标定方法及装置 | |
| JP2022539422A (ja) | 視覚標識に基づき標識マップを構築する方法、装置 | |
| WO2018107427A1 (zh) | 相位映射辅助三维成像系统快速对应点匹配的方法及装置 | |
| CN115063465B (zh) | 一种基于激光雷达的无人车行驶路况建模方法 | |
| CN111047652B (zh) | 一种快速的多tof相机外参标定方法和装置 | |
| CN116030202B (zh) | 一种三维图像重建方法、装置、电子设备及存储介质 | |
| CN114332191A (zh) | 三维点云误差补偿方法及装置 | |
| US20180295347A1 (en) | Apparatus for measuring three-dimensional position of object | |
| CN107843259B (zh) | 一种基于vckf的多机器人协同导航定位方法 | |
| CN106767405B (zh) | 相位映射辅助三维成像系统快速对应点匹配的方法及装置 | |
| CN113240597A (zh) | 基于视觉惯性信息融合的三维软件稳像方法 | |
| Choi et al. | An enhanced CSLAM for multi-robot based on unscented Kalman filter | |
| CN116358517A (zh) | 一种用于机器人的高度地图构建方法、系统以及存储介质 | |
| JP2007034964A (ja) | カメラ視点運動並びに３次元情報の復元及びレンズ歪パラメータの推定方法、装置、カメラ視点運動並びに３次元情報の復元及びレンズ歪パラメータの推定プログラム | |
| KR102250687B1 (ko) | 3차원 VR을 위한 2차원 LiDAR 기반 전 방향 3차원 계측 기법 및 이의 장치 | |
| CN111076724B (zh) | 三维激光定位方法及系统 | |
| CN116929338B (zh) | 地图构建方法、设备及存储介质 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20220712 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230509 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230713 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230801 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20231031 |
|
| TRDD | Decision of grant or rejection written | ||
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20231121 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20231211 |
|
| R150 | Certificate of patent or registration of utility model |
Ref document number: 7406853 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |