TW201523511A - 點雲雜訊點去除系統及方法 - Google Patents

點雲雜訊點去除系統及方法 Download PDF

Info

Publication number
TW201523511A
TW201523511A TW102138858A TW102138858A TW201523511A TW 201523511 A TW201523511 A TW 201523511A TW 102138858 A TW102138858 A TW 102138858A TW 102138858 A TW102138858 A TW 102138858A TW 201523511 A TW201523511 A TW 201523511A
Authority
TW
Taiwan
Prior art keywords
point
points
point cloud
sub
noise
Prior art date
Application number
TW102138858A
Other languages
English (en)
Other versions
TWI590188B (zh
Inventor
Chih-Kuang Chang
Xin-Yuan Wu
Peng Xie
Original Assignee
Hon Hai Prec Ind 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 Hon Hai Prec Ind Co Ltd filed Critical Hon Hai Prec Ind Co Ltd
Publication of TW201523511A publication Critical patent/TW201523511A/zh
Application granted granted Critical
Publication of TWI590188B publication Critical patent/TWI590188B/zh

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
    • G06T17/20—Finite element generation, e.g. wire-frame surface description, tesselation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
    • 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
    • G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
    • G01S17/88—Lidar systems specially adapted for specific applications
    • G01S17/89—Lidar systems specially adapted for specific applications for mapping or imaging
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2200/00—Indexing scheme for image data processing or generation, in general
    • G06T2200/04—Indexing scheme for image data processing or generation, in general involving 3D image 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2210/00—Indexing scheme for image generation or computer graphics
    • G06T2210/56—Particle system, point based geometry or rendering

Landscapes

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

Abstract

一種點雲雜訊點去除方法，包括步驟：導入一個點雲，並接收用戶輸入的參數；將所述點雲三角網格化，得到三角網格化點雲，並於該三角網格化點雲中，根據點雲中點與點之間的距離以及上述用戶輸入的參數將所述點雲進行分類，分成多個子圖；對於每一個子圖，計算該子圖中的各點與相鄰子圖中各點之間距離，並根據該點與點的距離計算相鄰子圖之間的距離；根據每個子圖中點的數量及/或相鄰子圖之間的距離進行雜訊點判斷，並去除所述雜訊點；及輸出雜訊點去除後的點雲。

Description

點雲雜訊點去除系統及方法
本發明涉及一種點雲處理系統及方法，尤其涉及一種去除點雲中雜訊點的系統及方法。
三維掃描設備掃描待量測物體生成點雲時，由於掃描設備本身的原因或者其他外界因素的干擾，生成的點雲中會存在雜訊點。習知的點雲處理系統中，去除雜訊點主要藉由手動去除的方法，點雲處理系統自帶的去除功能無法完全去除雜訊點，而且可能會出現錯誤地去除點雲中需要的點，造成點雲出現漏洞。
鑒於以上內容，有必要提供一種點雲雜訊點去除方法及系統，能夠根據不同的要求，智慧地去除點雲中的雜訊點。
一種點雲雜訊點去除方法，應用於計算設備中，該方法包括：導入一個點雲，並接收用戶輸入的參數；將所述點雲三角網格化，得到三角網格化點雲，並於該三角網格化點雲中，根據點雲中點與點之間的距離以及上述用戶輸入的參數將所述點雲進行分類，分成多個子圖；對於每一個子圖，計算該子圖中的各點與相鄰子圖中各點之間距離，並根據該點與點的距離計算相鄰子圖之間的距離；根據每個子圖中點的數量及/或相鄰子圖之間的距離進行雜訊點判斷，並去除所述雜訊點；及輸出雜訊點去除後的點雲。
一種點雲雜訊點去除系統，運行於計算設備中，該系統包括：資料接收模組，用於導入一個點雲，並接收用戶輸入的參數；點雲處理模組，用於將所述點雲三角網格化，得到三角網格化點雲，並於該三角網格化點雲中，根據點雲中點與點之間的距離以及上述用戶輸入的參數將所述點雲進行分類，分成多個子圖；計算模組，用於對於每一個子圖，計算該子圖中的各點與相鄰子圖中各點之間距離，並根據該點與點的距離計算相鄰子圖之間的距離；雜訊點去除模組，用於根據每個子圖中點的數量及/或相鄰子圖之間的距離進行雜訊點判斷，並去除所述雜訊點；及輸出模組，用於輸出雜訊點去除後的點雲。
相較於習知技術，本發明所述之點雲雜訊點去除系統及方法根據點雲中雜訊點去除效果的需要，如需要去除所有的雜訊點或者只需要去除一些離散的雜訊點，智慧地執行雜訊點的去除操作。
圖1是本發明點雲雜訊點去除系統較佳實施例的硬體架構示意圖。
圖2是圖1中點雲雜訊點去除系統較佳實施例的功能模組圖。
圖3是本發明點雲雜訊點去除方法較佳實施例的流程圖。
圖4是本發明點雲雜訊點去除方法中其中一個步驟的詳細流程圖。
參閱圖1所示，是本發明點雲雜訊點去除系統較佳實施例的硬體架構示意圖。所述之點雲雜訊點去除系統10運行於計算設備1上。所述計算設備1可以是電腦等具有資料處理功能的電子設備。所述之計算設備1還包括儲存設備11、處理器12，及顯示設備13。
所述之點雲雜訊點去除系統10包括多個由程式段所組成的功能模組（詳見圖2），用於根據點雲中雜訊點去除效果的需要，如需要去除所有的雜訊點或者只需要去除一些離散的雜訊點，智慧地執行雜訊點的去除操作。
所述儲存設備11用於儲存所述點雲雜訊點去除系統10中各個程式段的程式碼。該儲存設備11可以為智慧媒體卡（smart media card）、安全數位卡（secure digital card）、快閃記憶體卡（flash card）等儲存設備。該儲存設備11還可以儲存點雲雜訊點去除系統10所需的各種資料，裁切底板的座標資料、待裁切物體輪廓的座標資料等。
所述處理器12用於執行所述點雲雜訊點去除系統10中各個程式段的程式碼，以實現點雲雜訊點去除系統10的中各功能模組的功能（詳見圖3中描述）。
所述之顯示設備13用於顯示計算設備1的視覺化資料，例如，去除雜訊點之前及之後的點雲。
如圖2所示，是本發明點雲雜訊點去除系統較佳實施例的功能模組圖。所述之點雲雜訊點去除系統10包括資料接收模組100、點雲處理模組101，計算模組102，雜訊點去除模組103及輸出模組104。
如上所述，以上各模組均以程式碼或指令的形式儲存於計算設備1的儲存設備11中或固化於該計算設備1的作業系統中，並由該計算設備1的處理器12所執行。以下結合圖3及圖4對點雲雜訊點去除系統10中的各功能模組進行詳細說明。
參閱圖3所示，是本發明點雲雜訊點去除方法較佳實施例的流程圖。
步驟S1，資料接收模組100導入一個點雲，並接收用戶輸入的參數。所述資料接收模組100可以從計算設備1的儲存設備11中導入所述點雲，亦可以從其他外接的儲存設備或者點雲掃描裝置中導入所述點雲所述用戶輸入的參數包括，但不限於，預設的點間距以及點個數。
步驟S2，點雲處理模組101將所述點雲三角網格化，得到三角網格化點雲，並於該三角網格化點雲中，根據點雲中點與點之間的距離以及上述用戶輸入的參數將所述點雲進行分類，分成多個子圖。
於本較佳實施例中，所述之點雲處理模組101採用點雲網格化後得到的三角形外接圓內沒有點與曲面局部曲率一致的原則，並藉由包圍盒切割點雲快速找臨近點的方法，對點雲進行三角網格化。具體而言，所述點雲中的任意三個點進行連線組成三角形，所組成的三角形需同時滿足兩個條件：條件一、該三角形的外接圓內不能包含其他點；條件二、該三角形的向量與臨近三角形的向量的夾角不能超過預設的曲率閥值（例如，90度）。組成三角形的方式如下：取點雲中任意一點為基準，找與該基準點距離最近的第二點，將第一點與第二點連成線，找連線臨近的第三點，該三點連成的三角形外接圓中不包含點雲中的其他點（即除了組成三角形的三點之外的其他點）。當確定該三角形後，計算該三角形的向量與所有該三角形相鄰的三角形的向量的夾角，若所計算的夾角中有一個夾角大於預設的曲率閥值（例如，90度），則該三角形不合格，捨棄該三角形，然後重新尋找該連線臨近的第三點，以此為邏輯，直到找到合適的第三點所組成的三角形。
將所述點雲進行分類，分成多個子圖的詳細流程將於下述的圖4中詳細介紹。
步驟S3，對於每一個子圖，計算模組102計算該子圖中的各點與相鄰子圖中各點之間距離，並根據該點與點的距離計算相鄰子圖之間的距離。本發明較佳實施例中，與某一子圖相鄰的子圖是指包括與該子圖存在網格化連線的子圖。例如，子圖A中包括所述點雲中的一個點a，於點雲網格化之後，該點a與點雲中的點b、點c、及點d分別連接組成了三角形的邊，而點b屬於子圖B，點c屬於子圖C，及點d屬於子圖D，則子圖A相鄰的子圖包括子圖B、子圖C及子圖D。本發明較佳實施例中，所述相鄰子圖之間的距離為該兩個子圖之間的點的最短距離。例如，計算得到的子圖A中的各點與其相鄰子圖B中的各點的距離中的最短距離為1cm，則相鄰子圖A與B之間的距離為1cm。
步驟S4，雜訊點去除模組103根據每個子圖中點的數量及/或相鄰子圖之間的距離進行雜訊點判斷，並去除所述雜訊點。本發明較佳實施例中，雜訊點去除模組103根據預設的點雲中雜訊點去除效果執行雜訊點的去除操作。當需要去除點雲中的所有雜訊點時，雜訊點去除模組103只需判斷每個子圖中點的數量是否超過預設的點個數，當某一個子圖中點的數量沒有超過該預設的點個數時，認為該子圖中的所有點為雜訊點，並刪除該子圖中的所有點。如果只需要去除一些離散的雜訊點，則雜訊點去除模組103不但判斷每個子圖中點的數量是否超過預設的點個數，還進一步判斷少於所述預設的點個數的子圖與其相鄰子圖之間的距離是否超過一個預設值。所述預設值可以是所述預設的點間距或者點雲中點的平均點間距的2倍。所述當某一個子圖中點的個數少於所述預設的點個數，該且子圖與其相鄰子圖的距離超過所述預設值，則認為該子圖中的所有點為雜訊點，並刪除該子圖中的所有點。
步驟S5，輸出模組104輸出雜訊點去除後的點雲。
參閱圖4所示，是本發明點雲雜訊點去除方法中步驟S2的詳細流程圖。
步驟S20，點雲處理模組101從三角網格化點雲中選擇一個點，將該選擇的點放入一個子圖中。
步驟S21，點雲處理模組101計算當前選擇的點與三角網格化點雲中不屬於任何子圖且與當前選擇的點構成三角形一條邊的各點之間的距離。
步驟S22，點雲處理模組101將與當前選擇的點距離小於預設距離的點放入當前子圖中。
步驟S23，點雲處理模組101判斷當前子圖中是否存在沒有被選擇過的點。若存在沒有被選擇過的點，則執行下述的步驟S24，否則，若不存在沒有被選擇過的點，則執行下述的步驟S25。
步驟S24，點雲處理模組101從當前子圖中選擇一個沒有被選擇過的點，之後返回執行上述的步驟S21。
步驟S25，點雲處理模組101判斷三角網格化點雲中是否存在不屬於任何子圖中的點。若存在不屬於任何子圖中的點，則執行下述的步驟S26。否則，若不存在不屬於任何子圖中的點，則結束流程。
步驟S26，點雲處理模組101從三角網格化點雲中選擇一個不屬於任何子圖的點，將該選擇的點放入另一個子圖中，此時，該另一個子圖視為當前子圖，之後返回執行上述的步驟S21。
綜上所述，本發明符合發明專利要件，爰依法提出專利申請。惟，以上所述者僅爲本發明之較佳實施例，本發明之範圍並不以上述實施例爲限，舉凡熟悉本案技藝之人士爰依本發明之精神所作之等效修飾或變化，皆應涵蓋於以下申請專利範圍內。
1‧‧‧計算設備
10‧‧‧點雲雜訊點去除系統
11‧‧‧儲存設備
12‧‧‧處理器
13‧‧‧顯示設備
100‧‧‧資料接收模組
101‧‧‧點雲處理模組
102‧‧‧計算模組
103‧‧‧雜訊點去除模組
104‧‧‧輸出模組
無
10‧‧‧點雲雜訊點去除系統
100‧‧‧資料接收模組
101‧‧‧點雲處理模組
102‧‧‧計算模組
103‧‧‧雜訊點去除模組
104‧‧‧輸出模組

Claims (10)

  1. 一種點雲雜訊點去除方法，應用於計算設備中，該方法包括：
    資料接收步驟：導入一個點雲，並接收用戶輸入的參數；
    點雲處理步驟：將所述點雲三角網格化，得到三角網格化點雲，並於該三角網格化點雲中，根據點雲中點與點之間的距離以及上述用戶輸入的參數將所述點雲進行分類，分成多個子圖；
    計算步驟：對於每一個子圖，計算該子圖中的各點與相鄰子圖中各點之間距離，並根據該點與點的距離計算相鄰子圖之間的距離；
    雜訊點去除步驟：根據每個子圖中點的數量及/或相鄰子圖之間的距離進行雜訊點判斷，並去除所述雜訊點；及
    輸出步驟：輸出雜訊點去除後的點雲。
  2. 如申請專利範圍第1項所述之點雲雜訊點去除方法，所述用戶輸入的參數包括預設的點間距以及點個數。
  3. 如申請專利範圍第2項所述之點雲雜訊點去除方法，其中將所述點雲進行分類，分成多個子圖的步驟包括：
    （a）從三角網格化點雲中選擇一個點，將該選擇的點放入一個子圖中；
    （b）計算當前選擇的點與三角網格化點雲中不屬於任何子圖且與當前選擇的點構成三角形一條邊的各點之間的距離；
    （c）將與當前選擇的點距離小於預設距離的點放入當前子圖中；
    （d）從當前子圖中選擇一個沒有被選擇過的點，並重複執行步驟（b）、（c）及（d）直到當前子圖中不存在沒有被選擇過的點；
    （e）從三角網格化點雲中選擇一個不屬於任何子圖的點，將該選擇的點放入另一個子圖中，並重複執行步驟（b）、（c）、（d）及（e）直到三角網格化點雲中不存在不屬於任何子圖的點。
  4. 如申請專利範圍第2項所述之點雲雜訊點去除方法，所述雜訊點去除步驟包括：
    判斷每個子圖中點的數量是否超過所述預設的點個數；及
    當某一個子圖中點的數量沒有超過所述預設的點個數時，該子圖中的所有點為雜訊點，並刪除該子圖中的所有點。
  5. 如申請專利範圍第2項所述之點雲雜訊點去除方法，所述雜訊點去除步驟包括：
    判斷每個子圖中點的數量是否超過所述預設的點個數；
    當某個子圖中點的數量超過所述預設的點個數時，判斷該子圖與其相鄰子圖之間的距離是否超過一個預設值；及
    當所述點的數量少於所述預設的點個數的子圖與其相鄰子圖的距離超過所述預設值時，該子圖中的所有點為雜訊點，並刪除該子圖中的所有點。
  6. 一種點雲雜訊點去除系統，運行於計算設備中，該系統包括：
    資料接收模組，用於導入一個點雲，並接收用戶輸入的參數；
    點雲處理模組，用於將所述點雲三角網格化，得到三角網格化點雲，並於該三角網格化點雲中，根據點雲中點與點之間的距離以及上述用戶輸入的參數將所述點雲進行分類，分成多個子圖；
    計算模組，用於對於每一個子圖，計算該子圖中的各點與相鄰子圖中各點之間距離，並根據該點與點的距離計算相鄰子圖之間的距離；
    雜訊點去除模組，用於根據每個子圖中點的數量及/或相鄰子圖之間的距離進行雜訊點判斷，並去除所述雜訊點；及
    輸出模組，用於輸出雜訊點去除後的點雲。
  7. 如申請專利範圍第6項所述之點雲雜訊點去除系統，所述用戶輸入的參數包括預設的點間距以及點個數。
  8. 如申請專利範圍第7項所述之點雲雜訊點去除系統，所述點雲處理模組採用如下步驟將所述點雲進行分類，分成多個子圖：
    （a）從三角網格化點雲中選擇一個點，將該選擇的點放入一個子圖中；
    （b）計算當前選擇的點與三角網格化點雲中不屬於任何子圖且與當前選擇的點構成三角形一條邊的各點之間的距離；
    （c）將與當前選擇的點距離小於預設距離的點放入當前子圖中；
    （d）從當前子圖中選擇一個沒有被選擇過的點，並重複執行步驟（b）、（c）及（d）直到當前子圖中不存在沒有被選擇過的點；
    （e）從三角網格化點雲中選擇一個不屬於任何子圖的點，將該選擇的點放入另一個子圖中，並重複執行步驟（b）、（c）、（d）及（e）直到三角網格化點雲中不存在不屬於任何子圖的點。
  9. 如申請專利範圍第7項所述之點雲雜訊點去除系統，所述雜訊點去除模組採用如下步驟去除點雲中的雜訊點：
    判斷每個子圖中點的數量是否超過所述預設的點個數；及
    當某一個子圖中點的數量沒有超過所述預設的點個數時，該子圖中的所有點為雜訊點，並刪除該子圖中的所有點。
  10. 如申請專利範圍第7項所述之點雲雜訊點去除系統，所述雜訊點去除模組採用如下步驟去除點雲中的雜訊點：
    判斷每個子圖中點的數量是否超過所述預設的點個數；
    當某個子圖中點的數量超過所述預設的點個數時，判斷該子圖與其相鄰子圖之間的距離是否超過一個預設值；及
    當所述點的數量少於所述預設的點個數的子圖與其相鄰子圖的距離超過所述預設值時，該子圖中的所有點為雜訊點，並刪除該子圖中的所有點。
TW102138858A 2013-10-22 2013-10-28 點雲雜訊點去除系統及方法 TWI590188B (zh)

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201310498681.4A CN104574282B (zh) 2013-10-22 2013-10-22 点云噪声点去除系统及方法

Publications (2)

Publication Number Publication Date
TW201523511A true TW201523511A (zh) 2015-06-16
TWI590188B TWI590188B (zh) 2017-07-01

Family

ID=52825768

Family Applications (1)

Application Number Title Priority Date Filing Date
TW102138858A TWI590188B (zh) 2013-10-22 2013-10-28 點雲雜訊點去除系統及方法

Country Status (3)

Country Link
US (1) US20150109290A1 (zh)
CN (1) CN104574282B (zh)
TW (1) TWI590188B (zh)

Families Citing this family (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20190043250A1 (en) * 2012-06-25 2019-02-07 Yoldas Askan Method of generating a smooth image from point cloud data
CN105590311A (zh) * 2014-11-13 2016-05-18 富泰华工业（深圳）有限公司 图形化平面数据分析系统及方法
JP6505470B2 (ja) * 2015-02-27 2019-04-24 株式会社デンソー ノイズ除去方法および物体認識装置
US10066346B2 (en) * 2015-08-12 2018-09-04 Topcon Positioning Systems, Inc. Point cloud based surface construction
CN107123162B (zh) * 2016-02-24 2020-02-21 中国科学院沈阳自动化研究所 基于二维激光传感器的三维环境表面三角网格构建方法
CN107341768B (zh) * 2016-04-29 2022-03-11 微软技术许可有限责任公司 网格降噪
CN108961532B (zh) * 2017-05-26 2020-11-17 深圳怡化电脑股份有限公司 冠字号图像处理方法、装置、设备及存储介质
CN107767375B (zh) * 2017-11-02 2021-06-29 广东电网有限责任公司电力科学研究院 一种点云质量评估方法及装置
CN109766404B (zh) * 2019-02-12 2020-12-15 湖北亿咖通科技有限公司 点云处理方法、装置及计算机可读存储介质
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
US11158075B2 (en) * 2019-06-03 2021-10-26 Zebra Technlogies Corporation Method, system and apparatus for depth sensor artifact removal
US10613203B1 (en) 2019-07-01 2020-04-07 Velodyne Lidar, Inc. Interference mitigation for light detection and ranging
US20220221585A1 (en) * 2021-01-14 2022-07-14 Argo AI, LLC Systems and methods for monitoring lidar sensor health
CN114627020B (zh) * 2022-03-18 2023-06-20 易思维（杭州）科技有限公司 一种曲面工件反光噪点去除方法

Family Cites Families (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1337963A4 (en) * 2000-10-30 2005-11-02 Translation Technologies Inc COMPUTATIONAL GEOMETRY SYSTEM, INTERRUPTION INTERFACE, GEOMETRIC MODEL COMPARATOR, AND CORRESPONDING METHOD
CN101127031B (zh) * 2006-08-18 2011-05-04 鸿富锦精密工业（深圳）有限公司 点云数据均值过滤系统及方法
US7995055B1 (en) * 2007-05-25 2011-08-09 Google Inc. Classifying objects in a scene
CN101369313B (zh) * 2007-08-17 2012-05-16 鸿富锦精密工业（深圳）有限公司 点云噪声点过滤系统及方法
CN101373540B (zh) * 2007-08-20 2011-12-14 鸿富锦精密工业（深圳）有限公司 点云精简系统及方法
CN101377851A (zh) * 2007-08-29 2009-03-04 鸿富锦精密工业（深圳）有限公司 点云到点云的最近距离计算系统及方法
CN101635051B (zh) * 2008-07-25 2012-08-29 鸿富锦精密工业（深圳）有限公司 边界元素提取方法及其计算机系统
WO2011070927A1 (ja) * 2009-12-11 2011-06-16 株式会社トプコン 点群データ処理装置、点群データ処理方法、および点群データ処理プログラム
CN102110305A (zh) * 2009-12-29 2011-06-29 鸿富锦精密工业（深圳）有限公司 点云三角网格面构建系统及方法
CN102136155B (zh) * 2010-01-27 2012-10-03 首都师范大学 基于三维激光扫描数据的物体立面矢量化方法和系统
CN103164842A (zh) * 2011-12-14 2013-06-19 鸿富锦精密工业（深圳）有限公司 点云提取系统及方法
CN102944174B (zh) * 2012-11-28 2015-06-17 北京矿冶研究总院 一种三维激光点云数据的去噪与精简方法及系统

Also Published As

Publication number Publication date
TWI590188B (zh) 2017-07-01
CN104574282B (zh) 2019-06-07
CN104574282A (zh) 2015-04-29
US20150109290A1 (en) 2015-04-23

Similar Documents

Publication Publication Date Title
TWI590188B (zh) 點雲雜訊點去除系統及方法
JP6622972B2 (ja) ポイントクラウドで特徴領域を抽出する方法及び装置
TW201616449A (zh) 點雲網格精細化系統及方法
CN104574342B (zh) 视差深度图像的噪声识别方法和噪声识别装置
TW201610730A (zh) 點雲網格簡化系統及方法
JP2015531946A5 (zh)
JP2016130869A5 (zh)
WO2020191731A1 (zh) 点云生成方法、系统和计算机存储介质
JP2013236087A5 (zh)
JP2018511874A5 (zh)
US9824494B2 (en) Hybrid surfaces for mesh repair
CN106960470B (zh) 三维点云曲面重建方法及装置
WO2016173062A1 (zh) 面向三维打印的三维模型处理方法及装置
CN112651889A (zh) 一种适用于slam点云去噪的融合滤波方法、电子设备、存储介质
JP2021128735A5 (zh)
JP5650021B2 (ja) ３次元環境復元装置、その処理方法、及びプログラム
CN112464583A (zh) 一种考虑激波和边界层的网格生成方法
CN111768353A (zh) 一种三维模型的孔洞填补方法及装置
CN110020598B (zh) 一种基于深度学习检测电线杆上异物的方法及装置
US12094060B2 (en) Low-poly mesh generation for three-dimensional models
CN116596750A (zh) 一种点云处理方法、装置、电子设备及存储介质
JP2012238925A5 (zh)
Zhu et al. Direct editing on hexahedral mesh through dual operations
JP2014099848A (ja) イメージ分割システム及びその方法
KR20130101332A (ko) 삼각형 메쉬로 표현된 3차원 물체를 ＤｏＳｕｒｆａｃｅ 표현 방법으로 변환하는 시스템 및 그 방법

Legal Events

Date Code Title Description
MM4A Annulment or lapse of patent due to non-payment of fees