三维点云数据去噪方法研究-模式识别与智能系统专业论文.docx

I

I

摘 要

摘 要

随着三维扫描技术的快速发展，三维扫描设备成本的不断下降，逆向工程已成为 快速研发各种新产品的重要技术手段。在逆向工程中，使用数据测量设备获取点云数 据时，由于被测对象表面波纹、表面粗糙度、设备精度、环境光照、人为扰动等因素， 所获得的点云数据不可避免地受到噪声的影响。噪声的存在不仅会影响点云简化、拼 接等预处理，而且会对曲面重建的精度和速度造成负面影响。因此，研究点云数据的 去噪技术对于逆向工程的发展具有重要意义。

本文在前人研究成果的基础上，对点云数据的去噪技术进行了深入的研究，主要 工作内容如下：

(1)简要介绍了逆向工程中的关键技术，系统介绍了点云数据的基本概念，详细

阐述了点云数据去噪的国内外研究现状和常用方法。 (2)着重分析了双边滤波去噪算法，针对其过光顺问题，本文提出了一种改进的

双边滤波去噪算法。该方法首先采用改进的基于 Voronoi 图算法估算出点云模型的法

向量，再采用鲁棒算法求取点云模型的局部噪声方差，依此设计一个自适应控制函数， 使得采样点的双边滤波都能在最优滤波邻域内进行。实验结果表明，该方法能有效地

去除点云数据的噪声，并较好地保持了点云模型的细节特征。

(3)详细分析了张量投票算法的实现和应用，提出了一种基于张量投票的主动轮 廓边缘提取算法，该算法对边缘清晰和模糊的物体均能有效提取轮廓边缘，使计算机

能对不同的物体形态进行感知和识别。同时，分析了张量投票算法中尺度因子对点云

数据去噪的影响，提出了一种基于点云分布的张量投票去噪算法。算法通过点云分布 设计一个自适应的尺度因子，对点云数据的不同部分采用不同的投票域。实验结果表

明，该方法能有效去除点云数据中的噪声，且去噪速度优于传统的张量投票算法。

关键词：点云去噪；法向量；双边滤波算法；张量投票；尺度因子

II

II

Abstract

Abstract