[發明專利]基于KDTree的點云數據雙邊濾波去噪的方法

無效

• 申請號: 201210013723.6
• 申請日: 2012-01-17
• 公開（公告）號: CN102629367A
• 公開（公告）日: 2012-08-08
• 發明（設計）人: 施貴剛;劉仁義;黃顯懷;左光之;金乃玲;夏開旺;廖振修;周利利;左偉
• 申請（專利權）人: 安徽建筑工業學院
• 主分類號: G06T5/00
• 分類號: G06T5/00
• 代理公司: 安徽合肥華信知識產權代理有限公司 34112
• 代理人: 余成俊

1.利用地面激光掃描技術進行測量對象表面重建時基于KDTree的點云數據雙邊濾波去噪的方法，其特征在于，具體步驟為：

①在地面三維激光掃描技術中的三維點云數據的濾波中，定義

p′＝p+λn(1)

上式中p′為數據點p濾波后的新數據點，λ為雙邊濾波權因子，n為數據點p的法向，雙邊濾波權因子λ定義如下

λ=Σkij∈N(pi)HC(||pi-kij||)HS(<pi-kij>)(ni,qi-kij)Σkij∈N(pi)HC(||pi-kij||)HS(<pi-kij>)---(2)]]>

式中N(p_i)是數據點p_i的鄰居點，光順濾波是標準高斯濾波，表示為

HC(x)=e-x2/2σC2---(3)]]>

特征保持權重函數類似于光順濾波，可定義為

HS(y)=e-y2/2σS2---(4)]]>

其中，參數σ_c是數據點p_i到鄰居點的距離對該點的影響因子；參數σ_s是數據點p_i到鄰近點的距離向量，在該點法向n_i上的投影對數據點q_i的影響因子；

②散亂數據點的法矢量估計，可以利用數據點領域內的點集進行最小二乘平面擬合，以擬合平面的法矢量作為該點的法矢量；設P為散亂點云中的一個數據點，其領域點集記為k-N(P)，即包含與P距離最近的k個數據點；令擬合平面的法矢量為N，構造目標函數D表示k-N(P)中的點Q到擬合平面的距離：

minD=minΣi=0,Qi∈k-N(P)k-1(||Qi-P||·N)2---(5)]]>

式(5)的求解可轉化求下面矩陣M的特征值問題：

M=Σi=0k-1(Qi-P)(Qi-P)T---(6)]]>

利用數值方法可以得到矩陣M的最小特征值，最小特征值對應的特征向量單位化后就是擬合平面的法矢量N，即散亂數據點P的單位法矢量；

③讀取點云數據，通過KDTree找到每一個數據點p_i的m個近鄰點k_ij，j＝0，…，m-1；

④按散亂點法向估計的方法計算每個數據點p_i的法向量n_i；

⑤計算每個鄰近點k_ij的濾波函數參數x＝||p_i-k_ij||，表示點p_i到鄰近點k_ij的距離；求特征保持權重函數的參數y＝<n_i，p_i-k_ij>，表示點p_i與鄰近點的距離向量p_i-k_ij與該點法向的內積；

⑥按照式(3)和(4)求出濾波高斯函數H_C(x?)和H_S(y)；

⑦計算雙邊濾波權因子λ，將H_C(x?)和H_S(y)代入式(2)求解；

⑧得到濾波后的新數據點p′_i＝p_i+λn_i；

⑨當所有的數據點都經過更新后，雙邊濾波結束，把得到的優質數據源提供給三維重建技術，用于測量對象表面的三維重建。

2.根據權利要求1所述基于KDTree的點云數據雙邊濾波去噪的方法，其特征在于，所述的KDTree為二叉樹，每個節點對應一個長方體盒和一個分割平面，分割平面與一個坐標軸平行，分割平面將長方體盒分割成兩個子長方體盒，構成KDTree的兩個子節點。

根據權利要求1所述基于KDTree的點云數據雙邊濾波去噪的方法，其特征在于，求得矩陣M的最小特征值的數值方法是逆迭代法。