一種點云數據的處理方法及系統技術方案

本發明專利技術公開了一種點云數據的處理方法及系統，其中，該方法包括：計算拓撲構造后的點云中當前點與其鄰域各點的距離及距離的均值μ和用于表示數據離散程度的標準差σ；判斷鄰域某一點與當前點p的距離是否處于區間μ±α·σ之中；若是，則忽略；否則，刪除該點；為點云建立用于表示點云網格空間的包圍盒數據結構，并計算當前包圍盒的中心點p0與所述當前包圍盒中其他點的距離及距離的均值μ0和標準差σ0；判斷當前包圍盒中的某一點距離中心點p0的距離是否處于區間μ0±α0·σ0之中；若是，則刪除該點；否則忽略。通過采用本發明專利技術公開的點云處理方法，提高了噪聲點過濾的準確率及點云數據的精確度，并有效地降低了點云數據的冗余度。

【技術實現步驟摘要】

本專利技術涉及測繪領域，尤其涉及一種點云數據的處理方法及系統。
技術介紹
采空區三維激光掃描儀在數據測量過程中，受環境中溫度，懸浮的固體顆粒物，采空區表面的反射率等因素的影響，同時還由于采空區形狀極度不規則、空區巖壁表面的粗糙度、孔洞和巖壁反射以及三維激光掃描儀本身的系統誤差等使采集到的數據含有嚴重噪聲，對后續點云數據處理產生很大的干擾。因此，在進行采空區三維模型重建之前，需要對測量得到的點云數據進行預處理，以獲得完整與正確的測量數據來方便后續的三維重建工 作。另外，經過預處理后得到的點云數據還可以進行配準，進行形變檢測分析采空區穩定性坐寸ο噪聲點的過濾可以直接針對點云數據，也可以針對由點云構建的三角網格數據，但前提是建立點云的拓撲關系。由于采空區數據的復雜性和大規模性，網格平滑算法不能簡單地推廣在采空區點云數據。低通濾波算法、移動最小二乘(MLS)曲面擬合算法和基于偏微分方程(PDE)的曲面逼近算法等雖然在去除小振幅噪聲方面效果良好，但不能用于去除離散噪聲點。國內外對于三維激光掃描硬件系統的研究已日趨成熟，但對于三維激光點云數據的處理算法尚無成熟的技術方案。并且對于深井采空區這類復雜的點云數據，沒有相應的處理方法。現有技術中，對于有序或部分有序的點云來說，采用的去噪算法大多是從圖形學衍生而來，如維納濾波、最小二乘濾波和卡爾曼濾波、孤立點排異法、鄰域平均法等。但現有的算法只適用于掃描線點云數據，并且，如果噪聲點數量較多時，濾波器則判定其為非噪聲點而不予去除。在這種情況下，往往需要依靠手動的方法去除噪聲點，為現場應用及全自動化處理點云帶來了不必要的麻煩。另外，由于龐大的點云增加了后續建模及數據分析和存儲的負擔為了解決此問題，必須在保持被測空區幾何特征的前提下，根據空區的幾何特征，對測量數據點云進行精簡，以提高算法的實時性。然而，現有技術的方案無法保證所構建的模型與原始點云數據之間的精度，在點云數據密集處容易丟失細節信息。
技術實現思路
本專利技術的目的是提供一種點云數據的處理方法及系統，通過距離閾值可有效的識別鄰域中的噪聲點，計算過程簡單高效，實時性高。一種點云數據的處理方法，該方法包括計算拓撲構造后的點云中當前點ρ與其鄰域各點的距離及距離的均值μ和用于表示數據離散程度的標準差σ ;判斷鄰域某一點與當前點ρ的距離是否處于區間μ ±α · σ之中，其中α為距離閾值的系數；若是，則忽略；否則，刪除該點；為點云建立用于表示點云網格空間的包圍盒數據結構，并計算當前包圍盒的中心點Pci與所述當前包圍盒中其他點的距離及距離的均值μ ^和標準差σ。；判斷當前包圍盒中的某一點距離中心點Ptl的距離是否處于區間μ(ι±α(ι· %之中，其中為距離閾值的系數；若是，則刪除該點；否則忽略。一種點云數據的處理系統，該系統包括第一計算模塊，用于計算拓撲構造后的點云中當前點ρ與其鄰域各點的距離及距離的均值μ和用于表示數據離散程度的標準差σ ;噪聲點處理模塊，用于判斷鄰域某一點與當前點ρ的距離是否處于區間 μ±α · σ之中，其中α為距離閾值的系數；若是，則忽略；否則，刪除該點；包圍盒建立模塊，用于為點云建立用于表示點云網格空間的包圍盒數據結構；第二計算模塊，用于計算當前包圍盒的中心點Ptl與所述當前包圍盒中其他點的距離及距離的均值μ ^和標準差σ。；點云精簡模塊，用于判斷當前包圍盒中的某一點距離中心點Ptl的距離是否處于區間yQ±aQ· O。之中，其中α。為距離閾值的系數。由上述本專利技術提供的技術方案可以看出，通過建立鄰域，并根據距離閾值可有效的識別并去除鄰域中的噪聲點，提高了噪聲點過濾的準確率及點云數據的精確度；通過建立包圍盒結構，根據閾值保留關鍵點，去除冗余點，在保留了原始特征的同時降低了冗余度。附圖說明為了更清楚地說明本專利技術實施例的技術方案，下面將對實施例描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本專利技術的一些實施例，對于本領域的普通技術人員來講，在不付出創造性勞動的前提下，還可以根據這些附圖獲得其他附圖。圖I為本專利技術實施例一提供的一種點云數據的處理方法的流程圖；圖2為本專利技術實施例一提供的一種去除噪聲點的示意圖；圖3為本專利技術實施例二提供的又一種點云數據的處理方法的流程圖；圖4為本專利技術實施例二提供的一種點云精簡的示意圖；圖5為本專利技術實施例三提供的一種點云數據的處理系統的示意圖。具體實施例方式下面結合本專利技術實施例中的附圖，對本專利技術實施例中的技術方案進行清楚、完整地描述，顯然，所描述的實施例僅僅是本專利技術一部分實施例，而不是全部的實施例。基于本專利技術的實施例，本領域普通技術人員在沒有做出創造性勞動前提下所獲得的所有其他實施例，都屬于本專利技術的保護范圍。實施例一圖I為本專利技術實施例一提供的一種點云數據的處理方法的流程圖，主要包括如下步驟步驟101、計算拓撲構造后的點云中當前點ρ與其鄰域各點的距離及距離的均值μ和用于表示數據離散程度的標準差σ。點云數據是由三維激光掃描儀對被測物體進行掃描而獲得的被測物體的外形輪廓數據。例如，使用三維激光掃描儀對一垂直墻壁進行掃描，理論上而言，若墻壁是絕對平滑的，則掃描得到的點云數據應該處于同一平面上。然而，由于三維激光掃描儀自身存在的誤差、被測物體表面反射率(一般由材質決定)及懸浮的固體顆粒等因素的影響，被測物體外形數據的表面會附著若干雜亂、無序的點(噪聲點)，這些點的存在會影響點云數據的精度，以及后期數據處理的復雜度。為了提高點云數據的精度在進行作業之前一般都需過濾噪聲點。首先，可以基于分割K維空間的數據結構KD-Tree構造點云拓撲結構。點云拓撲結構構造是指將散亂的三維激光點云通過相應的拓撲關系構造方法組織成有一定的拓撲關系的點云，拓撲關系反映了空間點云的邏輯結構。其次，根據所述KD-Tree確定當前點ρ的鄰域點=，其中，<為點P的鄰域，Pl，ρ2，…Pk為點P的鄰域點，k為鄰域點數量。其中，鄰域可以是半徑為R球形范圍內的所有點組成的鄰域或距離當前點最近的k個點組成的k-近鄰。鄰域的作用在于確定能夠提供三維點云的處理和重建所需的局部特征和統計信息，例如通過鄰域關系計算點云的法線、切平面、鄰接關系和曲率等其它統計和特征信息。最后，計算當前點ρ與其鄰域各點的距離及距離的均值μ和用于表示數據離散程度的標準差σ。可使用歐氏距離公式計算當前點ρ與其鄰域各點的歐氏距離或根據坐標值計算距離，例如，通過計算得當前點P到鄰域各點的歐氏距離為D= (C^d2，…，dk};可 先根據公式計算距離均值權利要求1.一種點云數據的處理方法，其特征在于，該方法包括 計算拓撲構造后的點云中當前點P與其鄰域各點的距離及距離的均值μ和用于表示數據離散程度的標準差σ ; 判斷鄰域某一點與當前點P的距離是否處于區間μ±α · σ之中，其中α為距離閾值的系數； 若是，則忽略；否則，刪除該點； 為點云建立用于表示點云網格空間的包圍盒數據結構，并計算當前包圍盒的中心點Po與所述當前包圍盒中其他點的距離及距離的均值μ C1和標準差σ。； 判斷當前包圍盒中的某一點距離中心點Po的距離是否處于區間μ a C1 · σ ^之中，其中a ^為距離閾值的系數； 若是，則刪除該點；否則忽略。2.根據權利要求I所述的方本文檔來自技高網...

【技術保護點】
一種點云數據的處理方法，其特征在于，該方法包括：計算拓撲構造后的點云中當前點p與其鄰域各點的距離及距離的均值μ和用于表示數據離散程度的標準差σ；判斷鄰域某一點與當前點p的距離是否處于區間μ±α·σ之中，其中α為距離閾值的系數；若是，則忽略；否則，刪除該點；為點云建立用于表示點云網格空間的包圍盒數據結構，并計算當前包圍盒的中心點p0與所述當前包圍盒中其他點的距離及距離的均值μ0和標準差σ0；判斷當前包圍盒中的某一點距離中心點p0的距離是否處于區間μ0±α0·σ0之中，其中α0為距離閾值的系數；若是，則刪除該點；否則忽略。

【技術特征摘要】

【專利技術屬性】
技術研發人員：劉冠洲，陳凱，張達，楊小聰，張曉樸，韓志磊，劉建東，王治宇，
申請(專利權)人：北京礦冶研究總院，
類型：發明
國別省市：