HTML
-
实验结果分别如图 1和图 2所示。可以看出,经本文中提出的方法滤波后,消除了较大的噪声,有效地保留模型中的尖锐、边缘特征及细节特征。从图 1中可以看到,椅子边缘的噪声被滤波去掉,保留的椅子边缘细腻。从图 2中可以看到,经过滤波后,gargo的细节能够比较清晰地展现出来。
表 1中对4种去噪算法进行了滤波效果比较,从中可以发现,与3种滤波算法相比,提出的算法在进行滤波处理后,点云平均误差更小,通过统计发现,整体上与原始模型更为接近;同时,提出的滤波算法,相对其它3种算法比较,最大误差较更小,这表明所提出的算法能够更好地将目标的高频特征或细节特征保留。
Table 1. Performance comparison of several filter method
表 2中给出了曲面拟合窗口的大小T对整体滤波精度的影响。从表中可以看到,T对去噪效果有一定影响。T过大及过低,对滤波效果都有坏处,合适的滤波窗口,将带来最佳的滤波效果。在T=28时,能够得到最低的平均误差和最大误差,可见T=28为最佳的曲面拟合窗口。随着滤波目标的形状不同,T会发生适当的变化。
point cloud average error max error T=16 T=22 T=28 T=31 T=37 T=35 T=16 T=22 T=28 T=31 T=37 T=35 chair 0.032 0.029 0.019 0.026 0.031 0.031 0.031 0.027 0.025 0.028 0.032 0.035 gargo 0.041 0.032 0.027 0.031 0.037 0.042 0.039 0.039 0.037 0.034 0.041 0.046 Table 2. Effect of surface fitting window T to filter
-
在激光对目标进行3维扫描过程中,由于环境中的粉尘干扰、周围杂散光干扰、物体表面反射材料、雨衰、测量中人操作产生的误差等因素,必然会包含一定的噪声点。噪声点会导致展现的目标形状和原实物相差很多,尤其是点云中存在一些孤立噪声点、离群点直接影响点云数据的质量和后期处理等问题。这会严重影响后续点云的处理,尤其在一些实际应用中,比如自动驾驶中的目标提取计算、3维点云立体重构中的重构精度等。因此,在对点云处理工作时,必须要进行点云去噪滤波工作。
从前人的研究论文中可以发现,经历了多年的探索研究,有众多的去噪滤波算法,有些技术分支已经日趋成熟。众多的思路基本都是需要根据点云之间的相对位置关系,进行综合处理。但是在实际应用过程中发现,由于环境干扰,实际扫描的点云所含噪声都较大,或者噪声较多时候,点云之间的相对关系易被破坏,点云滤波的精度难以保证,滤波的处理复杂度不断增加,此时,前人的滤波方法对处理效果没有明显的增强,滤波过程中还容易产生局部细节损失现象。根据这种情况,进行了研究,从实验结果可以看到,提出的方法能解决上述问题, 得到较高精度的去噪滤波结果。
进一步,表 3中给出了滤波窗口的大小M对整体滤波精度的影响。从表中可以看到,去噪效果随着滤波窗口M的变化而变化。M增大时,点云去噪最大误差呈减小趋势,随着M进一步增大,点云去噪最大误差逐步平缓,而后M越大,点云去噪最大误差增大。这是由于M控制滤波窗口点云采样个数,采样个数的适当增加,对滤波效果有好处,但是当增加到一定程度的时候,效果反而变差,因此,滤波窗口系数的合理选择,对滤波去噪效果有很大的影响。
point cloud average error max error M=10 M=15 M=20 M=25 M=30 M=35 M=10 M=15 M=20 M=25 M=30 M=35 chair 0.028 0.026 0.018 0.023 0.027 0.031 0.029 0.025 0.024 0.025 0.028 0.031 gargo 0.033 0.031 0.028 0.030 0.034 0.037 0.039 0.035 0.032 0.036 0.039 0.042 Table 3. Effect of surface window M to filter
同时从表 1中曲面拟合窗口大小和表 3中滤波窗口大小对处理精度比较来看,窗口大小对精度的影响略有不同,在曲面拟合过程中,窗口大一些好,在滤波过程中,窗口稍小一些好。这是因为在曲面拟合过程中,窗口适当大一些,拟合的精度高,不会变形,而在滤波过程中,小窗口对精度有提升。
从上述实验结果及分析可以看出,该方法通过拟合运算,滤波精度高。有效处理了噪声点、离群点。对于陡峭、平坦的区域,该方法具有较好的滤波效果,适用于各种目标点云。该算法结构简单,同时能够有效保留细节信息。
由于传统的移动曲面的最小二乘滤波只在较小区域时候有效,而且受所取曲面周围区域的大小制约,将主成分分析基础上进行曲面拟合,而后去噪,取得了较为理想的效果。与采用双边滤波算法、改进双边滤波、三边滤波或Fleishman方法等算法进行比较,提出的方法能够在较大范围内、较高噪声情况下,进行大规模散乱点云处理,去噪效果明显,细节特征保留,同时光顺区域误差也比较小。