数据处理点云处理.doc

《数据处理点云处理.doc》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、非接触三维扫描测量数据的处理研究1　点云数据的处理1.1　噪声点的剔除和失真点的查找.在非接触三维扫描测量过程中,受测量方式、被测量物体材料性质、外界干扰等因素的影响,不可避免地会产生误差很大的点(噪声点)和失真点(跳点).因此在数据处理的第一步,就应利用相关专用软件所提供的去噪声点功能除去那些误差大的噪声点和找出可能存在的失真点[3].失真点的查找需要一定的技巧和经验,下面介绍3种方法供大家参考:①直观检查法.通过图形显示终端,用肉眼直接将与截面数据点集偏离较大的点或存在于屏幕上的孤点剔除.这种方法适合于数据的初步检查,可从数据点集中筛选出一些比较大的异常点.②曲线检查法.通过截面的首

2、末数据点,用最小二乘法拟合得到一条样条曲线,曲线的阶次可根据曲面截面的形状决定,通常为3~4阶,然后分别计算中间数据点pi到样条曲线的距离‖e‖,如果‖e‖大于等于[ε]([ε]为给定的允差),则认为pi是坏点,应予以剔除(见图1).③弦高差方法.连接检查点的前后2点,计算中间数据点pi到弦的距离‖e‖,如果‖e‖[ε]([ε]为给定的允差),则认为pi是坏点,应予以剔除.这种方法适合于测量点均匀且较密集的场合,特别是在曲率变化较大的位置(见图2).图1　曲线检查法剔除坏点图2　弦高差方法1.2　数据精简.非接触三维扫描测量的突出特点是点云十分密集,数据量极其庞大(在1m2的范围内有数十

3、万个点).若将如此庞大的数据量直接用于曲面构建不仅需要巨大的计算机资源(普通微机可能无法胜任)和很长的计算时间,而且整个处理过程也将变得难以控制,更何况并非所有的测试数据对曲面的构建都有用.因此,有必要在保证一定精度的前提下,对测试数据进行精简.数据精简的原则是在扫描曲率较大的地方保持较多的数据点,在曲率变化较小的地方保持较少的数据点.不同类型的点云采用不同的精简方式.散乱点云可通过随机采样的方法来精简,而对于扫描线点云和多边形点云可采用等间距、倍率、等量及弦偏差等方法进行精减.此外均匀网格法与非均匀网格法也可用来精减点云数据.其中均匀网格法只需选取其中的某些点,无需改变点的位置,可以很

4、好地保留原始数据,特别适合简单零件表面瑕点的快速剔除.由于均匀网格法没有考虑被测物体的表面形状特征,因此它不适合对形状复杂的重要工程部件测试数据的处理.与之相反,非均匀网格法可以根据被测工程部件外部形状特征的实际需要来确定网格的疏密,因此它可在保证后继曲面构建精度的前提下减少数据量,这在处理尺寸变化较大的自由形体方面显得十分有效.1.3　数据的平滑处理.点云数据中的随机误差将影响到后续曲面的构建及生成三维实体模型的质量,因此在构建曲面之前需对点云数据进行平滑滤波处理.常用的平滑滤波处理有如下2种方式:①平均值滤波.取滤波窗口内各数据点的统计平均值来取代原始点,从而改变点云的位置,使点云平

5、滑.假设相邻的3点分别为,x0,x1和x2,通过平均值滤波法平滑得到新点,x′1,x′1=(x0+x1+x2)/3,如图3所示,其中虚线所连点代表扫描测的点,直线所连的点代表平滑后的点.②高斯滤波.高斯滤波是一种在指定域内滤除高频噪声的滤波方法,其特点是在指定域内的权函数为高斯分布.由于高斯滤波的平均效果较小,因此它能较好地保持测试数据的原貌,是一种常用的滤波方法,如图4所示.图3　平均值滤波法图4　高斯滤波法1.4　数据拼合对齐.为完成对整个实体模型的非接触三维扫描测量,需要对实体模型从各个视觉进行分块测量.由于在测量不同区域时,都是在测量位置对应的局部坐标系下进行的,因此多次测量所对

6、应的局部坐标系并不一致,所以必须把各次测量对应的局部坐标系统一到同一坐标系,并消除相邻2次测量间的重叠部分,以得到被测物体表面的完整数据.这就需要将分块测量所得到的多片点云数据拼合在一起,即点云数据的拼合对齐,其处理方法有2种:一是通过专用的测量装置实现数据的拼合对齐,它要求设计一个自动工件移动转换平台,用来直接记录工件在测量过程的移动量和转动角度;二是用专门设计的计算机软件实现多片块点云数据的拼合对齐,从而实现原型的再构,这是现在非接触三维扫描测量最常用的多片块点云数据拼合对齐方法.分块测量得到的点云数据常可看作是一个刚体.数据对齐可以归结为三维刚体的坐标转换问题,即根据一些预先指定的

7、最佳匹配规则,通过坐标变换,把部分重叠的两片点云最优地对齐.在工程中较常用的是基于3个基准点的对齐方法.由于3点可以确定一个平面,因此在测量时,可在不同视图中建立用于对齐的3个基准点,通过对齐这3个基准点,就能实现三维测量数据的多视点统一。