三维激光扫描点云数据滤波算法的研究

《三维激光扫描点云数据滤波算法的研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、分类号:P2210710-2015126023硕士学位论文三维激光扫描点云数据滤波算法的研究李宁导师姓名职称刘万林副教授申请学位级别工学硕士学科专业名称大地测量学与测量工程论文提交日期2018年4月20日论文答辩日期2018年5月31日学位授予单位长安大学ResearchontheFilteringAlgorithmof3DLaserScanningPointCloudDataAThesisSubmittedfortheDegreeofMasterCandidate:LiNingSupervisor:As

2、sociateProf.LiuWanlinChang’anUniversity,Xi’an,China摘要三维激光扫描技术现已广泛的应用于三维测绘，在进行点云数据采集时，由于仪器、环境、测量人员等因素的影响，获取的点云数据会有许多噪声点，这些噪声数据的存在会对点云模型重建造成极大的影响。因此，为了获得高精度的点云模型，必须对点云数据进行滤波处理，剔除点云中的噪声点。点云滤波的目的是尽可能的去除偏离物体表面的噪声点，保留物体表面的点云，同时还要保持扫描模型表面的尖锐特征和几何边缘的特征信息。本文对散乱点云数

3、据预处理中滤波过程进行了深入的研究，主要内容有：1、在介绍常见点云数据的基础上，针对散乱点云没有明显的拓扑关系，提出用八叉树法建立散乱点云间的拓扑关系，并引入K值邻域搜索，针对采用直接搜索会出现搜索数据量大、搜索不完整、搜索效率低下的问题，提出分层搜索的方法，由内向外逐层搜索，提高搜索效率。最后用邻域平均值法对搜索到的K个邻近点求取平均值并与给定阈值比较进行滤波去噪。实验表明，邻域平均值法滤波取得了很好的效果。2、在介绍模糊数学和模糊C均值（FuzzyC-Means，FCM）聚类的基础上，针对FCM聚类用

4、于点云去噪对小噪声点不敏感的特点，引入协方差因子，增加细小噪声的权重；针对聚类中心对滤波效果影响较大的问题，提出用马氏距离代替FCM聚类中的欧氏距离，推导出基于马氏距离的模糊C均值（FCM-M）聚类算法的公式。实验表明，FCM-M算法的聚类中心更接近模型表面，比经典的FCM算法滤波效果更好，对点云模型也有很好的光滑效果。3、在定性分析实验滤波效果的基础上，针对定性分析不直观的问题，提出以方法噪声从定量上分析滤波算法效果。实验表明，FCM-M算法具有很好的去噪效果，并对点云数据具有很好的光滑效果，保留模型的

5、特征信息。关键词：三维激光扫描，点云滤波，邻域平均值，FCM聚类，FCM-M滤波，方法噪声IAbstractThe3Dlaserscanningtechnologyhasbeenwidelyusedin3Dsurveyingandmapping.Theacquisitionofpointclouddatawillbedeeplyinfluencedbyinstruments,theenvironmentandthesurveyors,resultinginmanynoisepoints.Thedatain

6、cludingthesenoisepointswillhaveahugeimpactonthereconstructionofpointcloudmodels.Therefore,inordertoobtainthehigh-precisepointcloudmodel,thepointclouddatamustbefilteredtoremovethesenoisepointsinthepointcloud.Thepurposeofpointcloudfilteringistotrytoremoveth

7、enoisepointsthataredeviatedfromthesurface,tokeepthepointcloudoftheobjectsurface,andtokeeptheobviousfeaturesandthecharacteristicinformationofthegeometricedgesofthescanningmodelsurface.Thepaperstudiesandanalyzesthefilteringprocessofscatteredpointclouddatapr

8、eprocessingindepth.Thekeypointsareasfollows:1、Becauseoftheunobvioustopologicalrelationofscatteredpointcloud,thepaperproposesthetopologicalrelationofscatteredpointcloudbyusingoctreemethod,andtheK-neighborhoodsearchis