利用噪声特点与曲面拟合的点云去噪及光顺算法研究

逆向工程中,随着三维扫描测量技术的迅速发展以及基于海量采样点云数据的高精度模型的产生,使得快速有效地处理点云这一技术显得更加重要.点云的去噪和光顺是法矢估计、曲率计算及曲面重建等后续处理工作的重要基础,依据散乱数据点云中的噪声点的特点,对其进行分类,并提出一种新的基于曲面拟合及噪声特点分步去噪的方法.     

基于特征信息分类的三维点数据去噪

为了有效去除获取三维点云数据时的噪声,同时又不损失模型的特征信息,提出了一种基于三维点云特征信息分类的去噪算法。首先采用主成分分析法和二次曲面拟合法估算三维点云的微分几何信息;然后根据点云平均曲率的局部特征权值,将点云数据划分为特征信息较少的平坦区域和特征信息丰富的区域,针对不同特征区域分别采用邻域距离平均滤波算法和自适应双边滤波算法进行去噪滤波。实验结果表明:滤波后点云数据的最大误差为0.144 7mm,标准偏差为0.021 0mm。在不同噪声强度下,该去噪算法均能够达到较好的去噪效果,并保留点云的高频特征信息。     

航空发动机外形点云的保特征去噪方法

三维激光扫描设备可以提供航空发动机外形实测点云,但其中包含的噪声会直接影响后期外形几何模型的重建精度。为保证在去除噪声的同时不模糊或破坏掉发动机复杂的外形几何特征,提出了一种基于深度学习的点云保特征去噪方法。将航空发动机外形噪声点云分割成特征数据和非特征数据之后,分别设计了特征去噪网络和非特征去噪网络,用于预测特征噪声点和非特征噪声点的位置修正向量,噪声点沿预测向量移动后被投影回模型真实的底层表面上,实现去噪。构建了用于特征去噪学习和非特征去噪学习的数据集。验证结果表明,在将该方法应用于各种噪声尺度的发动机外形点云时,相比现有的学习基方法,去噪效果得到提高,且有更好的几何特征保护能力,可以为后续重建提供高质量点云。     

散热盖模具点云数据处理技术研究

散热盖注塑模具进行三维模型重建技术主要研究内容有模具样件的三维数据测量、点云数据处理、曲线曲面模型的重构、模具三维实体化等。点云数据预处理主要包括点云数据的对齐与重定位、数据的精简与降噪等。由于任何测量系统在采集数据时均存在误差,所以在重建模型之前,必须对采集的数据进行预处理。点云数据预处理主要包括多视点云拼合、点云数据滤波及平滑、数据精简、对噪声点和异常点的处理以及对数据进行的平滑操作等几方面。预处理后所获得的纯净数据将为后续研究奠定良好基础。     

一种光学三维型面测量中的阴影去除方法

三维测量获得的点云数据一般须进行去噪处理以保证重构曲面的精度,光学三维测量中这些噪点主要是由阴影形成的,因此阴影去除的效果直接影响到反求工程的效率和精度.采用基于Gray-code投影的方法实现三维面型测量,根据Gray-code唯一、有序的特点,在测量过程中进行阴影处理,可以有效地去除阴影,从而去除测量结果中的噪点.该方法可以避免噪声,保证点云数据的准确性,为后续的曲面重构提供便利,在反求工程中具有重要的实用价值.     

先验概率与曲线概率阈值分割相结合的消噪方法

针对二维激光扫描仪获取的原始点云数据存在噪声点而影响测量精度的问题,提出了基于先验概率算法与曲线概率阈值分割的点云数据消噪方法。以异形截面环形件为实验对象,运用该消噪方法对原始数据进行处理,分别采用原始数据和消噪数据计算了环件台阶轴的高度,并将其与环件的真实值进行了对比。对比结果表明,消噪后数据的计算值更接近环件的真实值,从而验证该算法能有效提高测量精度。     

保持特征的散乱点云数据去噪

为保证在去除点云数据噪声的同时不损失模型的细节特征,提出了一种基于特征信息的加权模糊C均值聚类去噪算法。首先,构建点云K-D树拓扑结构,根据点的r半径球邻域点统计特性去除大尺度离群噪声点。然后,利用主元分析法估算点云的曲率和法向量,根据曲率特征标识点云数据的特征区域,并采用特征加权模糊C均值聚类算法对特征区域去噪,采用加权模糊C均值聚类算法对非特征区域去噪。最后,使用双边滤波器对点云模型进行平滑。对提出的算法进行了验证实验,结果显示:去噪后点云模型的最大偏差保持在模型尺寸的0.15%以内;标准偏差保持在模型尺寸的0.03%以内。本文算法能够在有效去除不同尺度和强度的噪声的同时不损失点云模型的细节特征,去噪精度高,且对不同的噪声模型具有较强的鲁棒性。     

似然函数和随机滤波的点云去噪方法研究

在获取物体的三维点云数据时,通常采用线结构光扫描的方法,但是在测量过程中不可避免的会产生不合理的噪声点.从而在进行曲面重构时,会导致重构的曲面不够光滑,进而会影响三维扫描物体重构的精确性,因此有必要对扫描数据进行去噪处理.噪声点产生的原因有很多,大部分噪声点具有幅值大,影响因素多的特点,所以利用似然估计函数得到采样局部...     

基于逆向工程的三维人脸建模

采用结构光3DSS三维扫描仪采集人脸点云数据,通过八叉树细分和对点云的法向估计进行人脸点云数据简化,利用三角曲面片造型法进行点云三角网格化,以及数据插补和创建NURBS曲面,建立了人脸三维数字化模型,并对人脸模型数据作误差分析。该方法能够快速建立三维人脸模型,且能满足人脸数字化和CAD／CAM系统的应用要求。     

层次化点云去噪算法

三维激光扫描设备获取的初始点云模型中含有较多的噪声点,不利于后期的点云处理,需要将其进行剔除。为了有效地保持点云的尖锐几何特征,本文提出一种由粗到精的层次化点云去噪算法。首先构造点及其邻域点的张量投票矩阵,通过计算该矩阵的特征值和特征向量构造扩散张量,并基于该扩散张量利用各向异性扩散方程进行循环滤波,从而实现点云初始粗去噪;然后计算滤波后点云的曲率特征,并根据曲率值进一步删除点云中的噪声点,从而实现点云精确去噪;最后通过计算点云熵值对去噪算法进行定量评价。实验结果表明,本文提出的点云去噪算法具有较大的熵值、较小的去噪误差和较高的执行效率。因此说,该层次化点云去噪算法在保持尖锐几何特征的同时,可以快速精确剔除噪声点,是一种有效的点云去噪算法。