热线电话:18250891972 / 18250891971
Language : 中文版
欢迎来到厦门鸿智达官网

新闻中心

基于统计分析技术的点云数据去噪

* 来源: * 作者: * 发表时间: 2019-07-01 9:55:47 * 浏览: 2
3.4.1基于统计分析技术,点云数据去噪喷雾机器人将通过数据采集获得原始数据中的大量冗余和噪声点。因此,数据处理技术的第一步是执行滤波器去噪。点云数据的去噪主要是通过使用点云数据中的唯一数据结构来搜索每个点附近的相邻点。通过统计分析,确定平均距离是否满足预定条件以消除异常点。和异常值。图3-8和图3-9显示了去噪前后相同点云数据与场平均距离方法的比较。图3-8中的左图是原始数据,右边的图是去噪的结果。通过比较去噪前后的变化,我们可以发现统计分析技术对原始点云数据的去噪效果是显而易见的。图3-9显示了去噪前后点范围内K近邻的平均距离的比较。可以看出,去噪后点云数据的K-最近场的平均距离的方差很小。因此,点的K-最近邻域场中的平均距离变化是相对均匀的。 3.4.2基于最小二乘法的点云数据平滑点云数据后,只消除点云分布中异常异常值的点。由于生产和加工过程中测量仪器和工件的误差,点云数据两者之间仍然存在跳跃,这将导致表面重建中的许多凹陷或凸起。因此,为了在重建点云模型的表面时获得更光滑的表面,本文使用最小二乘法对点云进行求解。对数据进行插值以获得更平滑的点云。图3-10和图3-11显示了平滑前后相同点云数据的特征和曲率特征的比较。在图3-10左侧的图中,由于测量误差,即使设置在同一平面上的点,法线方向也不严格一致,右侧是同一点云数据平滑后再标准化。估计结果明显比左侧更准确。另外,通过比较图3-11中平滑处理前后的曲率特征方差图,可以看出平滑处理前点云数据曲率特征的方差较大,平滑后的方差为小,表示点云数据已更改。它更顺畅。 3.4.3基于聚类分析方法的点云数据减少一般来说,通过扫描方法获得的点云数据具有较大的分布密度,数据量一般在一百万或更多的数量级。对于如此大量的数据,一般处理由于设备和硬件设备由于性能不佳而无法处理,因此有必要简化大规模点云数据,这直接影响表面重建和后续路径规划的计算效率。根据之前的点云简化技术概述,本文利用点云库中独特的数据结构体素,通过聚类分析方法实现大量点云数据的简化,如图3中的例子所示。 12。基于聚类分析的喷雾机器人的点云减少有两个主要过程:聚类初始化和聚类细分。首先,选择均匀分布的K点作为初始中心点。由于可能存在更多精细特征,如果仅使用由群集初始化保留的群集中心点来描述整个群集,则这些精细特征将变得模糊,因此要对群集进行分段。为了获得精细特征,初始聚类被递归地细分为更小的子聚类,直到聚类成员在空间域和特征域中相似。在图3-12中,基于聚类分析方法简化了球面上的一些点云模型。原始点云数据总数为of 12498分,并且减少集群以获得3267点。与流线型变换前后的点云模型相比,原点云数据的几何特征和拓扑结构基本保持不变,点云数量大大减少,对提高后续速度具有重要意义。表面重建和路径规划。