三維點云數(shù)據(jù)體外噪聲的快速去除

楊彤　薛河儒

【摘? 要】利用手持式三維激光掃描儀對被測物體進(jìn)行數(shù)據(jù)采集時，往往會產(chǎn)生較多的體外噪聲飛點。將嚴(yán)重影響后期點云的處理和曲面重建的精度，所以必須要及時有效的去除這些噪聲。通過觀察發(fā)現(xiàn)，這些噪聲具有無規(guī)律且懸浮在主體點云外呈現(xiàn)孤立，稀疏狀態(tài)的特點，而基于密度濾波的方法適用于將此類噪聲進(jìn)行去除。該方法先對點云數(shù)據(jù)進(jìn)行密度聚類分析，再根據(jù)密度聚類結(jié)果實現(xiàn)被測目標(biāo)與噪聲點的分離。實驗結(jié)果表明，該算法能準(zhǔn)確的識別并剔除體外噪聲數(shù)據(jù)。

【關(guān)鍵詞】體外噪聲數(shù)據(jù);密度濾波;密度聚類分析;

引言

三維激光掃描技術(shù)是利用儀器對被測目標(biāo)進(jìn)行掃描，再通過對采集到的數(shù)據(jù)進(jìn)行處理，從而復(fù)建出被測物體的三維數(shù)據(jù)模型與之前的單點采集方式相比，三維激光掃描具有速度更快，精度更高，零接觸，便于操作等優(yōu)點，使其在文物保護(hù)，人工仿造，復(fù)雜零件建模等諸多領(lǐng)域得到了越來越廣泛的應(yīng)用。

在采集數(shù)據(jù)時由于受到人為原因（如掃描人員的錯誤操作），非人為原因（如掃描儀本身的功能缺陷），內(nèi)部的（如掃描對象表面的光滑粗糙度不一），外部的（如掃描環(huán)境的不穩(wěn)定）等各種因素的影響，會導(dǎo)致獲取的點云數(shù)據(jù)中產(chǎn)生大量的噪聲點。而噪聲點的存在將會對點云數(shù)據(jù)的后續(xù)處理造成極大的影響，因此，必須對采集到的點云數(shù)據(jù)進(jìn)行去噪。通過觀察實驗采集的數(shù)據(jù)的成像特點，發(fā)現(xiàn)采集到的目標(biāo)點云數(shù)據(jù)與被測物體表面成像一致，而噪聲點偏離實測數(shù)據(jù)較遠(yuǎn)，且懸浮在主體點云外呈現(xiàn)孤立，稀疏狀態(tài)，所以本文采用基于密度聚類的方法，實現(xiàn)目標(biāo)與噪聲的快速分離。

1? 基于密度的聚類算法

聚類是指在沒有任先前何處理經(jīng)驗的情況下，根據(jù)不同數(shù)據(jù)對象的特征，分成不同的類或簇。并且聚類算法可以實現(xiàn)同一類內(nèi)的相似性較大，不同類間的相似性較小。

基于密度聚類算法將類定義為密度相連的點的最大集合，能夠發(fā)現(xiàn)任意大小的類，對數(shù)據(jù)集中的異常點不敏感，克服了基于距離判別只能發(fā)現(xiàn)“類圓形”聚類的缺點其中比較有代表性的聚類算法是DBSCAN（Density-Based Spatial Clustering of Application with Noise）算法。

DBSCAN算法的聚類結(jié)果不會有偏倚。但是該算法對兩個初始值的設(shè)置要求較高，在選取合適的數(shù)值時，要進(jìn)行多次的嘗試和聯(lián)合比較，選取最優(yōu)的參數(shù)。

2?? 對采集的數(shù)據(jù)進(jìn)行密度聚類

聚類濾波基本參數(shù)設(shè)置：

1）根據(jù)點云數(shù)據(jù)，計算點云間的平均距離。

2）設(shè)定最小點云距離為平均間隔的2倍，大于此距離，則認(rèn)為是噪聲。

3）根據(jù)統(tǒng)計結(jié)果選擇初始最小節(jié)點數(shù)Minpts。

密度聚類的算法步驟如下（如圖1所示）：

Step1 給定最小點云距離e和最小節(jié)點數(shù)Minpts，并對信號，噪聲點都賦初始值為0;

Step2所有數(shù)據(jù)循環(huán)計算;

Step3從數(shù)據(jù)集中取出一點p，判斷該點是否已經(jīng)歸類（噪聲或信號）;

Step4如果沒有歸類，暫時認(rèn)為該點是信號，相應(yīng)信號值置“1”;

Step5查找該點的鄰域點（小于平均間隔的2倍的點），Neighbors;

Step6如果點數(shù)小于最小節(jié)點數(shù)，則認(rèn)為是噪聲，相應(yīng)噪聲值置“1”;

Step7否則確認(rèn)該點是信號，信號類編碼加1;

Step8擴(kuò)展鄰域點，將彼此之間很近的點，都?xì)w入信號類;

過程是：

1）對Neighbors中的數(shù)據(jù)循環(huán);

2）取出Neighbors中的1個點;

3）判斷該點是否已經(jīng)歸類（噪聲或信號）;

4）如果沒有歸類，暫時認(rèn)為該點是信號，相應(yīng)信號位置“1”;

5）查找該點的鄰域點（小于平均間隔的兩倍的點），Neighbor2;

6）如果點數(shù)大于節(jié)點數(shù)，則確認(rèn)該點是信號，將Neighbor2合并到Neighbors中;

7）判斷該點是否已經(jīng)有信號類（組），若沒有，則該點編入當(dāng)前組;

8）鄰域點編號加1，k=k+1;

9）判斷鄰域點編號是否大于鄰域總點數(shù);

10）如果大于，則說明沒有新的鄰域點歸入此類，該類的信號已經(jīng)找完，則跳出循環(huán);

11）否則循環(huán)至1）;

Step9否則循環(huán)至2，直至循環(huán)取完所有的點;

Step10分離目標(biāo)，聚類完成。

3? 實驗結(jié)果與分析

本實驗利用Handy Scan3D手持式三維激光掃描儀對待測物體鼢鼠頭顱進(jìn)行數(shù)據(jù)采集，在Matlab R2019b編程環(huán)境下完成數(shù)據(jù)的顯示和去噪代碼的編寫。

將利用手持激光掃描儀采集到的鼢鼠頭顱的點云數(shù)據(jù)導(dǎo)入MATLAB中，所顯示的結(jié)果如圖2所示，可以清楚地看到本張鼢鼠頭顱三維圖像中，有很多體外飛點噪聲點;觀察體外飛點噪聲的分布情況，我們選取密度聚類濾波對噪聲進(jìn)行剔除。剔除噪聲后得到的點云數(shù)據(jù)如圖3所示，發(fā)現(xiàn)采集到的體外噪聲點已經(jīng)全部去除。

4? 結(jié)語

本文根據(jù)實驗采集到的三維點云數(shù)據(jù)的成像特點以及閱讀了大量的相關(guān)文獻(xiàn)，最終選擇了密度聚類算法對采集到的點云數(shù)據(jù)進(jìn)行去噪。此算法在保持模型特征的前提下有效去除三維點云數(shù)據(jù)中的噪聲，為后期三維點云特征提取及重建質(zhì)量奠定了基礎(chǔ)。但本文中的應(yīng)用還僅限于小范圍，表面連續(xù)的物體點云;對初始參數(shù)的選取和聯(lián)合調(diào)參時，耗時較長。下一步的工作需優(yōu)化代碼，將此算法應(yīng)用的范圍更廣泛，進(jìn)一步提高算法的效率。

參考文獻(xiàn)：

[1]程效軍，賈東峰，程小龍，等.海量點云數(shù)據(jù)處理理論與技術(shù)[M].上海：同濟(jì)大學(xué)出版社，2004

[2]魯冬冬，鄒進(jìn)貴.三維激光點云的降噪算法對比研究[J].測繪通報，2019（S2）：102-105.

[3]彭永鵬，王振，崔利富，張慶高，范偉.手持式三維激光掃描儀掃描方法優(yōu)化[J].低溫建筑技術(shù)，2016，38（02）：1-4.

[4]趙揚(yáng).三維點云混合去噪算法研究[J].信息通信，2019（02）：1-4.

[5]唐靖.三維重建過程中的點云數(shù)據(jù)處理技術(shù)研究[D].重慶理工大學(xué)，2015

[6]張巧英，陳浩，朱爽.密度聚類算法在連續(xù)分布點云去噪中的應(yīng)用[J].地理空間信息，2011，9（06）：101-104+2+1.

[7]張秀玲.數(shù)據(jù)挖掘技術(shù)在電信客戶欺詐分析中的應(yīng)用[D].中國石油大學(xué)，2007.

[8]毛國君，段立娟，王實，等.數(shù)據(jù)挖掘原理與算法[M].北京：清華大學(xué)出版社，2005

作者簡介：

楊彤（1995.8—），女，漢族，籍貫：天津人，內(nèi)蒙古農(nóng)業(yè)大學(xué)計算機(jī)與信息工程學(xué)院，18級在讀研究生，碩士學(xué)位，專業(yè)：計算機(jī)應(yīng)用技術(shù)，研究方向：模式識別與智能信息處理

（作者單位：內(nèi)蒙古農(nóng)業(yè)大學(xué)計算機(jī)與信息工程學(xué)院）