基于曲率与法线信息分割的三维点云数据去噪方法

摘要

在三维点云数据采集过程中，由于三维激光扫描设备精度的局限性和外部环境的干扰等因素，获取的点云数据通常混杂着噪声。为了有效去除三维点云数据中的噪声，同时准确保留其几何特征，提出了一种基于三维点云曲率与法线信息分割的去噪方法。首先，利用奇异值分解(SVD)和距离加权分别估算点云的曲率与法线信息，并将点云划分为平坦区域和非平坦区域；其次，针对平坦区域采用改进的统计滤波处理，利用动态调整邻域大小和曲率加权距离以优化离群点检测；对非平坦区域则结合改进的双边滤波方法，通过增强空间距离和法线差异的权重函数，有效保留局部几何特征。对斯坦福兔子点云处理的实验结果表明：所提算法的去噪率达到了97.83%,优于统计滤波、双边滤波和DBSCAN等传统方法；对实测直齿轮点云进行实验，去噪后的点云与标准模型的偏差分析显示，直齿轮整体点云中90%以上的点与标准模型的距离偏差小于0.2 mm,轮齿部分90%以上的点与标准直齿轮模型的距离偏差小于0.25 mm,在去除噪声的同时，能够有效保留点云模型的几何细节和边缘特征，证明了所提算法的有效性。

关键词

点云去噪 / 点云分割 / 曲率信息 / 统计滤波 / 双边滤波