1. 河北工业大学机械工程学院
2. 河北省机器人感知与融合重点实验室
纸质出版:2023
移动端阅览
戴士杰, 东强, 季文彬, 等. 基于法向修正与位置滤波的散乱点云去噪算法[J]. 传感器与微系统, 2023,(2):130-134.
戴士杰, 东强, 季文彬, 等. 基于法向修正与位置滤波的散乱点云去噪算法[J]. 传感器与微系统, 2023,(2):130-134. DOI: 10.13873/J.1000-9787(2023)02-0130-05.
为解决传统点云去噪算法易造成模型的过光顺和局部失真问题,提出一种基于法向修正与位置滤波的散乱点云去噪算法。首先利用主成分分析(PCA)算法初估点云法向,对采样点的邻域点法向进行双边加权,利用加权后的邻域点法向之和估计原采样点的高精度法向;利用采样点与邻域点的平均距离及距离偏差在采样点法向上投影的标准差控制滤波参数的取值,使滤波参数能随采样点的局部几何特征自适应变化;最后将修正后的法向和参数自适应的高斯核函数结合,构建新的点云滤波模型。实验结果表明:修正后的法向偏差均方根为0.062 4 rad
滤波后的点云数据的最小平均误差为0.016 7 mm
最小均方根误差为0.463 6μm
最大误差为0.033 2 mm。该算法有效地避免了模型的过光顺和特征细节失真。
基于点云数据的疲劳滚子表面三维重建研究[J]. 徐高鹏;张雄;熊建;廖海伸;杨岩.传感器与微系统,2020(09)
各向异性扩散滤波的三维散乱点云平滑去噪算法[J]. 戴士杰;任永潮;张慧博.计算机辅助设计与图形学学报,2018(10)
基于参数自适应各向异性高斯核的散乱点云保特征去噪[J]. 林洪彬;付德敏;王银腾.计算机集成制造系统,2017(12)
尖锐特征曲面散乱点云法向估计[J]. 袁小翠;吴禄慎;陈华伟.光学精密工程,2016(10)
采用密度k-means和改进双边滤波的点云自适应去噪算法[J]. 郭进;陈小宁;吕峻闽;徐鸿雁.传感器与微系统,2016(07)
散乱点云谷脊特征提取[J]. 张雨禾;耿国华;魏潇然.光学精密工程,2015(01)
基于双目视觉的工件尺寸在机三维测量[J]. 全燕鸣;黎淑梅;麦青群.光学精密工程,2013(04)
群体智能点云光顺去噪算法[J]. 李晋江;张彩明;范辉.计算机集成制造系统,2011(05)
An adaptive normal estimation method for scanned point clouds with sharp features[J]. Yutao Wang;Hsi-Yung Feng;Félix-Étienne Delorme;Serafettin Engin.Computer-Aided Design,2013
Coarse‐to‐Fine Normal Filtering for Feature‐Preserving Mesh Denoising Based on Isotropic Subneighborhoods[J]. Lei Zhu;Mingqiang Wei;Jinze Yu;Weiming Wang;Jing Qin;Pheng‐Ann Heng.Computer Graphics Forum,2013
Point cloud normal estimation via low-rank subspace clustering[J]. Jie Zhang;Junjie Cao;Xiuping Liu;Jun Wang;Jian Liu;Xiquan Shi.Computers & Graphics,2013
Robust normal estimation for point clouds with sharp features[J]. Bao Li;Ruwen Schnabel;Reinhard Klein;Zhiquan Cheng;Gang Dang;Shiyao Jin.Computers & Graphics,2010
Scatter Point Cloud Denoising Based on Self-Adaptive Optimal Neighborhood[J]. Xin He Liang;Jin Liang;Chen Guo.Advanced Materials Research,2010
0
浏览量
307
下载量
5
CSCD
关联资源
相关文章
相关作者
相关机构
京公网安备11010802024621