三维激光点云降噪方法、装置、设备及存储介质

技术领域

本发明涉及数字处理技术领域，尤其涉及到一种三维激光点云降噪方法、装置、设备及存储介质。

背景技术

目前，三维机器视觉检测技术已经被广泛应用于工业智能制造邻域。在实际检测项目中，三维机器视觉检测技术通常使用三维激光扫描设备获取物体表面的3D点云数据。由于环境光噪声、设备固有的非线性误差以及物体表面颜色等因素的影响，获取到的3D点云数据中存在离群点噪声，导致3D点云数据的处理精度较低。因此，需要通过点云降噪算法剔除3D点云数据中的离群点，对3D点云数据进行平滑修正，即降噪处理。

最小二乘法降噪理论是根据最小二乘拟合所设定的阈值与点和拟合面的距离d值进行比较，大于设定阈值的点予以删除，达到降噪的目的。阈值的大小设定会直接影响到降噪效果，阈值过大，降噪效果不明显，阈值设定过小，又会造成有效点的缺失，所以很难选取合适的阈值。而且最小二乘法拟合是在假设x，y为不包含误差自变量，而z为包含误差的因变量情况下参与平面参数的解算，但实际上获取的点云在x，y，z三个方向上都有误差，所以最小二乘在点云数据平面拟合的解算处理中并不能取得良好的降噪效果。

一种改进的最小二乘法算法的主要思想：对每个研究面，将实测点云数据反代到建立的数学模型中，从而得到各个实测点到拟合的结构面的距离，记录该值为D

然而，该方法中的边界条件r、B、N均需分别进行人工输入调整以达到最佳效果，且三者之间存在数学联系，人工调整耗时费力。因此，如何提高三维激光点云降噪的普适性，降低人工调整花费的精力与时间，是一个亟需解决的技术问题。

上述内容仅用于辅助理解本发明的技术方案，并不代表承认上述内容是现有技术。

发明内容

本发明的主要目的在于提供一种三维激光点云降噪方法、装置、设备及存储介质，旨在解决目前三维激光点云降噪采用的改进的最小二乘法需要人工输入相关边界条件，普适性不高的技术问题。

为实现上述目的，本发明提供一种三维激光点云降噪方法，所述方法包括以下步骤：

获取目标研究面的点云数据，基于所述点云数据，确定目标拟合面；

根据所述点云数据中的每个点到所述目标拟合面的距离和预设边界条件，获得每个点对应的附近点信息；

基于所述附近点信息，对所述点云数据中的噪点进行去除。

可选的，所述附近点信息为边界条件附近点的数量和平均距离附近点的数量构成的二维数组。

可选的，获得每个点对应的边界条件附近点的数量，具体包括：

判断所述点云数据中的每个点到所述目标拟合面的距离是否在所述预设边界条件范围内；

若是，将该点标记为边界条件附近点，并统计获得每个点对应的边界条件附近点的数量。

可选的，获得每个点对应的平均距离附近点的数量，具体包括：

获取点云数据中与每个点的距离满足预设边界条件的点到目标拟合面的距离平均值；

根据每个点对应的所述距离平均值和每个点到所述目标拟合面的距离，确定平均距离条件；

将所述点云数据中的每个点对应的在平均距离条件范围内的点，标记为平均距离附近点，并统计获得每个点对应的平均距离附近点的数量。

可选的，所述平均距离条件为每个点到所述目标拟合面的距离与每个点对应的所述距离平均值之差的绝对值。

可选的，基于边界条件附近点的数量，对所述点云数据中的噪点进行去除，具体包括：

根据点云数据中每个点的边界条件附近点的数量，获得所有点关于边界条件附近点的数量的平均值、方差和标准差；

基于所述平均值、方差和标准差，确定边界条件附近点的数量对应的第一阈值，并将点云数据中不满足第一阈值对应的点作为噪点去除。

可选的，基于平均距离附近点的数量，对所述点云数据中的噪点进行去除，具体包括：

根据点云数据中每个点的平均距离附近点的数量，获得所有点关于平均距离附近点的数量的平均值、方差和标准差；

基于所述平均值、方差和标准差，确定平均距离附近点的数量对应的第二阈值，并将点云数据中不满足第二阈值对应的点作为噪点去除。

此外，为了实现上述目的，本发明还提供了一种三维激光点云降噪装置，所述三维激光点云降噪装置包括：

确定模块，用于获取目标研究面的点云数据，基于所述点云数据，确定目标拟合面；

获得模块，用于根据所述点云数据中的每个点到所述目标拟合面的距离和预设边界条件，获得每个点对应的附近点信息；

去除模块，用于基于所述附近点信息，对所述点云数据中的噪点进行去除。

此外，为了实现上述目的，本发明还提供了一种三维激光点云降噪设备，所述三维激光点云降噪设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的三维激光点云降噪方法程序，所述三维激光点云降噪方法程序被所述处理器执行时实现如上所述的三维激光点云降噪方法的步骤。

此外，为了实现上述目的，本发明还提供了一种存储介质，所述存储介质上存储有三维激光点云降噪方法程序，所述三维激光点云降噪方法程序被处理器执行时实现如上所述的三维激光点云降噪方法的步骤。

本发明实施例提出的一种三维激光点云降噪方法、装置、设备及存储介质，该方法包括获取目标研究面的点云数据，基于所述点云数据，确定目标拟合面，根据所述点云数据中的每个点到所述目标拟合面的距离和预设边界条件，获得每个点对应的附近点信息，基于所述附近点信息，对所述点云数据中的噪点进行去除。本发明通过对改进的最小二乘法算法进行优化，利用泊松分布自动设置阈值，并且随边界条件的调整而变化，相比之前的改进的最小二乘法算法，降低了人工调整花费的精力与时间，具有更高的普适性。

附图说明

图1为本发明实施例中一种三维激光点云降噪设备的结构示意图；

图2为本发明实施例中一种三维激光点云降噪方法的流程示意图；

图3为本发明实施例中三维激光点云降噪方法的原理示意图；

图4为本发明实施例中阈值设置的原理示意图；

图5为本发明实施例中一种三维激光点云降噪装置的结构框图。

本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。

具体实施方式

应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

目前，在相关技术领域中，三维激光点云降噪采用的改进的最小二乘法需要人工输入相关边界条件，普适性不高。

为了解决这一问题，提出本发明的三维激光点云降噪方法的各个实施例。本发明提供的三维激光点云降噪方法通过对改进的最小二乘法算法进行优化，利用泊松分布自动设置阈值，并且随边界条件的调整而变化，相比之前的改进的最小二乘法算法，降低了人工调整花费的精力与时间，具有更高的普适性。

参照图1，图1为本发明实施例方案涉及的三维激光点云降噪设备的结构示意图。

设备可以是移动电话、智能电话、笔记本电脑、数字广播接收器、个人数字助理(PDA)、平板电脑(PAD)等用户设备(User Equipment，UE)、手持设备、车载设备、可穿戴设备、计算设备或连接到无线调制解调器的其它处理设备、移动台(Mobile station，MS)等。设备可能被称为用户终端、便携式终端、台式终端等。

通常，设备包括：至少一个处理器301、存储器302以及存储在所述存储器上并可在所述处理器上运行的三维激光点云降噪方法程序，所述三维激光点云降噪方法程序配置为实现如前所述的三维激光点云降噪方法的步骤。

处理器301可以包括一个或多个处理核心，比如4核心处理器、8核心处理器等。处理器301可以采用DSP(Digital Signal Processing，数字信号处理)、FPGA(Field－Programmable Gate Array，现场可编程门阵列)、PLA(Programmable Logic Array，可编程逻辑阵列)中的至少一种硬件形式来实现。处理器301也可以包括主处理器和协处理器，主处理器是用于对在唤醒状态下的数据进行处理的处理器，也称CPU(CentralProcessingUnit，中央处理器)；协处理器是用于对在待机状态下的数据进行处理的低功耗处理器。在一些实施例中，处理器301可以在集成有GPU(Graphics Processing Unit，图像处理器)，GPU用于负责显示屏所需要显示的内容的渲染和绘制。处理器301还可以包括AI(Artificial Intelligence，人工智能)处理器，该AI处理器用于处理有关三维激光点云降噪方法操作，使得三维激光点云降噪方法模型可以自主训练学习，提高效率和准确度。

存储器302可以包括一个或多个计算机可读存储介质，该计算机可读存储介质可以是非暂态的。存储器302还可包括高速随机存取存储器，以及非易失性存储器，比如一个或多个磁盘存储设备、闪存存储设备。在一些实施例中，存储器302中的非暂态的计算机可读存储介质用于存储至少一个指令，该至少一个指令用于被处理器301所执行以实现本申请中方法实施例提供的三维激光点云降噪方法。

在一些实施例中，终端还可选包括有：通信接口303和至少一个外围设备。处理器301、存储器302和通信接口303之间可以通过总线或信号线相连。各个外围设备可以通过总线、信号线或电路板与通信接口303相连。具体地，外围设备包括：射频电路304、显示屏305和电源306中的至少一种。

通信接口303可被用于将I/O(Input/Output，输入/输出)相关的至少一个外围设备连接到处理器301和存储器302。通信接口303通过外围设备用于接收用户上传的多个移动终端的移动轨迹以及其他数据。在一些实施例中，处理器301、存储器302和通信接口303被集成在同一芯片或电路板上；在一些其他实施例中，处理器301、存储器302和通信接口303中的任意一个或两个可以在单独的芯片或电路板上实现，本实施例对此不加以限定。

射频电路304用于接收和发射RF(Radio Frequency，射频)信号，也称电磁信号。射频电路304通过电磁信号与通信网络以及其他通信设备进行通信，从而可获取多个移动终端的移动轨迹以及其他数据。射频电路304将电信号转换为电磁信号进行发送，或者，将接收到的电磁信号转换为电信号。可选地，射频电路304包括：天线系统、RF收发器、一个或多个放大器、调谐器、振荡器、数字信号处理器、编解码芯片组、用户身份模块卡等等。射频电路304可以通过至少一种无线通信协议来与其它终端进行通信。该无线通信协议包括但不限于：城域网、各代移动通信网络(2G、3G、4G及5G)、无线局域网和/或WiFi(WirelessFidelity，无线保真)网络。在一些实施例中，射频电路304还可以包括NFC(Near FieldCommunication，近距离无线通信)有关的电路，本申请对此不加以限定。

显示屏305用于显示UI(User Interface，用户界面)。该UI可以包括图形、文本、图标、视频及其它们的任意组合。当显示屏305是触摸显示屏时，显示屏305还具有采集在显示屏305的表面或表面上方的触摸信号的能力。该触摸信号可以作为控制信号输入至处理器301进行处理。此时，显示屏305还可以用于提供虚拟按钮和/或虚拟键盘，也称软按钮和/或软键盘。在一些实施例中，显示屏305可以为一个，电子设备的前面板；在另一些实施例中，显示屏305可以为至少两个，分别设置在电子设备的不同表面或呈折叠设计；在再一些实施例中，显示屏305可以是柔性显示屏，设置在电子设备的弯曲表面上或折叠面上。甚至，显示屏305还可以设置成非矩形的不规则图形，也即异形屏。显示屏305可以采用LCD(LiquidCrystal Display，液晶显示屏)、OLED(Organic Light-Emitting Diode,有机发光二极管)等材质制备。

电源306用于为电子设备中的各个组件进行供电。电源306可以是交流电、直流电、一次性电池或可充电电池。当电源306包括可充电电池时，该可充电电池可以支持有线充电或无线充电。该可充电电池还可以用于支持快充技术。

本领域技术人员可以理解，图1中示出的结构并不构成对三维激光点云降噪设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。

本发明实施例提供了一种三维激光点云降噪方法，参照图2，图2为本发明三维激光点云降噪方法的实施例的流程示意图。

本实施例中，所述三维激光点云降噪方法包括以下步骤：

步骤S100，获取目标研究面的点云数据，基于所述点云数据，确定目标拟合面。

具体而言，在获得目标研究面的点云数据后，可基于该点云数据进行拟合，获得目标拟合面，进而根据获得的目标拟合面和点云数据之间的关系，对点云数据中的噪点进行去除，以实现三维激光点云的降噪处理。

步骤S200，根据所述点云数据中的每个点到所述目标拟合面的距离和预设边界条件，获得每个点对应的附近点信息。

具体而言，在获得目标拟合面后，可通过点云数据中的每个点到所述目标拟合面的距离和获取的预设边界条件，来获得每个点对应的附近点信息，以此判断每个点云数据是否为噪点。

本申请中，通过将获得的边界条件附近点的数量和平均距离附近点的数量放入二维数组，以便进行两次正态分布计算，整体降噪，而非原本的逐个降噪，提高降噪的整体效果。

需要说明的是，附近点信息为边界条件附近点的数量和平均距离附近点的数量构成的二维数组。

具体而言，获得每个点对应的边界条件附近点的数量，可通过：判断所述点云数据中的每个点到所述目标拟合面的距离是否在所述预设边界条件范围内，若是，将该点标记为边界条件附近点，并统计获得每个点对应的边界条件附近点的数量。

具体而言，获得每个点对应的平均距离附近点的数量，可通过：获取点云数据中与每个点的距离满足预设边界条件的点到目标拟合面的距离平均值，根据每个点对应的所述距离平均值和每个点到所述目标拟合面的距离，确定平均距离条件，将所述点云数据中的每个点对应的在平均距离条件范围内的点，标记为平均距离附近点，并统计获得每个点对应的平均距离附近点的数量。

在优选的实施例中，平均距离条件为每个点到所述目标拟合面的距离与每个点对应的所述距离平均值之差的绝对值。

在此基础上，本申请将原本的两种点数计算由串行改为并行，在一定程度上提高了降噪的运算效率。

步骤S300，基于所述附近点信息，对所述点云数据中的噪点进行去除。

具体而言，在获得附近点信息后，即可基于附近点信息，利对点云数据中的噪点数据。

在实际应用中，基于边界条件附近点的数量，对所述点云数据中的噪点进行去除，可通过：根据点云数据中每个点的边界条件附近点的数量，获得所有点关于边界条件附近点的数量的平均值、方差和标准差，基于所述平均值、方差和标准差，确定边界条件附近点的数量对应的第一阈值，并将点云数据中不满足第一阈值对应的点作为噪点去除。

在实际应用中，基于平均距离附近点的数量，对所述点云数据中的噪点进行去除，可通过：根据点云数据中每个点的平均距离附近点的数量，获得所有点关于平均距离附近点的数量的平均值、方差和标准差，基于所述平均值、方差和标准差，确定平均距离附近点的数量对应的第二阈值，并将点云数据中不满足第二阈值对应的点作为噪点去除。

本申请中，利用正态分布自动设置阈值，无需人工经验尝试，提高了三维激光点云降噪的普适性，降低人工调整花费的精力与时间。

在本实施例中，提供一种三维激光点云降噪方法，通过对改进的最小二乘法算法进行优化，利用泊松分布自动设置阈值，并且随边界条件的调整而变化，相比之前的改进的最小二乘法算法，降低了人工调整花费的精力与时间，具有更高的普适性。

为了更清楚的解释本申请，下面提供本申请三维激光点云降噪方法的具体实例，如图3所示，包括如下步骤：

S1：降噪处理开始。

S2：获取某一研究面点云数据。

S3：对该研究面进行拟合，获得拟合面。

S4：基于该研究面点云数据和拟合面，计算该研究面上第a点到拟合面的距离Da。

S5：获取边界条件，即半径r。

S6：并行计算获取bi和ni；

具体的，计算获取bi包括：计算a点满足边界条件的附近点数bi，其中，bi与a点的距离小于半径r；

具体的，计算获取ni包括：计算距离a点为r的点到拟合面的距离平均值Dab，若距离r处没有点，则以范围内最远点代替，统计a点附近半径为|Da-Dab|范围内点的个数ni。

S7：将bi和ni存入二维数组Q(bi，ni)。

S8：判断a点是否为最后一点，若是，执行步骤S9，若否，返回执行步骤S4。

S9：求所有点附近点数bi的平均值、方差、标准差，得出点数阈值B，对于bi＜B的点作为孤立噪点去除，对于bi≥B的点作为非孤立噪点进行保留，获得二维数组Q’(bi’，ni’)。

S10：求ni’的平均差、方差、标准差，得出点数阈值N，对于ni’＜N的点作为噪声点去除，对于ni’≥N的点作为非噪声点保留。

S11：降噪处理结束。

容易理解的，对于本申请阈值设置的原理，如图4所示，当一维测量数据满足正态分布时(用一般分布的频数表绘制的直方图，高峰在中间，左右基本对称，当数据足够多的时候组间距变得密集，越来越接近一条光滑曲线)，令μ代表平均值，σ代表标准差，则横轴区间(μ-σ，μ+σ)内的数据统计面积达到68.26％；横轴区间(μ-2σ，μ+2σ)内的数据统计面积达到95.44％；横轴区间(μ-3σ，μ+3σ)内的面积则为99.74％。假设激光点a的近邻点的个数bi与ni的中值近似满足正态分布，那么99.74％的点都会落在(μ-3σ，μ+3σ)这个区域，就视这范围内的点为有效点，只有极少数不符合条件的点会落在范围之外，将这些点视为噪声点去除。这样设置阈值，能够根据数据大小自动计算阈值，不用人工重复设定，提高效率和速度。

在本实施例中，基于改进的最小二乘法算法进行优化，利用泊松分布自动计算出B和N的值，并且随r的调整而变化，相比之前的改进的最小二乘法算法，降低了人工调整花费的精力与时间，具有更高的普适性。

参照图5，图5为本发明三维激光点云降噪装置实施例的结构框图。

如图5所示，本发明实施例提出的三维激光点云降噪装置包括：

确定模块10，用于获取目标研究面的点云数据，基于所述点云数据，确定目标拟合面；

获得模块20，用于根据所述点云数据中的每个点到所述目标拟合面的距离和预设边界条件，获得每个点对应的附近点信息；

去除模块30，用于基于所述附近点信息，对所述点云数据中的噪点进行去除。

本发明三维激光点云降噪装置的其他实施例或具体实现方式可参照上述各方法实施例，此处不再赘述。

此外，本发明实施例还提出一种存储介质，所述存储介质上存储有三维激光点云降噪方法程序，所述三维激光点云降噪方法程序被处理器执行时实现如上文所述的三维激光点云降噪方法的步骤。因此，这里将不再进行赘述。另外，对采用相同方法的有益效果描述，也不再进行赘述。对于本申请所涉及的计算机可读存储介质实施例中未披露的技术细节，请参照本申请方法实施例的描述。确定为示例，程序指令可被部署为在一个计算设备上执行，或者在位于一个地点的多个计算设备上执行，又或者，在分布在多个地点且通过通信网络互连的多个计算设备上执行。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，上述的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，上述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory，ROM)或随机存储记忆体(Random AccessMemory，RAM)等。

另外需说明的是，以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。另外，本发明提供的装置实施例附图中，模块之间的连接关系表示它们之间具有通信连接，具体可以实现为一条或多条通信总线或信号线。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。

通过以上的实施方式的描述，所属领域的技术人员可以清楚地了解到本发明可借助软件加必需的通用硬件的方式来实现，当然也可以通过专用硬件包括专用集成电路、专用CPU、专用存储器、专用元器件等来实现。一般情况下，凡由计算机程序完成的功能都可以很容易地用相应的硬件来实现，而且，用来实现同一功能的具体硬件结构也可以是多种多样的，例如模拟电路、数字电路或专用电路等。但是，对本发明而言更多情况下软件程序实现是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在可读取的存储介质中，如计算机的软盘、U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述的方法。