發(fā)布時(shí)間：2018-05-29 16:31

  本文選題：點(diǎn)云去噪 + 加權(quán)模糊C均值��； 參考：《光學(xué)精密工程》2017年12期

【摘要】：為保證在去除點(diǎn)云數(shù)據(jù)噪聲的同時(shí)不損失模型的細(xì)節(jié)特征,提出了一種基于特征信息的加權(quán)模糊C均值聚類去噪算法。首先,構(gòu)建點(diǎn)云K-D樹拓?fù)浣Y(jié)構(gòu),根據(jù)點(diǎn)的r半徑球鄰域點(diǎn)統(tǒng)計(jì)特性去除大尺度離群噪聲點(diǎn)。然后,利用主元分析法估算點(diǎn)云的曲率和法向量,根據(jù)曲率特征標(biāo)識(shí)點(diǎn)云數(shù)據(jù)的特征區(qū)域,并采用特征加權(quán)模糊C均值聚類算法對(duì)特征區(qū)域去噪,采用加權(quán)模糊C均值聚類算法對(duì)非特征區(qū)域去噪。最后,使用雙邊濾波器對(duì)點(diǎn)云模型進(jìn)行平滑。對(duì)提出的算法進(jìn)行了驗(yàn)證實(shí)驗(yàn),結(jié)果顯示:去噪后點(diǎn)云模型的最大偏差保持在模型尺寸的0.15%以內(nèi);標(biāo)準(zhǔn)偏差保持在模型尺寸的0.03%以內(nèi)。本文算法能夠在有效去除不同尺度和強(qiáng)度的噪聲的同時(shí)不損失點(diǎn)云模型的細(xì)節(jié)特征,去噪精度高,且對(duì)不同的噪聲模型具有較強(qiáng)的魯棒性。
[Abstract]:A weighted fuzzy C-means clustering denoising algorithm based on feature information is proposed to ensure that the point cloud data noise is removed without losing the detailed features of the model. Firstly, the point cloud K-D tree topology is constructed, and the large scale outliers are removed according to the statistical characteristics of the r-radius spherical neighborhood points. Then, the curvature and normal vector of point cloud are estimated by principal component analysis, the feature region of point cloud data is identified according to curvature feature, and the feature region is de-noised by feature weighted fuzzy C-means clustering algorithm. A weighted fuzzy C-means clustering algorithm is used to Denoise non-feature regions. Finally, a two-sided filter is used to smooth the point cloud model. The experimental results show that the maximum deviation of the de-noised point cloud model is within 0.15% of the model size, and the standard deviation is less than 0.03% of the model size. The proposed algorithm can effectively remove noise of different scales and intensities without losing the detailed features of the point cloud model. It has high denoising accuracy and is robust to different noise models.
【作者單位】： 北京宇航系統(tǒng)工程研究所;
【基金】：國家國際科技合作專項(xiàng)資金資助項(xiàng)目(No.2013DFA51360)
【分類號(hào)】：TP391.41

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 康蘭;馮亞娟;陳正鳴;;多視點(diǎn)云數(shù)據(jù)快速對(duì)齊方法[J];機(jī)械設(shè)計(jì)與研究;2009年01期

2 閆龍;;攝影測(cè)量點(diǎn)云數(shù)據(jù)精簡研究[J];制造技術(shù)與機(jī)床;2010年07期

3 張量;王敏;;基于k鄰域離散擴(kuò)張的點(diǎn)云數(shù)據(jù)分割[J];軟件導(dǎo)刊;2009年12期

4 周怡;周顧盛;;三維GIS數(shù)據(jù)的處理與提取方法的研究—以點(diǎn)云數(shù)據(jù)中提取樹木為例[J];計(jì)算機(jī)應(yīng)用與軟件;2010年10期

5 李鳳霞;饒永輝;劉陳;介飛;;基于法向夾角的點(diǎn)云數(shù)據(jù)精簡算法[J];系統(tǒng)仿真學(xué)報(bào);2012年09期

6 嵇俊;云挺;薛聯(lián)鳳;張浩平;;基于激光點(diǎn)云數(shù)據(jù)的復(fù)雜植物葉片重建方法[J];西北林學(xué)院學(xué)報(bào);2014年05期

7 吳福生,丁玉成,盧秉恒;基于點(diǎn)云數(shù)據(jù)復(fù)雜曲面產(chǎn)品的快速開發(fā)[J];西安交通大學(xué)學(xué)報(bào);2002年11期

8 胡雪芬,陳愛萍,童水光,單新潮;基于點(diǎn)云數(shù)據(jù)的鞋楦數(shù)控編程及其仿真[J];組合機(jī)床與自動(dòng)化加工技術(shù);2004年07期

9 陳飛舟;陳志楊;丁展;葉修梓;張三元;;基于徑向基函數(shù)的殘缺點(diǎn)云數(shù)據(jù)修復(fù)[J];計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào);2006年09期

10 劉志軍;;基于三坐標(biāo)測(cè)量機(jī)的點(diǎn)云數(shù)據(jù)測(cè)量規(guī)劃研究[J];黑龍江科技信息;2008年20期

相關(guān)會(huì)議論文 前10條

1 閆龍;;攝影測(cè)量點(diǎn)云數(shù)據(jù)精簡研究[A];第二十九屆中國控制會(huì)議論文集[C];2010年

2 吳美金;;基于薄壁構(gòu)件的點(diǎn)云數(shù)據(jù)提取[A];全國射線數(shù)字成像與CT新技術(shù)研討會(huì)論文集[C];2009年

3 段文國;張愛武;蔡廣杰;;基于VTK的點(diǎn)云數(shù)據(jù)繪制研究與實(shí)現(xiàn)[A];《測(cè)繪通報(bào)》測(cè)繪科學(xué)前沿技術(shù)論壇摘要集[C];2008年

4 張偉忠;張順海;于德敏;;點(diǎn)云數(shù)據(jù)與建模軟件的接口設(shè)計(jì)[A];全國第13屆計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)（CAD/CG）學(xué)術(shù)會(huì)議論文集[C];2004年

5 呂瓊瓊;楊曉暉;楊唐文;韓建達(dá);莊嚴(yán);;激光雷達(dá)點(diǎn)云數(shù)據(jù)的三維建模技術(shù)[A];2009年中國智能自動(dòng)化會(huì)議論文集（第二分冊(cè)）[C];2009年

6 劉佳;張愛武;楊麗萍;;室內(nèi)場(chǎng)景激光點(diǎn)云數(shù)據(jù)的三維建模[A];《測(cè)繪通報(bào)》測(cè)繪科學(xué)前沿技術(shù)論壇摘要集[C];2008年

7 黃承亮;吳侃;劉虎;;基于三維TIN的格網(wǎng)化點(diǎn)云數(shù)據(jù)特征提取[A];數(shù)字測(cè)繪與GIS技術(shù)應(yīng)用研討交流會(huì)論文集[C];2008年

8 孫廣玲;唐降龍;;一種快速k-均值聚類算法[A];第六屆全國計(jì)算機(jī)應(yīng)用聯(lián)合學(xué)術(shù)會(huì)議論文集[C];2002年

9 陳曉山;朱建沖;翁輝;;一種改進(jìn)的模糊C均值聚類算法及其應(yīng)用[A];2011年全國電子信息技術(shù)與應(yīng)用學(xué)術(shù)會(huì)議論文集[C];2011年

10 葛繼科;余建橋;張帆;張蕊;;改進(jìn)的K-均值聚類算法[A];’2004計(jì)算機(jī)應(yīng)用技術(shù)交流會(huì)議論文集[C];2004年

相關(guān)博士學(xué)位論文 前10條

1 趙江洪;古建筑散亂點(diǎn)云基準(zhǔn)面的提取與擬合[D];武漢大學(xué);2012年

2 谷曉英;三維重建中點(diǎn)云數(shù)據(jù)處理關(guān)鍵技術(shù)研究[D];燕山大學(xué);2015年

3 胡峰俊;三維離散點(diǎn)云數(shù)據(jù)的預(yù)處理和配準(zhǔn)技術(shù)研究[D];浙江工業(yè)大學(xué);2015年

4 董秀軍;三維空間影像技術(shù)在地質(zhì)工程中的綜合應(yīng)用研究[D];成都理工大學(xué);2015年

5 張學(xué)昌;基于點(diǎn)云數(shù)據(jù)的復(fù)雜型面數(shù)字化檢測(cè)關(guān)鍵技術(shù)研究及其系統(tǒng)開發(fā)[D];上海交通大學(xué);2006年

6 趙煦;基于地面激光掃描點(diǎn)云數(shù)據(jù)的三維重建方法研究[D];武漢大學(xué);2010年

7 張會(huì)霞;三維激光掃描點(diǎn)云數(shù)據(jù)組織與可視化研究[D];中國礦業(yè)大學(xué)（北京）;2010年

8 孫曉東;人體點(diǎn)云數(shù)據(jù)處理中若干問題的研究[D];北京工業(yè)大學(xué);2012年

9 張帆;點(diǎn)云數(shù)據(jù)幾何處理方法研究[D];西北大學(xué);2013年

10 鐘良;LiDAR同機(jī)影像輔助點(diǎn)云分類相關(guān)技術(shù)研究[D];武漢大學(xué);2011年

相關(guān)碩士學(xué)位論文 前10條

1 饒杰;基于激光點(diǎn)云數(shù)據(jù)的建筑物快速三維建模[D];中國地質(zhì)大學(xué)(北京);2015年

2 李國瑞;車載LiDAR點(diǎn)云中的車輛自動(dòng)檢測(cè)技術(shù)[D];長安大學(xué);2015年

3 江靜;建筑物L(fēng)iDAR點(diǎn)云數(shù)據(jù)特征檢測(cè)及配準(zhǔn)關(guān)鍵技術(shù)研究[D];集美大學(xué);2015年

4 喻W毶，

本文編號(hào)：1951608