专利名称：一种点云数据的处理方法及系统的制作方法
技术领域：
本发明涉及测绘领域，尤其涉及一种点云数据的处理方法及系统。
背景技术：
采空区三维激光扫描仪在数据测量过程中，受环境中温度，悬浮的固体颗粒物，采空区表面的反射率等因素的影响，同时还由于采空区形状极度不规则、空区岩壁表面的粗糙度、孔洞和岩壁反射以及三维激光扫描仪本身的系统误差等使采集到的数据含有严重噪声，对后续点云数据处理产生很大的干扰。因此，在进行采空区三维模型重建之前，需要对测量得到的点云数据进行预处理，以获得完整与正确的测量数据来方便后续的三维重建工 作。另外，经过预处理后得到的点云数据还可以进行配准，进行形变检测分析采空区稳定性
坐寸ο噪声点的过滤可以直接针对点云数据，也可以针对由点云构建的三角网格数据，但前提是建立点云的拓扑关系。由于采空区数据的复杂性和大规模性，网格平滑算法不能简单地推广在采空区点云数据。低通滤波算法、移动最小二乘(MLS)曲面拟合算法和基于偏微分方程(PDE)的曲面逼近算法等虽然在去除小振幅噪声方面效果良好，但不能用于去除离散噪声点。国内外对于三维激光扫描硬件系统的研究已日趋成熟，但对于三维激光点云数据的处理算法尚无成熟的技术方案。并且对于深井采空区这类复杂的点云数据，没有相应的处理方法。现有技术中，对于有序或部分有序的点云来说，采用的去噪算法大多是从图形学衍生而来，如维纳滤波、最小二乘滤波和卡尔曼滤波、孤立点排异法、邻域平均法等。但现有的算法只适用于扫描线点云数据，并且，如果噪声点数量较多时，滤波器则判定其为非噪声点而不予去除。在这种情况下，往往需要依靠手动的方法去除噪声点，为现场应用及全自动化处理点云带来了不必要的麻烦。另外，由于庞大的点云增加了后续建模及数据分析和存储的负担为了解决此问题，必须在保持被测空区几何特征的前提下，根据空区的几何特征，对测量数据点云进行精简，以提高算法的实时性。然而，现有技术的方案无法保证所构建的模型与原始点云数据之间的精度，在点云数据密集处容易丢失细节信息。

发明内容
本发明的目的是提供一种点云数据的处理方法及系统，通过距离阈值可有效的识别邻域中的噪声点，计算过程简单高效，实时性高。一种点云数据的处理方法，该方法包括计算拓扑构造后的点云中当前点ρ与其邻域各点的距离及距离的均值μ和用于表示数据离散程度的标准差σ ;判断邻域某一点与当前点ρ的距离是否处于区间μ ±α · σ之中，其中α为距离阈值的系数；若是，则忽略；否则，删除该点；
为点云建立用于表示点云网格空间的包围盒数据结构，并计算当前包围盒的中心点Pci与所述当前包围盒中其他点的距离及距离的均值μ ^和标准差σ。；判断当前包围盒中的某一点距离中心点Ptl的距离是否处于区间μ(ι±α(ι· %之中，其中为距离阈值的系数；若是，则删除该点；否则忽略。一种点云数据的处理系统，该系统包括第一计算模块，用于计算拓扑构造后的点云中当前点ρ与其邻域各点的距离及距离的均值μ和用于表示数据离散程度的标准差σ ;噪声点处理模块，用于判断邻域某一点与当前点ρ的距离是否处于区间 μ±α · σ之中，其中α为距离阈值的系数；若是，则忽略；否则，删除该点；包围盒建立模块，用于为点云建立用于表示点云网格空间的包围盒数据结构；第二计算模块，用于计算当前包围盒的中心点Ptl与所述当前包围盒中其他点的距离及距离的均值μ ^和标准差σ。；点云精简模块，用于判断当前包围盒中的某一点距离中心点Ptl的距离是否处于区间yQ±aQ· O。之中，其中α。为距离阈值的系数。由上述本发明提供的技术方案可以看出，通过建立邻域，并根据距离阈值可有效的识别并去除邻域中的噪声点，提高了噪声点过滤的准确率及点云数据的精确度；通过建立包围盒结构，根据阈值保留关键点，去除冗余点，在保留了原始特征的同时降低了冗余度。


为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他附图。图I为本发明实施例一提供的一种点云数据的处理方法的流程图；图2为本发明实施例一提供的一种去除噪声点的示意图；图3为本发明实施例二提供的又一种点云数据的处理方法的流程图；图4为本发明实施例二提供的一种点云精简的示意图；图5为本发明实施例三提供的一种点云数据的处理系统的示意图。
具体实施例方式下面结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明的保护范围。实施例一图I为本发明实施例一提供的一种点云数据的处理方法的流程图，主要包括如下步骤
步骤101、计算拓扑构造后的点云中当前点ρ与其邻域各点的距离及距离的均值μ和用于表示数据离散程度的标准差σ。点云数据是由三维激光扫描仪对被测物体进行扫描而获得的被测物体的外形轮廓数据。例如，使用三维激光扫描仪对一垂直墙壁进行扫描，理论上而言，若墙壁是绝对平滑的，则扫描得到的点云数据应该处于同一平面上。然而，由于三维激光扫描仪自身存在的误差、被测物体表面反射率(一般由材质决定)及悬浮的固体颗粒等因素的影响，被测物体外形数据的表面会附着若干杂乱、无序的点(噪声点)，这些点的存在会影响点云数据的精度，以及后期数据处理的复杂度。为了提高点云数据的精度在进行作业之前一般都需过滤噪声点。首先，可以基于分割K维空间的数据结构KD-Tree构造点云拓扑结构。点云拓扑结构构造是指将散乱的三维激光点云通过相应的拓扑关系构造方法组织成有一定的拓扑关系的点云，拓扑关系反映了空间点云的逻辑结构。其次，根据所述KD-Tree确定当前点ρ的邻域点=，其中，<为点P的邻域，Pl，ρ2，…Pk为点P的邻域点，k为邻域点数量。其中，邻域可以是半径为R球形范围内的所有点组成的邻域或距离当前点最近的k个点组成的k-近邻。邻域的作用在于确定能够提供三维点云的处理和重建所需的局部特征和统计信息，例如通过邻域关系计算点云的法线、切平面、邻接关系和曲率等其它统计和特征信息。最后，计算当前点ρ与其邻域各点的距离及距离的均值μ和用于表示数据离散程度的标准差σ。可使用欧氏距离公式计算当前点ρ与其邻域各点的欧氏距离或根据坐标值计算距离，例如，通过计算得当前点P到邻域各点的欧氏距离为D= (C^d2，…，dk};可
先根据公式计算距离均值
权利要求
1.一种点云数据的处理方法，其特征在于，该方法包括 计算拓扑构造后的点云中当前点P与其邻域各点的距离及距离的均值μ和用于表示数据离散程度的标准差σ ; 判断邻域某一点与当前点P的距离是否处于区间μ±α · σ之中，其中α为距离阈值的系数； 若是，则忽略；否则，删除该点； 为点云建立用于表示点云网格空间的包围盒数据结构，并计算当前包围盒的中心点Po与所述当前包围盒中其他点的距离及距离的均值μ C1和标准差σ。； 判断当前包围盒中的某一点距离中心点Po的距离是否处于区间μ a C1 · σ ^之中，其中a ^为距离阈值的系数； 若是，则删除该点；否则忽略。
2.根据权利要求I所述的方法，其特征在于，所述计算拓扑构造后的点云中当前点P与其邻域各点的距离及距离的均值μ和用于表示数据离散程度的标准差σ之前包括 基于分割K维空间的数据结构KD-Tree构造点云拓扑结构； 根据所述KD-Tree确定当前点ρ的邻域点；Ρ={ΜΠ}，其中，乂为点P的邻域，Pi, P2,…Pk为点P的邻域点，k为邻域点的数量。
3.根据权利要求I或2所述的方法，其特征在于，所述邻域包括半径为R球形范围内的所有点组成的邻域或距离当前点最近的k个点组成的k-近邻。
4.根据权利要求I所述的方法，其特征在于，该方法还包括确定所述当前包围盒的中心点P。的步骤，且该步骤包括 计算所述当前包围盒中每一个点到所述当前包围盒中心的距离； 以当前包围盒中距离中心最近的点作为中心点PC!。
5.一种点云数据的处理系统，其特征在于，该系统包括 第一计算模块，用于计算拓扑构造后的点云中当前点P与其邻域各点的距离及距离的均值μ和用于表示数据离散程度的标准差σ ; 噪声点处理模块，用于判断邻域某一点与当前点P的距离是否处于区间μ ± α · σ之中，其中α为距离阈值的系数；若是，则忽略；否则，删除该点； 包围盒建立模块，用于为点云建立用于表示点云网格空间的包围盒数据结构； 第二计算模块，用于计算当前包围盒的中心点Po与所述当前包围盒中其他点的距离及距离的均值μ ^和标准差σ。； 点云精简模块，用于判断当前包围盒中的某一点距离中心点Po的距离是否处于区间%之中，其中a C1为距离阈值的系数；若是，则删除该点；否则忽略。
6.根据权利要求5所述的系统，其特征在于，该系统还包括 拓扑构造模块，用于基于分割K维空间的数据结构KD-Tree构造点云拓扑结构； 邻域点确定模块，用于根据所述KD-Tree确定当前点ρ的邻域点-.NkfMPuP2," Pk >其中，<为点P的邻域，P1, P2,…Pk为点P的邻域点，k为邻域点的数量。
7.根据权利要求5所述的系统，其特征在于，该系统还包括 中心点确定模块，用于为所述第二计算模块确定当前包围盒的中心点Po，具体用于计算所述当前包围盒中每一个点到所述当前包围盒中心的距离，并以当前包围盒中距离中心最近的点作为中心点P。。·
全文摘要
本发明公开了一种点云数据的处理方法及系统，其中，该方法包括计算拓扑构造后的点云中当前点与其邻域各点的距离及距离的均值μ和用于表示数据离散程度的标准差σ；判断邻域某一点与当前点p的距离是否处于区间μ±α·σ之中；若是，则忽略；否则，删除该点；为点云建立用于表示点云网格空间的包围盒数据结构，并计算当前包围盒的中心点p0与所述当前包围盒中其他点的距离及距离的均值μ0和标准差σ0；判断当前包围盒中的某一点距离中心点p0的距离是否处于区间μ0±α0·σ0之中；若是，则删除该点；否则忽略。通过采用本发明公开的点云处理方法，提高了噪声点过滤的准确率及点云数据的精确度，并有效地降低了点云数据的冗余度。
文档编号G01B11/24GK102944174SQ20121049627
公开日2013年2月27日 申请日期2012年11月28日 优先权日2012年11月28日
发明者刘冠洲, 陈凯, 张达, 杨小聪, 张晓朴, 韩志磊, 刘建东, 王治宇 申请人:北京矿冶研究总院