郭 进, 陈小宁, 吕峻闽, 徐鸿雁

(西南财经大学 天府学院 信息技术中心,四川 绵阳 621000)

采用密度k-means和改进双边滤波的点云自适应去噪算法*

郭 进, 陈小宁, 吕峻闽, 徐鸿雁

(西南财经大学 天府学院 信息技术中心,四川 绵阳 621000)

采用相移结构光测量系统得到的三维点云，不可避免存在噪声。通过密度k均值(k-means)聚类算法将点云分为大尺度噪声点和小尺度噪声点，设定邻域大小以及点的数量来去除孤立噪声点；使用类内距离和类间距离的比值作为评价函数,得到最佳聚类数去除小片噪声点云；对于混杂在真实点云中的小尺度噪声点，采用鲁棒性更强的改进型双边滤波器进行点云光顺。实验验证表明:采用基于密度k-means和改进双边滤波结合的点云去噪算法可以有效去除各类噪声点，保持点云特征，相比平均曲率算法和基于特征选择的双边滤波算法，去噪效率分别提高了24 %和16 %。

多频相移;k均值聚类; 双边滤波; 点云; 曲率

0 引 言

计算机视觉在逆向工程、工业检测等领域中得到广泛应用，获取高精度点云模型成为研究热点[1]。获得三维点云数据的方式主要有激光和结构光测量，激光测量采用线扫描，得到噪声较大的散乱点云；结构光测量采用面扫描，从格雷码加相移，到基于时间相位的多频相移[2]，得到有序点云，但也会引入噪声。

基于相移结构光的测量系统在获取点云过程中，会出现各种噪声点，大尺度噪声点表现为离散颗粒噪声点，或者小片解相位误差点云[3]；……