论文总字数：28918字

摘 要

本课题研究主要是对获取的点云进行初步处理，目的是为能够优化处理后的点云重建构造的图像显示效果，去除一些图像中的噪声。本课题采取的是基于包围盒法的点云数据处理，包围盒法是点云数据分析中的一个十分重要的方法。本课题中首先利用所获点云的三维坐标构造一个能够把所有点云都包括到内部的大包围盒。并把大包围盒进行分割，细分为若干的小包围盒并把点云分配其中。确定每个点云数据点所在具体位置，并以小包围盒为单位对点云进行滤点处理。

本课题依照按比例删除和曲面拟合两种方法对点云进行滤点处理。在未处理的三维图像中由于测量时引入噪声而造成了图像带有噪声，本课题中未经滤点的点云所存在的噪生主要分为远端点云噪声和贴近图像的噪声。在经过按比例删除和曲面拟合两种滤点后，图像中的噪声都有了一定程度的滤除，图像显示更加精确，显示效果得到了优化。

关键词：包围盒法；点云数据处理；点云滤波

Based on bounding box method of point cloud data processing research

Abstract

This subject mainly researches to do some primary management for Point Clouds, which intends to optimize the image display effect after the reconstitution of Point Clouds, and dispose some noise in the images. This subject adopts Point Cloud data processing that is based on Bounding Box Method. Bounding Box Method is one of important methods of Cloud Data Analysis. First, use three-dimensional coordinates of Point Clouds to build a big bounding box that includes every Point Cloud. Then, make the big bounding box further subdivided, subdivide into several small bounding boxes then distribute Point Clouds into them. Make sure that specific location where every single Point Cloud in, and do some filter processing on small bounding box as unit.This subject depends on proportionally delete and surface fitting these two methods to do some filter processing to Point Clouds. Images may have noises when measure the unprocessed three-dimensional images draw into noises. The noise from the point clouds without filtering in this subject divides into two noises: Remote point cloud noise and close to image noise. After two kinds of filtering, proportionally delete and surface fitting, noises of images will have a certain degree of filtering, presentation will be more corrective, and display effects will get optimized.

Key words: Bounding Box Method; Point Cloud Data Analysis; Point Cloud Filtering

目录

摘要 I

Abstract II

第一章 绪论 1

1.1点云的介绍 1

1.2 国内外研究现状 1

第二章 包围盒建立研究 4

2.1 大包围盒的建立 4

2.2 分割大包围使之成为若干小包围盒 5

第三章 基于包围盒的远端点云噪声滤除 6

3.1 把所有的点云数据加入到绘制好的包围盒 6

3.2 把每一个点云数据点确定到具体的小包围盒中 6

3.3 用包围盒法滤除零散的点 7

第四章 基于包围盒的点云滤波 10

4.1 整体思路介绍 10

4.2 自动细分间距 10

4.3 通过曲面拟合筛选有效点 11

4.4 主函数的功能 12

第五章 总结与展望 13

致谢 14

参考文献 15

附录 16

第一章 绪论

1.1点云的介绍

近年来，随着三维激光扫描技术的飞速发展，这项技术已经日趋成熟，想要能够快速并且精确地获取目标物体的相关三维信息已经来到我们生活中变成了现实。这一项技术被广泛地运用于工业、汽车、航空等各种制造业领域，几乎绝大部分的东西都可以用三维扫描来确定实物的形态。在逆向工程中通过用于扫描的仪器进行扫描。当把一束激光照射到目标的表面时，能够得到带有位置和距离等信息的反射激光。如果使激光按某种特定的规矩进行扫描，便可以一边扫描一边记录反射的激光点信息。而得到的那些物体外表面的点数据集合，因为其大量性和冗余性，研究人员将这个点数据集合十分形象生动地称为“点云”。

如果是用三维坐标测量机所得到的点数据集合所包含的数据比较少，而且点与点之间的距离也比较大，整体上观察就比较稀疏，所以称之为稀疏点云。而当下在各个领域使用比较普遍的三维激光扫描仪所得到的点数据集合所包含的数据比较多，并且点与点之间的间距比较小，整体上观察就比较密集，所以称之为密集点云。稀疏点云或密集点云都是逆向工程的基础，有较多专业的逆向软件能够对这些点云数据进行编辑及处理，如geomagic、copycad和rapidform（本课题中所使用的是imageware）。

点云是包含目标物体表面多种特性的海量点数据的集合，所有的点云都包含能够反映目标物体位置的三维坐标信息（X,Y,Z）。而根据测量原理的细分，根据不同测量原理得到的点云数据可能包含其他不同的信息。如：基于激光测量原理所得到的点云数据，在包含三维坐标（X,Y, Z）的同时还能够包含激光反射强度；而基于摄影测量原理得到的点云数据，在包含三维坐标（X,Y, Z）的同时还能够包含目标的颜色信息（R, B,G）;若是结合激光测量原理与摄影测量两种原理所得到的点云数据，则包含以上所述的三种信息。此外还有强度信息的获取是依靠激光扫描仪的接受装置所得到反馈过来的回波强度，此强度信息与目标表面的材料质地，激光入射角的方向以及激光的波长等都有关系。

利用得到的点云数据可以重构所需的三维的目标物体的表面，一般基于非接触式测量完成建模，这种测量方法拥有快速、精确、真实感强等特点，而且不受目标物体表面复杂程度的影响，这种方法可以达到很高的重建精度，前提是在目标物体的表面采样密度要足够大。点云技术发展可以说是迅猛，点云技术已经在多个邻域的研究或者生产中得到工程应用。小到一个零部件，大到整个虚拟城市，都可以使用点云数据重建，可以说点云的出现给建模提供了一个更加方便、快捷的手段。

剩余内容已隐藏，请支付后下载全文，论文总字数：28918字