1.基于联合双边滤波和尖锐特征骨架提取的点云去噪方法,其特征在于,包括以下步骤:
1)利用法向量差方法获取候选特征点;
2)对候选点区域提取骨架;
3)利用骨架对候选点进行重采样,得到特征点;
4)对特征点赋予多法向量;
5)基于联合双边滤波框架对点云法向量进行滤波;
6)基于滤波后的法向量对点位置进行更新,得到去噪后的点云模型。
2.根据权利要求1所述的基于联合双边滤波和尖锐特征骨架提取的点云去噪方法,其特征在于:在步骤1)中,利用法向量差方法获取候选特征点,是计算每个点邻域内的任意两点的法向量差并求和,当这个求和值大于预设阈值时,就把这个点标记为候选特征点。
3.根据权利要求1所述的基于联合双边滤波和尖锐特征骨架提取的点云去噪方法,其特征在于:在步骤2)中,对候选点区域提取骨架,是采用l1中值骨架方法,对候选特征点区域进行计算,得到骨架。
4.根据权利要求1所述的基于联合双边滤波和尖锐特征骨架提取的点云去噪方法,其特征在于:在步骤3)中,利用骨架对候选点进行重采样,得到特征点,是根据步骤2)得到的骨架以及骨架上的骨架点,在相邻两个骨架点中间划分出一个小区域,对落在该区域内的候选特征点,选择一个,作为特征点。
5.根据权利要求1所述的基于联合双边滤波和尖锐特征骨架提取的点云去噪方法,其特征在于:在步骤4)中,对特征点赋予多法向量,是根据步骤3)判断该点应该拥有的法向量数量,将最靠近该点的k个近邻点即k近邻点进行K-means聚类,将每一类中的点的法向量求平均值,得到该点的多法向量。
6.根据权利要求1所述的基于联合双边滤波和尖锐特征骨架提取的点云去噪方法,其特征在于:在步骤5)中,基于联合双边滤波框架对点云法向量进行滤波,需要先构建引导域值,将引导域值设为点的引导法向量,将每个点及其k近邻点设为一个块,将包含该点的块全部列举出来;对每个块计算其所有点的平均法向量,同时计算块内任意两点的向量差的平均值,将其定义为每个块的连续性值,用来衡量其内部点的向量的一致性,连续性值越大,证明该块跨过尖锐特征,包含另外一个面的点更多;为了保留尖锐特征,区分出尖锐特征两侧的不同平面,需要挑选的是连续性值最小的块,即尽可能不跨过尖锐特征的块,将这个块的平均法向量,作为该点的引导法向量;
联合双边滤波公式如下:
其中,是pi点第j个滤波后的法向量,pk∈N(pi)表明pk点是属于pi点的邻域点,nkl是pk点的第l个滤波前的法向量,
是位置差权重,当pk点与pi点的欧氏距离越远时,权重越小;
是法向量差权重,当pk点的引导法向量gkl与pi点的引导法向量gij的法向量差越大时,权重越小;Wij是归一化因子,保证滤波后的法向量模长为1;
当pk点有多个法向量时,就选择其多个法向量中与pi点原法向量最接近的法向量nkl,代入联合双边滤波公式进行计算,得到pi点滤波后的法向量。
7.根据权利要求1所述的基于联合双边滤波和尖锐特征骨架提取的点云去噪方法,其特征在于:在步骤6)中,基于滤波后的法向量i表示模型中点的个数,共有n个点;j表示每个点具有的向量数,当i为普通点时,di=1,i点为特征点时,di>1,对点位置进行更新,得到去噪后的点云模型,需要定义如下的优化问题:
εpointupd=εposition+εnormal (2)
其中:
式中,pi表示更新后的点位置,p′i表示pi更新前的位置,Ni表示p′i的k近邻点集合,p'k表示p′i的k近邻点,w(i,k)=wp(i,k)wn(i,k),其中用来衡量邻域点对中心点的位置影响权重,当点距离越大时,权重越小;
用来衡量邻域点对中心点的法向量影响权重,当该邻域点的法向量与中心点的法向量相差越大时,权重越小;求解公式(2)得到的迭代求解公式是:
其中t和t+1为第t次和第t+1次迭代,由此得到新的点位置通过迭代多次后得到去噪后的点云模型。