一种点云保特征去噪方法、装置、电子设备及存储介质与流程

本发明涉及三维测量技术领域，尤其涉及一种点云保特征去噪方法、装置、电子设备及存储介质。

背景技术：

目前，在三维测量领域中，三维点云去噪技术在逆向工程方面有着重要的应用。对于三维扫描，由于扫描环境、扫描人员操作问题、扫描仪精度等影响，获取的三维点云数据往往存在许多噪声点、离群点，这会直接影响提取点云特征、点云拼接及三维表面重建质量。现有点云去噪技术中，能够处理偏离点云主体有一定距离、较远距离的噪声。针对点云主体周围的小团状噪声，去噪效果差，且使用双边滤波算法，会改变点坐标，在去噪的同时会对点云数据引入较大误差。此外，还可以使用条纹光投影技术进行测量，得到数据是条状，若条点云数据出现小段微量凸起噪声，双边滤波算法会误认为此处是特征。可见，现有技术中，对于点云主体周围的小团状噪声，存在去噪效率低的问题。

技术实现要素：

本发明实施例提供一种点云保特征去噪方法，能够对点云主体周围的小团状噪声及条状小段微量凸起噪声进行去噪，提高去噪的效率，提供更可靠的点云数据。

第一方面，本发明实施例提供一种点云保特征去噪方法，包括以下步骤：

根据点云数据构建预设树模型，基于所述预设树模型搜索所述点云数据中主体数据点对应的邻域点集；

通过预设算法根据所述主体数据点对应的邻域点集计算所述主体数据点的点法矢以及所述邻域点集的质心点；

根据所述质心点与所述邻域点集计算矢量，以及所述矢量在所述点法矢上的投影距离，所述矢量由所述邻域点集中的待去噪点与所述质心点构成；

若所述投影距离满足阈值距离，则将与所述投影距离对应的待去噪点记录为噪声点，并基于所述噪声点对所述邻域点集进行更新，直到更新后所述主体数据点的邻域点集达到完全去噪。

第二方面，本发明实施例还提供一种能够实现点云保特征去噪装置，包括：

搜索模块，用于根据点云数据构建预设树模型，基于所述预设树模型搜索所述点云数据中主体数据点对应的邻域点集；

第一计算模块，用于通过预设算法根据所述主体数据点对应的邻域点集计算所述主体数据点的点法矢以及所述邻域点集的质心点；

第二计算模块，用于根据所述质心点与所述邻域点集计算矢量，以及所述矢量在所述点法矢上的投影距离，所述矢量由所述邻域点集中的待去噪点与所述质心点构成；

更新模块，用于若所述投影距离满足阈值距离，则将与所述投影距离对应的待去噪点记录为噪声点，并基于所述噪声点对所述邻域点集进行更新，直到更新后所述主体数据点的邻域点集达到完全去噪。

在本发明实施例中，根据点云数据构建预设树模型，基于所述预设树模型搜索所述点云数据中主体数据点对应的邻域点集；通过预设算法根据所述主体数据点对应的邻域点集计算所述主体数据点的点法矢以及所述邻域点集的质心点；根据所述质心点与所述邻域点集计算矢量，以及所述矢量在所述点法矢上的投影距离，所述矢量由所述邻域点集中的待去噪点与所述质心点构成；若所述投影距离满足阈值距离，则将与所述投影距离对应的待去噪点记录为噪声点，并基于所述噪声点对所述邻域点集进行更新，直到更新后所述主体数据点的邻域点集达到完全去噪。本发明实施例通过选取主体数据点的邻域点集的方式，通过预设算法计算点法矢可以更准确表达主体的几何信息；在不改变点云数据的坐标(点云特征)情况下，根据邻域点集计算质心点，以质心点为基准点计算与邻域点集之间的矢量，将该矢量在点法矢上的投影距离作为判断噪声的标准，将投影距离达到阈值距离的噪声点进行去噪，以实现小团状噪声去噪以及条状小段微量凸起噪声去噪，有利于提高去噪效率，以提供可靠的点云数据。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术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的附图。

图1是本发明实施例提供的点云保特征去噪方法的具体流程图；

图2是本发明实施例提供的另一个点云保特征去噪方法的具体流程图；

图3是本发明实施例提供的另一个点云保特征去噪方法的具体流程图；

图4是本发明实施例提供的一个点云保特征去噪装置的具体结构示意图；

图5是本发明实施例提供的另一个点云保特征去噪装置的具体结构示意图；

图6是本发明实施例提供的另一个点云保特征去噪装置的具体结构示意图；

图7是本发明实施例提供的另一个点云保特征去噪装置的具体结构示意图；

图8是本发明实施例提供的另一个点云保特征去噪装置的具体结构示意图；

图9是本发明实施例提供的一种电子设备的结构示意图。

具体实施方式

下面将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。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

如图1所示，图1是本发明实施例提供的一种点云保特征去噪方法的流程图，具体包括以下步骤：

101、根据点云数据构建预设树模型，基于预设树模型搜索点云数据中主体数据点对应的邻域点集。

在本发明实施例中，点云保特征去噪方法运用的场景包括但不限于三维扫描系统等。点云保特征去噪方法运行于其上的电子设备可以通过有线连接方式或者无线连接方式获取点云数据。其中，上述无线连接方式可以包括但不限于3g/4g连接、wifi(wireless-fidelity)连接、蓝牙连接、wimax(worldwideinteroperabilityformicrowaveaccess)连接、zigbee(低功耗局域网协议，又称紫峰协议)连接、uwb(ultrawideband)连接、以及其他现在已知或将来开发的无线连接方式。

上述的点云数据可以是指以3d点云空间进行描述的主体(包括车辆、建筑等)所在位置对应的点云数据。在本发明实施例中，提供的预设树模型可以是kd(k-dimensiontree)树，kd树是对主体数据点在k维空间(如二维(x，y)，三维(x，y，z)，k维(x1，y，z…k))中进行划分的一种数据结构，主要应用于多维空间关键数据的搜索，例如：范围搜索和最近邻搜索。本质上说，kd树可以是一种平衡二叉树。获取到主体的点云数据后可以根据kd树的构建方式进行kd树构建，根据kd树应用于最邻近搜索的功能可以出点云数据中各个主体数据点所对应的邻近点，将每个主体数据点的邻近点进行集合便可以得到每个主体数据点一一对应的邻域点集，例如：主体数据点a对应的邻域点集为np1＝{p1，…，pm}，m表示邻域点集中点的数量。

102、通过预设算法根据主体数据点对应的邻域点集计算主体数据点的点法矢以及邻域点集的质心点。

其中，上述的预设算法可以包括主成分分析算法(principalcomponentanalysis，pca)，主成分分析算法是一种数学变换的方法，把给定的一组相关变量通过线性变换转成另一组不相关的变量，这些新的变量按照方差依次递减的顺序排列。在数学变换中保持变量的总方差不变，使第一变量具有最大的方差，称为第一主成分，第二变量的方差次大，并且和第一变量不相关，称为第二主成分。依次类推，m个变量就有m个主成分。其中，在本发明实施例中，变量为邻域点集中的m个主体数据点。

上述的点法矢可以是经过上述主成分分析算法将邻域点集作为初始变量经过线性变换后输出的目标变量，该目标变量作为与主体数据点对应的邻域点集的点法矢，可以用n表示。点法矢既有方向也有大小。上述的质心点可以作为判断去噪的基准点，质心点可以是根据邻域点集进行计算得到的最具有稳定性的点，预设算法中还可以包括求均值算法，以用于计算质心点。

103、根据质心点与邻域点集计算矢量，以及矢量在点法矢上的投影距离，矢量由邻域点集中的待去噪点与质心点构成。

其中，邻域点集中的每个点与质心点之间形成的矢量依次对应，邻域点集中有m个点，则对应有m个矢量。在本发明实施例中，矢量可以用piop表示，其中，i表示邻域点集中的第i个点，(i＝1，…，m)。上述的待去噪点可以表示邻域点集中的每个点，待去噪点可以被判定为噪声点，也可以保留作为非噪声点。当待去噪点判定为噪声点后，三维扫描系统可以生成删除指令将该噪声点删除，实现对点云数据中每个主体数据点的降噪处理，以保证点云数据的质量。

根据质心点以及邻域点集中的每个点计算出对应的矢量后，可以根据每个主体数据点的矢量以及点法矢进行运算，得到矢量在点法矢方向上的投影距离。其中，有m个矢量piop，对应就有m个投影距离，投影距离用li表示(i＝1，…，m)。

104、若投影距离满足阈值距离，则将与投影距离对应的待去噪点记录为噪声点，并基于噪声点对邻域点集进行更新，直到更新后主体数据点的邻域点集达到完全去噪。

其中，阈值距离可以根据邻域点集的质心点以及预选取的参数得到。将投影距离与上述阈值距离进行大小比较，当投影距离大于阈值距离，表示投影距离满足阈值距离，此时可以将与投影距离对应的待去噪点标记为噪声点。得到m个投影距离，便对应会有m次比较，且得到m个结果。在该结果中包括至少一个噪声点以及至少一个非噪声点。得到所有的噪声点后面可以形成噪声点集合，对噪声点集合标注集合id，并在邻域点集中查找集合id中所有的噪声点，对所有噪声点进行删除，以实现邻域点集的更新。

上述完全去噪可以表示去噪效果达到100％。此外，还可以是预设去噪程度达到一个去噪阈值，例如：去噪程度达到95％，95％作为去噪阈值。具体的，在本发明实施例中不做限定。需要说明的是，在本发明实施例中，所描述的邻域中的主体数据点、质心点、待去噪点等可以是二维坐标数据，三维坐标数据，…，k维坐标数据。在本发明实施例中，不做具体限定。

在本发明实施例中，根据点云数据构建预设树模型，基于预设树模型搜索点云数据中主体数据点对应的邻域点集；通过预设算法根据主体数据点对应的邻域点集计算主体数据点的点法矢以及邻域点集的质心点；根据质心点与邻域点集计算矢量，以及矢量在点法矢上的投影距离，矢量由邻域点集中的待去噪点与质心点构成；若投影距离满足阈值距离，则将与投影距离对应的待去噪点记录为噪声点，并基于噪声点对邻域点集进行更新，直到更新后主体数据点的邻域点集达到完全去噪。本发明实施例通过选取邻域点集的方式，通过主成分分析算法计算点法矢可以更准确表达主体的几何信息；在不改变点云数据的坐标(点云特征)情况下，根据邻域点集计算质心点，以质心点为基准点计算与邻域点集之间的矢量，将该矢量在点法矢上的投影距离作为判断噪声的标准，将投影距离达到阈值距离的噪声点进行去噪，以实现小团状噪声去噪以及条状小段微量凸起噪声去噪，有利于提高去噪效率，以提供可靠的点云数据。

如图2所示，图2是本发明实施例提供的另一种点云保特征去噪方法的流程图，具体包括以下步骤：

201、获取点云数据，将点云数据对应的点云空间切分为多维区域。

从点云空间中获取点云数据，该点云数据可以是某个主体的点云数据，且包括多个主体数据点，上述主体可以包括车辆、房子、人体等。上述将点云空间划分为多维区域可以是划分为特定的几个部分，然后在特定空间的部分内进行相关搜索操作。其划分规则可以自定义，例如：将一个三维空间划分为8维空间。

202、在多维区域中根据主体数据点选取切分点，基于切分点将主体数据点分别插入到切分点的左子空间及右子空间，以构建预设树模型。

其中，切分点可以表示根节点，选取根节点可以先判断点云数据的主体数据点属于几维数据点，然后可以统计多个主体数据点在每个维度上的数据方差，有多少维度便可以得到多少个数据方差，并从数据方差中挑选出最大值所对应的维度便可以作为域值。然后可以对该域值中的数据进行排序选出中值，将该中值对应的数据点作为上述切分点(根节点)。这样，该切分点的分割超平面就会是通过该切分点且垂直于中值，例如：6个二维数据点{(2,3)，(5,4)，(9,6)，(4,7)，(8,1)，(7,2)}，6个数据点在x，y维度上的数据方差分别为39，28.63，所以在x轴上方差更大，故域值为x；选出x维上的中值为7，则切分点位(7,2)。

计算得到切分点后，会将整个空间分割为两个部分，一边可以是小于等于中值的部分，也即是上述的左子空间，一边可以是大于中值的部分，也即是上述的右子空间。可以对中值所在维度的数据进行大小比较，将所有的主体数据点分别插入左子空间以及右子空间中。其中，对于左子空间以及右子空间中的数据点的排位同样可以根据上述选取根节点的过程执行，因kd树的构建是一个递归的过程，往复执行直到点云空间中只包含一个数据点，以完成构建kd树。当然，除了上述提供的kd树的构建方式以为，也可以包括其它可以构建kd树的方式，在本发明实施例中不做限定。

203、预设初始邻域半径，并基于主体数据点在初始邻域半径内多次搜索kd树中与主体数据点对应的近邻点，将搜索到的邻近点集合形成邻域点集。

在预设初始邻域半径之前，可以先进行二叉树查找，对当前需要进行查找的主体数据点从根节点开始先进行逐层查找，从搜索路径中找到当前最邻近点，然后可以计算当前最邻近点与需要进行数据查找的数据点之间的距离，求取距离时可以根据两点间的距离公式进行求取，该点可以是k维坐标点。

完成二叉树查找后再进行回溯查找，从上述找到的当前最近邻近点回溯到其父节点，判断该父节点的其他子节点空间中是否有小于上述距离的数据点。具体的，可以预设初始邻域半径，该初始邻域半径可以是当前最邻近点对应的距离值；并以需要查找的主体数据点为圆心画圆，看是否与划分为多维区域中的超平面界线交割。若没有交割则不用进入与超平面界线对应的维度区域，也即是不考虑该维度中会出现更小距离的数据点。然后再回溯到上述父节点的父节点中，以相同的方式继续查找，直到根节点。这样，便可以查找到上述的邻近点，然后将搜索到的所有邻近点进行集合便得到上述的邻域点集。

此外，当多次查找过程中，出现当前计算的距离比之前计算的距离更小时，其当前最邻近点将要进行更新，并且后续查找的初始邻域半径也需要更新为对应的最小距离。需要说明的是，邻近点还可以通过其他方式查找，例如：bbf算法等。

204、通过预设算法根据主体数据点对应的邻域点集计算主体数据点的点法矢以及邻域点集的质心点。

205、根据质心点与邻域点集计算矢量，以及矢量在点法矢上的投影距离，矢量由邻域点集中的待去噪点与质心点构成。

206、若投影距离满足阈值距离，则将与投影距离对应的待去噪点记录为噪声点，并基于噪声点对邻域点集进行更新，直到更新后主体数据点的邻域点集达到完全去噪。

可选的，上述步骤204包括：

根据主体数据点对应的邻域点集计算邻域点集的均值，将均值确定为主体数据点对应的质心点，其中，均值与主体数据点对应。

其中，每个主体数据点都会有对应的邻域点集，邻域点集中可以存在多个待去噪点，可以对所有的待去噪点求取均值，将得到的均值作为主体数据点的质心点，具体计算公式如下：

其中，op为质心点，n为邻域点集中待去噪点数量，pi表示第i个待去噪点。上述以取质心点并以质心点作为基准点计算投影距离的方式可以不改变点云数据中主体数据点的坐标，以去除距离点云主体周围的小团状噪声、条状小段微量凸起噪声。

可选的，上述步骤205包括：

根据邻域点集中的待去噪点与质心点计算矢量。

其中，可以将邻域点集中的每个待去噪点分别与质心点做差值，邻域点集中有m个待去噪点，则会计算出m个待去噪点与质心点之间的矢量pipo，具体的计算公式如下：

piop＝pi-op(i＝1，...，m)(2)

其中，pi为第i个待去噪点，pipo为第i个矢量，op为质心点。

根据矢量以及点法矢计算矢量在点法矢所在方向上的投影距离，直到计算出邻域点集中所有待去噪点对应的矢量在对应的点法矢上的投影距离。

其中，有m个待去噪点，便会计算出m个投影距离，计算矢量在点法矢所在方向上的投影距离的具体计算公式如下所示：

其中，ni表示第i个点法矢，│ni│表示第i个点法矢的长度，pipo为第i个矢量，│pipo│为第i个矢量的长度，li为第i个投影距离。根据上述公式(3)，可以计算出m个投影距离。上述计算出的投影距离在本发发明实施例中作为判断噪声的标准，可以与阈值距离进行比较，根据大小从待去噪点中选取出噪声点进行去除。

可选的，上述计算出邻域点集中所有待去噪点对应的矢量在对应的点法矢上的投影距离的步骤之后，方法还可以包括：

对计算出的邻域点集中所有待去噪点对应的矢量在对应的点法矢上的投影距离求均值，以得到平均投影距离。

计算出m个投影距离之后，可以将所有的投影距离求均值，以得到平均投影距离，该平均投影距离用meanl表示，具体的计算公式如下所示。

其中，meanl为平均投影距离，li为第i个投影距离，m为总的投影距离个数。上述计算出平均投影距离可用于计算阈值距离，便于将投影距离与阈值距离进行比较，判断对应的待去噪点是否为噪声点。

在本发明实施例中，通过建立kd树，以kd树的形式选取出主体数据点的邻域点集，通过计算主体数据点与各维度空间中数据点的距离，然后以主体数据点以及计算出的距离查找是否存在更近的邻近点的方式，以形成每个主体数据点的邻域点集。可以提高获取主体数据点的邻近点的准确度。通过主成分分析算法计算点法矢可以更准确表达主体的几何信息；在不改变点云数据的坐标情况下，根据邻域点集计算质心点，以质心点为基准点计算与邻域点集之间的矢量，将该矢量在点法矢上的投影距离作为判断噪声的标准，将投影距离达到阈值距离的噪声点进行去噪，以实现小团状噪声去噪以及条状小段微量凸起噪声去噪，有利于提高去噪效率，以提供可靠的点云数据。

如图3所示，图3是本发明实施例提供的另一种点云保特征去噪方法的流程图，具体包括以下步骤：

301、获取点云数据，将点云数据对应的点云空间切分为多维区域。

302、在多维区域中根据主体数据点选取切分点，基于切分点将主体数据点分别插入到切分点的左子空间及右子空间，以构建预设树模型。

303、预设初始邻域半径，并基于主体数据点在初始邻域半径内多次搜索kd树中与主体数据点对应的近邻点，将搜索到的邻近点集合形成邻域点集。

304、通过预设算法根据主体数据点对应的邻域点集计算主体数据点的点法矢以及邻域点集的质心点。

305、根据质心点与邻域点集计算矢量，以及矢量在点法矢上的投影距离，矢量由邻域点集中的待去噪点与质心点构成。

306、选取半径系数，根据初始邻域半径及预设半径系数计算当前邻域半径。

其中，上述的半径系数可以是预先设定的一个系数，且可以自定义，在本发明实施例中可以用f表示，其选取范围为(0.0＜f＜1.0)。上述根据初始邻域半径计算当前邻域半径可以是将半径系数与初始邻域半径相乘，如下公式所示：

r1＝f×r(5)

其中，r1为当前邻域半径，r为初始邻域半径，f为半径系数。从公式(5)以及f的取值范围可以看出，当前邻域半径r1的取值会小于初始邻域半径r，也即是在更小邻域中的邻域点集。

307、选取当前邻域半径内的邻域点集，将当前邻域半径内邻域点集中待去噪点对应的投影距离与阈值距离比较，阈值距离根据平均投影距离以及半径系数计算得到。

其中，阈值距离可以是将平均投影距离与半径系数相乘得到，阈值距离用thresholdl表示，具体计算公式如下:

thresholdl＝f1*meanl(6)

其中，f1表示f范围内选取的一个半径系数。计算出当前邻域半径后，选取出当前邻域半径r1邻域内的点集，将该点集中的待去噪点与阈值距离比较大小。

308、若投影距离满足阈值距离，则将与投影距离对应的数据点记录为噪声点，对邻域点集中的噪声点去除，以得到更新后的邻域点集。

当投影距离li大于阈值距离thresholdl，则表示与投影距离li对应的待去噪点对主体数据点造成了噪声干扰，需要将该待去噪点标记为噪声点后，在邻域点集中剔除，实现对邻域点集的更新。将投影距离与阈值距离进行比较的次数会大于等于邻域点集更新的次数，因为在判断是否为噪声点时，会存在不是噪声点的情况。

309、更新后的邻域点集不满足完全去噪，则重新选取初始邻域半径及半径系数，循环执行步骤301至308的步骤。

进行多次更新后，需要确认邻域点集是否完全去噪，以确定是否需要重复执行步骤301-308。当邻域点集中更新不到噪声点后，表示完成去噪处理。

其中，如果进行m次比较后，判断出主体数据点还受到噪声影响，则会循环执行步骤301-308，直到达到完全去噪。此外，也可以是设定一个去噪条件，当更新后的邻域点集达到去噪条件时，可以停止执行。根据测试情况得知，通常执行2-3次即可。当更新后的邻域点集不满足完全去噪或者去噪条件时，可以先重新设定参数r、f以及f1，然后将重新设定的参数带入到上述步骤301至308中重复执行，以找出噪声点进行去噪，得到质量更优的点云数据。

在本发明实施例中，在计算出m个投影距离li后，通过选取半径系数，根据初始邻域半径及预设半径系数计算当前邻域半径，并在当前邻域半径的范围内选取邻域点集，将邻域点集中的m个投影距离li分别与阈值距离(通过半径系数与平均投影距离计算得到)比较，将大于阈值距离的待去噪点记录为去噪点，得到所有的去噪点后可以以集合的形式去邻域点集中查找到并进行删除，实现邻域点集的更新。在判断没有完全去噪的情况下，通过重现定义参数初始邻域半径，当前邻域半径以及半径系数，重复执行至少一次后，便可以完全去噪。保证邻域点集中没有去噪点，以实现小团状噪声去噪以及条状小段微量凸起噪声去噪，有利于让主体数据点对应且保留下来的点云数据有更高的数据质量，为点云数据中国主体的表面重建提高可靠点云数据。

如图4所示，图4是本发明实施例提供的一种点云保特征去噪装置的结构示意图，点云保特征去噪装置400包括：

搜索模块401，用于根据点云数据构建预设树模型，基于预设树模型搜索点云数据中主体数据点对应的邻域点集；

第一计算模块402，用于通过预设算法根据主体数据点对应的邻域点集计算主体数据点的点法矢以及邻域点集的质心点；

第二计算模块403，用于根据质心点与邻域点集计算矢量，以及矢量在点法矢上的投影距离，矢量由邻域点集中的待去噪点与质心点构成；

更新模块404，用于若投影距离满足阈值距离，则将与投影距离对应的待去噪点记录为噪声点，并基于噪声点对邻域点集进行更新，直到更新后主体数据点的邻域点集达到完全去噪。

可选的，如图5所示，图5是本发明实施例提供的另一种点云保特征去噪装置的结构示意图，搜索模块401包括：

获取单元4011，用于获取点云数据，将点云数据对应的点云空间切分为多维区域；

构建单元4012，用于在多维区域中根据主体数据点选取切分点，基于切分点将主体数据点分别插入到切分点的左子空间及右子空间，以构建预设树模型，预设数模型为kd树；

搜索单元4013，用于预设初始邻域半径，并基于主体数据点在初始邻域半径内多次搜索kd树中与主体数据点对应的近邻点，将搜索到的邻近点集合形成邻域点集。

可选的，第一计算模块402用于根据主体数据点对应的邻域点集计算邻域点集的均值，将均值确定为主体数据点对应的质心点，其中，均值与主体数据点对应。

可选的，如图6所示，图6是本发明实施例提供的另一种点云保特征去噪装置的结构示意图，第二计算模块403包括：

第一计算单元4031，用于根据邻域点集中的待去噪点与质心点计算矢量；

第二计算单元4032，用于根据矢量以及点法矢计算矢量在点法矢所在方向上的投影距离，直到计算出邻域点集中所有待去噪点对应的矢量在对应的点法矢上的投影距离。

可选的，如图7所示，图7是本发明实施例提供的另一种点云保特征去噪装置的结构示意图，装置400还包括：

第三计算模块405，用于对计算出的邻域点集中所有待去噪点对应的矢量在对应的点法矢上的投影距离求均值，以得到平均投影距离。

可选的，如图8所示，图8是本发明实施例提供的另一种点云保特征去噪装置的结构示意图，更新模块404包括：

第三计算单元4041，用于选取半径系数，根据初始邻域半径及预设半径系数计算当前邻域半径；

比较单元4042，用于选取当前邻域半径内的邻域点集，将当前邻域半径内邻域点集中待去噪点对应的投影距离与阈值距离比较，阈值距离根据平均投影距离以及半径系数计算得到；

去除单元4043，用于若投影距离满足阈值距离，则将与投影距离对应的主体数据点记录为噪声点，对邻域点集中的噪声点去除，以得到更新后的邻域点集；

循环单元4044，用于若更新后的邻域点集不满足完全去噪，则重新选取初始邻域半径及半径系数，则返回模块401-404以执行对应的步骤。

如图9所示，图9是本发明实施例提供的一种电子设备的结构示意图，该电子设备900包括：存储器902、处理器901、网络接口903及存储在存储器902上并可在处理器901上运行的计算机程序，处理器901执行计算机程序时实现实施例提供的点云保特征去噪方法中的步骤。

具体的，处理器901用于执行以下步骤：

根据点云数据构建预设树模型，基于预设树模型搜索点云数据中主体数据点对应的邻域点集；

通过预设算法根据主体数据点对应的邻域点集计算主体数据点的点法矢以及邻域点集的质心点；

根据质心点与邻域点集计算矢量，以及矢量在点法矢上的投影距离，矢量由邻域点集中的待去噪点与质心点构成；

若投影距离满足阈值距离，则将与投影距离对应的待去噪点记录为噪声点，并基于噪声点对邻域点集进行更新，直到更新后主体数据点的邻域点集达到完全去噪。

可选的，处理器901执行的根据点云数据构建预设树模型，基于预设树模型搜索点云数据中主体数据点对应的邻域点集的步骤包括：

获取点云数据，将点云数据对应的点云空间切分为多维区域；

在多维区域中根据主体数据点选取切分点，基于切分点将主体数据点分别插入到切分点的左子空间及右子空间，以构建预设树模型，预设数模型为kd树；

预设初始邻域半径，并基于主体数据点在初始邻域半径内多次搜索kd树中与主体数据点对应的近邻点，将搜索到的邻近点集合形成邻域点集。

可选的，处理器901执行的计算邻域点集的质心点的步骤包括：

根据主体数据点对应的邻域点集计算邻域点集的均值，将均值确定为主体数据点对应的质心点，其中，均值与主体数据点对应。

可选的，处理器901执行的根据质心点与邻域点集计算矢量，以及矢量在点法矢上的投影距离的步骤包括：

根据邻域点集中的待去噪点与质心点计算矢量；

根据矢量以及点法矢计算矢量在点法矢所在方向上的投影距离，直到计算出邻域点集中所有待去噪点对应的矢量在对应的点法矢上的投影距离。

可选的，计算出邻域点集中所有待去噪点对应的矢量在对应的点法矢上的投影距离的步骤之后，处理器901还用于执行：

对计算出的邻域点集中所有待去噪点对应的矢量在对应的点法矢上的投影距离求均值，以得到平均投影距离。

可选的，处理器901执行的若投影距离满足阈值距离，则将与投影距离对应的主体数据点记录为噪声点，并基于噪声点对邻域点集进行更新，直到更新后主体数据点的邻域点集达到完全去噪的步骤包括：

选取半径系数，根据初始邻域半径及预设半径系数计算当前邻域半径；

选取当前邻域半径内的邻域点集，将当前邻域半径内邻域点集中待去噪点对应的投影距离与阈值距离比较，阈值距离根据平均投影距离以及半径系数计算得到；

若投影距离满足阈值距离，则将与投影距离对应的主体数据点记录为噪声点，对邻域点集中的噪声点去除，以得到更新后的邻域点集；

若更新后的邻域点集不满足完全去噪，则重新选取初始邻域半径及半径系数，循环执行根据点云数据构建预设树模型，基于预设树模型搜索点云数据中主体数据点对应的邻域点集的步骤。

本发明实施例提供的电子设备900能够实现点云保特征去噪方法实施例中的各个实施方式，以及相应有益效果，为避免重复，这里不再赘述。

需要指出的是，图中仅示出了具有组件的901-903，但是应理解的是，并不要求实施所有示出的组件，可以替代的实施更多或者更少的组件。其中，本技术领域技术人员可以理解，这里的电子设备900是一种能够按照事先设定或存储的指令，自动进行数值计算和/或信息处理的设备，其硬件包括但不限于微处理器、专用集成电路(applicationspecificintegratedcircuit，asic)、可编程门阵列(field－programmablegatearray，fpga)、数字处理器(digitalsignalprocessor，dsp)、嵌入式设备等。

电子设备900可以是桌上型计算机、笔记本及掌上电脑等计算设备。电子设备900可以与用户通过键盘、鼠标、遥控器、触摸板或声控设备等方式进行人机交互。

存储器902至少包括一种类型的可读存储介质，可读存储介质包括闪存、硬盘、多媒体卡、卡型存储器(例如，sd或dx存储器等)、随机访问存储器(ram)、静态随机访问存储器(sram)、只读存储器(rom)、电可擦除可编程只读存储器(eeprom)、可编程只读存储器(prom)、磁性存储器、磁盘、光盘等。在一些实施例中，存储器902可以是电子设备900的内部存储单元，例如该电子设备900的硬盘或内存。在另一些实施例中，存储器902也可以是电子设备900的外部存储设备，例如该电子设备900上配备的插接式硬盘，智能存储卡(smartmediacard,smc)，安全数字(securedigital,sd)卡，闪存卡(flashcard)等。当然，存储器902还可以既包括电子设备900的内部存储单元也包括其外部存储设备。本实施例中，存储器902通常用于存储安装于电子设备900的操作系统和各类应用软件，例如点云保特征去噪方法的程序代码等。此外，存储器902还可以用于暂时地存储已经输出或者将要输出的各类数据。

处理器901在一些实施例中可以是中央处理器(centralprocessingunit，cpu)、控制器、微控制器、微处理器、或其他数据处理芯片。该处理器901通常用于控制电子设备900的总体操作。本实施例中，处理器901用于运行存储器902中存储的程序代码或者处理数据，例如运行点云保特征去噪方法的程序代码。

网络接口903可包括无线网络接口或有线网络接口，该网络接口903通常用于在电子设备900与其他电子设备之间建立通信连接。

本发明实施例还提供一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序，计算机程序被处理器901执行时实现实施例提供的点云保特征去噪方法中的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。

本领域普通技术人员可以理解实现实施例点云保特征去噪方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如各方法的实施例的流程。其中，存储介质可为磁碟、光盘、只读存储记忆体(read-onlymemory，rom)或随机存取存储器902(randomaccessmemory，简称ram)等。

应该理解的是，虽然附图的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，其可以以其他的顺序执行。而且，附图的流程图中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，其执行顺序也不必然是依次进行，而是可以与其他步骤或者其他步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。

本申请的说明书和权利要求书及上述附图说明中的术语“包括”和“具有”以及它们的任何变形，意图在于覆盖不排他的包含。本申请的说明书和权利要求书或上述附图中的术语“第一”、“第二”等是用于区别不同对象，而不是用于描述特定顺序。在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。

以上所揭露的仅为本发明较佳实施例而已，当然不能以此来限定本发明之权利范围，因此依本发明权利要求所作的等同变化，仍属本发明所涵盖的范围。