程：图5. (a)为干涉方向为正的情况，即检查点视点VP在三角面T的正 面一侧;图5. (b)为干涉方向为反的情况，即检查点视点Vp在三角面T的反面一侧。
[0100]将检查点p作为被遮挡点E，并与三角面T、三角面T三个顶点各自对应的伪目标点 Q'、干涉距离H、干涉方向D的数据一起归为一个干涉组，并记录。
[0101] 0332、对三角面T的三个顶点分别进行如下处理：如果该顶点的可移动标记价为- 1，则将其置为〇;否则不做处理。
[0102] 该过程的意义在于:记录虽产生干涉但一次也无法移动的三角面顶点。此处"产生 干涉"即指线段VpP与三角面QiQ2Q3有交点，而"移动"是指构成干涉组进而经过后续一系列 处理最后产生了偏移量的过程。因此如果可移动标记Βτ为_1(即初值)则说明该标记从未被 处理过，则将其置为0,表示该点无法移动；而如果可移动标记Βτ为1则说明该点已构成过干 涉组，即存在移动，因此此时不做处理。
[0103] 04、计算权重:为各幅点云中的每个有效点均设立被遮挡权重Wd、正面遮挡权重Wf 和反面遮挡权重Wb的三个权重值，并都初始化为0，然后对每个干涉组分别进行如下处理：
[0104] 将干涉距离Η加到被遮挡点E的被遮挡权重Wd中，然后进行判断：如果干涉方向D为 正，则将干涉距离Η分别加到三角面T三个顶点各自的正面遮挡权重W f中；如果干涉方向D为 反，则将干涉距离Η分别加到三角面T三个顶点各自的反面遮挡权重Wb中；
[0105] 05、计算偏移量:为各幅点云中的每个有效点均设立累计偏移量Rsum和累计偏移量 计数Nr，并都初始化为0，然后对每个干涉组分别进行如下处理：
[0106] 计算被遮挡点偏移量Re = -H/|EVe|，式中：Η为干涉距离，|EVe|为被遮挡点E到其所 在点云视点VE的距离，然后进行判断：如果干涉方向D为正，则进行步骤052的正向干涉处 理;如果干涉方向D为反，则进行步骤053的反向干涉处理。
[0107] 052、正向干涉处理：
[0108] 0521、计算被遮挡点加权偏移量：REW = RE X Wd / (；% +灰^.，式中：Re为被遮挡 点偏移量，Wd为被遮挡点E的被遮挡权重，蕾f为三角面T三个顶点的正面遮挡权重Wf的平均 值;然后将被遮挡点加权偏移量Rew加到被遮挡点E的累计偏移量1?_中，并使被遮挡点E的累 计偏移量计数Nr增1;
[0109] 0522、接着，对三角面T的三个顶点分别进行如下处理：
[0110] 先计算顶点偏移量Rq=|Q'Q|/|QVt|，式中：|Q'Q|为顶点Q的伪目标点Q'到顶点Q的 距离，I QVt |为顶点Q到三角面视点VT的距离；
[0111] 再计算顶点加权偏移量RQw=RQXWf/(Wf+Wd)，式中：Rq为顶点偏移量，Wf为顶点Q的 正面遮挡权重，Wd为被遮挡点E的被遮挡权重；
[0112]然后将顶点加权偏移量Rqw加到顶点Q的累计偏移量Rsum中，并使顶点Q的累计偏移 量计数Nr增1。
[0113] 053、反向干涉处理：
[0114] 0531、计算被遮挡点加权偏移量RFW = RE X / (Wd +)，式中：?为被遮挡 点偏移量，Wd为被遮挡点E的被遮挡权重，<为三角面T三个顶点的反面遮挡权重Wb的平均 值;然后将被遮挡点加权偏移量Rew加到被遮挡点E的累计偏移量1?_中，并使被遮挡点E的累 计偏移量计数Nr增1;
[0115] 0532、接着，对三角面T的三个顶点分别进行如下处理：
[0116] 先计算顶点偏移量1^ = -|〇'〇|/|〇￥」，式中：|〇'〇|为顶点加勺伪目标点〇'到顶点〇 的距离，I QVt I为顶点Q到三角面视点VT的距离；
[0117] 再计算顶点加权偏移量RQW=RQXWb/(W b+Wd)，式中：Rq为顶点偏移量，Wb为顶点Q的 反面遮挡权重，Wd为被遮挡点E的被遮挡权重；
[0118] 然后将顶点加权偏移量RqW加到顶点Q的累计偏移量Rs?中，并使顶点Q的累计偏移 量计数Nr增1。
[0119] 06、采用以下方式处理异常点：
[0120] 061、初始化移动点数量Nmp为0,对各幅点云中的每个有效点分别进行如下处理:如 果当前有效点C的累计偏移量计数Nr大于0，则执行步骤0611;否则不做处理；
[0121] 0611、先计算平均偏移量Ravg = R_/NR，式中：R_为当前有效点C的累计偏移量，Nr 为当前有效点C的累计偏移量计数；
[0122] 再计算移动距离d= |Ravg| X |CVc|，式中：|Ravg|为平均偏移量Ravg的绝对值，|CVc 为当前有效点C到其所在点云的视点VC的距离；如果移动距离d不小于最小移动距离阈值， 则执行步骤0612，否则不做处理；
[0123] 0612、计算目标点C ' = (C-Vc) X Ravg+C，式中：C为当前有效点，Vc为当前有效点C所 在点云的视点，Ravg为平均偏移量;然后将当前有效点C的坐标替换为目标点C'的坐标，使移 动点数量Nmp增1。
[0124] 该过程即是把当前有效点C移动到目标点C'的位置。图6所示为目标点C'计算式的 几何意义，其含义为当前有效点C必须在该点及其视点V C的连线上移动。平均偏移量Ravg的 大小用于确定当前有效点C相对于| CVC |长度的移动量;而平均偏移量Ravg的正负则用于确 定当前有效点C的移动方向，即若Ravg为正则向&的方向移动(远离视点Vc)，反之向C 2的方向 移动（靠近视点％)。该操作可保证有序点云中各点的拓扑关系不变，从而确保所得点云仍 是有序的。
[0125] 062、从各幅点云中删除不是任何一个三角面顶点的有效点。该过程的意义在于， 由于非三角面顶点的有效点无法构成三角面参与干涉检查，仅可能被其他三角面遮挡，因 此其加权结果很可能是异常的，随着迭代的进行该点可能会移动到一个错误的位置或没有 移动，因此将其删除，避免引起异常点遗留问题。
[0126] 063、从各幅点云中删除可移动标记Βτ为0的有效点。该过程的含义是从各幅点云 中删除产生干涉却一次也无法移动的三角面顶点。
[0127] 07、迭代终止检查：如果迭代次数Νι等于最大迭代次数或者移动点数量Nmp相比上 一次迭代计算结果不再减少，则结束处理，所得各幅点云为优化后的点云;否则使迭代次数 阶增1，返回步骤02重复各步骤进行迭代处理，直到达到迭代终止条件。
[0128] 使用本发明方法对盆栽点云处理前后的效果如图7所示，其中图7. (al)、图7. (bl) 分别为处理前、处理后的整体点云，图7. (a2)、图7. (a3)、图7. (a4)为处理前点云的局部放 大图，图7.(b2)、图7.(b3)、图7. (b4)为处理后点云的局部放大图。以下对处理前后的点云 进行对比分析：
[0129] 整体来看，图7. (al)中处理前的点云较为散乱，有一定噪声；而图7. (bl)中处理后 的点云则较为密实，噪声相对较少。
[0130] 图7. (a2)与图7. (b2)所示为一叶片的点云。如图7. (a2)箭头处所示，该叶片的其 中一幅点云严重偏离了正确的位置，这是由点云局部形变所导致。经过处理，可见图7. (b2) 中这部分的异常点云已不复存在，而叶片正常点云的细节特征则几乎没有受到影响，可见 本发明能够在保留点云细节的基础上较好地解决由点云局部形变所导致的点云偏离正确 位置的问题。
[0131] 图7. (a3)与图7. (b3)所示为另一叶片的点云。如图7. (a3)箭头处所示，该叶片的 上方有层叠的点云，而该位置实际并无物体，此种现象是由于点云局部形变与点云噪声共 同所致。经过处理，可见图7. (b3)中的这部分已基本没有异常点云，而叶片正常点云的细节 特征则几乎没有受到影响，可见本发明能够在保留点云细节的基础上较好地解决由点云局 部形变与噪声所导致的点云层叠问题。
[0132]图7. (a4)与图7. (b4)所示为花盆侧边的点云。如图7. (a4)箭头处所示，花盆表面 及其弯折处有明显的噪声。经过处理，可见图7. (b4)已有效降低了噪声，且花盆弯折处依然 保持尖锐，可见本发明能够在保留点云细节的基础上较好地完成降噪。
[0133]由此可见，本发明通过干涉检查来寻找异常点，经过加权处理，保证在处理异常数 据的同时较少地影响到正常数据，从而通过迭代，可在较好地保留点云细节的基础上有效 解决局部点云形变的问题，同时起到了较好的降噪效果。
[0134] 本发明通过删除无法构成三角面的点，以免这些点无法参与干涉检查而引起异常 点遗留问题，确保了最终所得数据的准确性;而将产生干涉却一次也无法移动的三角面顶 点认定为不应存在的点，将其删除，确保了所得数据的合理性，具有较好的处理效果。
[0135] 由于本发明分别对各幅点云进行处理，且对异常点仅在该点与其视点连线上进行 移动，或将其删除，这并不会破坏同一幅点云中各点的拓扑关系，因此最终处理所得的点云 仍可保持有序。
【主权项】
1. 一种适用于已配准多视角有序点云的整体优化方法，其特征在于，所述方法包括以 下步骤： 1) 初始化:载入各幅点云及其各自的视点，各幅点云均为有序点云，且各幅点云已经配