主要包括雙邊濾波、曲率流、密度均值漂流聚類、噪聲分類去噪、神經網絡、曲率特征混合分類的高密度點云去噪 體素濾波結合區域生長 等

1、雙邊濾波算法進行點云去噪，雙邊濾波器是基于空間分布的一個高斯函數，能夠較好地保存目標物的高頻信息，它使點云數據的整體趨勢更加平滑，數據點順著法向發生位移。
2、基于曲率流的去噪算法，每 個 點 按 照 它 的 曲 率 速 度 沿 著 法 向 移 動。
以上兩者雖然都能使點云模型光順，但同時會改變點的坐標，使點云信息的紋理信息丟失。 3、基于密度的均值漂移聚類去噪算法，使
每個點漸漸逼近局部密度最高的位置。
但不能濾除密度較高的簇狀噪聲
4、噪聲分類的去噪方法，對大尺度噪聲使用半徑濾波法和統計濾波法去噪，而小尺度噪聲使用雙邊濾波法去噪。
5、自適應雙邊濾波法進行點云去噪，該算法首先為每個采樣點建立 ｋ－d鄰域，然后以該點處的微切平面為視平面，在該視平面上利用目標尺度信息實現空間方差σｓ 局部自適應取值。（醫學CT圖像椎骨邊緣保留）
6、利用支持向量機和神經網絡的算法來進行去噪時間成本大
7、使用模糊 Ｃ－均值與均值濾波來進行點云去噪對于小尺度噪聲以及簇狀噪聲無法濾除

• 8、基于曲率特征混合分類的高密度點云去噪方法。

本文著重分析體素濾波與區域生長法結合
基本思想：

對點云數據網格化（體素化），整體可以看做是一個長方體，利用包圍盒壓縮將其切分成多個等大的正方體，不足則進行補全。

對大密度網格點進行局部處理，小密度網格既有噪聲也有非噪聲點

利用噪聲與周圍環境不存在連接性進行區域生長法處理
區域生長法處理步驟：
（1）確定一半徑a,找出網格內包含點數最多的點作為種子點
（2）選中的種子點以半徑b聯合周邊的點使用最小二乘擬合一個平面
（3）半徑b內的非種子點與種子點連線的夾角若大于一個閾值，則歸類為噪聲點否則為非噪聲點。
（4）將大網格中非噪聲點作為新的種子點進行循環，直至所有點均被歸類。將小網格再次利用全局區域生長處理。

• 論文中并為交代（3）中閾值如何計算待考究且計算時間較長，復雜度較高，參數不能自適應取值

總結

以上是生活随笔為你收集整理的点云数据去噪的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。