GlobalMapper点云分类、等高线生成等理解操作
2、学习体会与心得
3、基于点云分类流程进行等高线生成
4、GlobalMapper的加载点云的相关设置
什么是噪点：激光点云数据中的噪声一般不能明确地知道是由哪种因素引起的，只能从直观上予以区分对于点云中一点P g，如果其与最近点之间的距离远大于点云的平均点间距，则P g点称为孤点；对于点云中一点P l，如果按照某一距离阈值寻其邻近点时只能到k个，而第k+1个最近点与P l及其前k个最近点之间的距离都远大于距离阈值，则P l及其k个最近点称为离点，离点与孤点的区别是离点成簇出现，单个离点即为孤点；对于点云中一点P s，如果P s距离其所在位置的点云表面并无孤立现象，但P s的存在影响其所在局部表面的光滑性，则P s称为毛刺点(不光顺点)在激光点云中，由于孤点和离点等大噪声点存在离特性，一般作为去噪的研究对象比较容易去除去噪原用于一维信号数据和二维图像数据中对噪声的处理，本文将点云中因为遮挡或激光扫描的全覆盖性获取的非测量目标上的无用点等离点孤点等大噪声的去除作为去噪的主要研究对象。
噪声点与离点：在获取点云数据时，由于设备精度、操作者经验、环境因素等带来的影响，以及电磁波衍射特性、被测物体表面性质变化和数据拼接配准操作过程的影响，点云数据中将不可避免地出现一些噪声点，属于随机误差。除此之外，由于受到外界干扰如视线遮挡，障碍物等因素的影响，点云数据中往往存在着一些距离主题点云较远的离散点，即离点。
点云处理中滤波目的：滤波处理作为点云处理的第一步，对后续处理有很重要。只有在滤波处理流程中将噪声点、离点、空洞、数据压缩等按照后续处理定制，才能更好地进行配准、特征提取、曲面重建、可视化等后续应用处理。点云数据集中每一个点表达一定的信息量，某个区域点越密集有用的信息量越大。孤立的离点信息量较小，其表达的信息量可以忽略不计。 滤波器介绍
直通滤波器：对于在空间分布有一定空间特征的点云数据，比如使用线结构光扫描的方式采集点云，沿z向分布较广，但x,y向的分布处于有限范围内。此时可使用直通滤波器，确定点云在x或y方向上的范围，可较快剪除离点，达到第
一步粗处理的目的。
体素滤波器：体素的概念类似于像素，使用AABB包围盒将点云数据体素化，一般体素越密集的地方
信息越多，噪音点及离点可通过体素网格去除。另一方面如果使用高分辨率相机等设备对点云进行采集，往往点云会较为密集。过多的点云数量会对后续分割工作带来困难。体素滤波器可以达到向下采样同时不破坏点云本身几何结构的功能。
统计滤波器：考虑到离点的特征，则可以定义某处点云小于某个密度，既点云无效。计算每个点到其最近的k个点平均距离。则点云中所有点的距离应构成高斯分布。给定均值与方差，可剔除3∑之外的点。
条件滤波器：条件滤波器通过设定滤波条件进行滤波，有点分段函数的味道，当点云在一定范围则留下，不在则舍弃。
半径滤波器：半径滤波器与统计滤波器相比更加简单粗暴。以某点为中心画一个圆计算落在该圆中点的数量，当数量大于给定值时，则保留该点，数量小于给定值则剔除该点。此算法运行速度快，依序迭代留下的点一定是最密集的，但是圆的半径和圆内点的数目都需要人工指定。
豫公网安备41160202000603
站长QQ:729038198
关于我们
投诉建议