阎雨梦 1,2,3,**张元 1,2,3,*庞敏 1,2,3熊风光 1,2,3杨晓文 1,2,3
1 中北大学计算机科学与技术学院，山西 太原 030051
2 机器视觉与虚拟现实山西省重点实验室，山西 太原 030051
3 山西省视觉信息处理及智能机器人工程研究中心，山西 太原 030051
针对点云去噪过程中难以分离和去除贴近模型表面的噪声，或者去除时会损失有效数据点的问题，提出一种改进的点云引导滤波算法。首先使用统计滤波筛选出较难平滑的噪声，并进行初次引导滤波，降低平滑难度较大的噪声对整体滤波效果的影响；然后根据点云各点的几何特征，自适应地调整权重参数，并将其代入改进的引导滤波算法中，对点云整体进行二次引导滤波，利用自适应的权重参数，得到更加光滑且保留有效数据点的点云数据。实验结果表明，所提算法对噪声点云的平滑效果更明显，处理后的点云模型有较明显的边缘线条，较难平滑的噪声也能得到很好处理。
图像处理 点云滤波 统计滤波 点云引导滤波 点云曲率 激光与光电子学进展
2023, 60(22): 2211006
1 中国科学院国家空间科学中心，北京0090
2 中国科学院大学，北京100049
点云配准技术作为点云数据处理中的核心技术，会因为点云质量而影响配准效果，质量好的点云可以提高配准精度、空间模型完整度、即时定位与地图构建系统的性能等，因此评价点云数据质量具有很高的客观价值；而通过传感器获得的点云数据存在系统误差和非系统误差等噪声，因此点云数据处理变得很重要，对点云数据处理效果的评价还没有一个较为客观的方法，本文提出了多维点云结构相似性定量化评价方法。通过将滤波前、后的点云数据和标准点云数据进行对比，分别比较三维坐标轴上所有点坐标的均值、标准差和协方差，再对3个坐标轴上的结构相似性值进行权重分配最终获得三维结构相似关联度，进而对点云滤波、点云稀疏后的点云数据质量进行评价。该方法还对提高配准精度进行了实验验证。经过实验表明，该方法能够评价三维点云的质量，且能够评价不同噪声类型以及处理方法下获得的点云质量，为点云配准提供了参考。该方法不仅对点云预处理和点云质量进行了高效、客观地评价，还提供了一种提高点云配准精度和效率的方法。
点云数据 结构相似性 定量化评价 点云滤波 point cloud data structure similarity quantitative evaluation point cloud filtering
昆明理工大学国土资源工程学院，云南 昆明 650093
传统的点云滤波方法在复杂、崎岖地形中存在准确性低、地形信息缺失的问题。以9块具有典型地形特征的区域为研究对象，进行点云滤波实验，发现布料模拟与多级移动曲面滤波方法比其他方法滤波效果好，但是在地形起伏较大的区域，效果仍然有待改进。针对上述方法的不足，提出了一种基于地面点归一化的适应地形的滤波方法，首先通过多级移动曲面滤波结果得到地面点的数字高程模型（DEM），高程归一化后使用布料模拟滤波从而消除地形影响，并与两种传统滤波方法进行比较和误差分析。结果表明，在不同的地形情况下，提出算法在所有研究区域的平均总误差分别比两种传统滤波方法降低了8.45和11.31个百分点，取得了较好的滤波效果。
激光与光电子学进展
2022, 59(10): 1028008
东华理工大学测绘工程学院，江西 南昌 330000
滤波是机载激光雷达点云数据处理的关键步骤之一，形态学滤波算法作为一种经典有效的机载激光雷达点云滤波算法受到广泛使用。针对大多数形态学滤波算法地形特征保留不佳、滤波效果不好的问题，提出一种基于薄板样条多级插值的形态学滤波算法。该算法结合形态学开运算滤波窗口不断减小的特点，采用薄板样条插值在不同尺寸的窗口下进行处理，此过程由上往下迭代进行，直至窗口大小小于设定的最小滤波窗口尺寸。采用国际摄影测量与遥感协会提供的测试数据集进行实验，结果表明，所提算法精度有明显提高，在建筑物或山坡等地区的滤波效果尤为突出，有效保留了地形特征。
遥感 机载激光雷达 点云滤波 薄板样条插值 形态学滤波 激光与光电子学进展
2022, 59(10): 1028002
1 安徽大学资源与环境工程学院，安徽 合肥 230601
2 安徽省矿山生态修复工程实验室，安徽 合肥 230601
3 中国能源建设集团安徽省电力设计院有限公司，安徽 合肥 230601
针对采用单一渐进式形态学滤波处理机载激光雷达（LiDAR）数据时难以生成高质量数字高程模型（DEM）的问题，提出一种基于空间向量投影的后处理滤波方法，以剔除对DEM构建精度影响较大的近地面点。该方法以每个激光点为起点，以与距离它最近的9个网格最低点为终点构建向量，然后累加9个向量在Z方向上的投影，并将结果与预先设置的阈值比较，进而识别、分类当前激光点。为了验证所提方法的有效性，选取6组国际摄影测量与遥感协会（ISPRS）提供的不同地形条件下的测试数据进行实验，分别将加入后处理滤波前后提取的地面点云生成1 m×1 m分辨率的DEM，并与同一研究区域的参考DEM进行线性拟合。结果表明：与单一渐进式形态学滤波算法相比，渐进式形态学滤波和基于空间向量投影的后处理滤波的组合算法在城市地区和地形连续的乡村地区可以获得更好的点云滤波精度和DEM构建精度，具有良好的适用性和可靠性。
激光雷达 点云滤波 渐进式形态学滤波 后处理滤波 数字高程模型 激光与光电子学进展
2022, 59(10): 1001001
针对地面激光扫描点云和航摄影像密集匹配点云融合存在质量退化与分层的问题，本文提出了一种基于图割算法和引导点云滤波算法的异源点云融合方法。该方法首先利用一种结合几何和颜色信息的图割算法分割密集匹配点云，然后利用分割后的密集匹配点云填补激光点云的孔洞和遮挡区域，接着采用以表面曲率加权的引导点云滤波算法消除混合边界处的缝隙并纠正混合点云中的平面错层。实验结果证明，所提方法对比现有方法有明显的性能提升，融合后的精度和完整性分别提升了5.42%和2.94%，能够较好地支撑激光点云与密集匹配点云的高质量融合。
遥感 激光点云 密集匹配点云 点云融合 图割算法 引导点云滤波
东华理工大学测绘工程学院，江西 南昌 330013
点云滤波是机载LiDAR点云后处理应用的必要环节。现有的大多数点云滤波方法往往在地形平坦的区域滤波效果比较好，而在地形起伏较大区域滤波效果较差。为进一步提升点云滤波方法的精度及对复杂环境的适应能力，提出一种基于多约束连通图分割的滤波方法。通过设定垂直性、高差、距离三个约束条件构建点云连通图，实现点云分割，并基于地面覆盖率和格网化高程实现地面种子点集获取与筛选。最后，基于点到邻近地面种子点集拟合平面的距离实现地面点集优化。采用国际摄影测量与遥感学会（ISPRS）网站发布的15组专门用于检验滤波效果的点云数据进行实验。实验结果表明，所提方法针对不同的地形环境均可以获得良好的滤波结果。在与其他四种滤波方法的对比中，所提方法能够取得最小的平均总误差（5.44%）。此外，所提方法的平均一类误差和平均二类误差都相对较小，表明所提方法在去除地物点的同时能够有效保护地形细节。
遥感 机载LiDAR 多约束连通图 点云分割 点云滤波 激光与光电子学进展
2022, 59(4): 0428004
武汉科技大学信息科学与工程学院, 湖北 武汉 430081
针对Cartographer算法在多传感器数据处理中, 存在点云中的离群点和噪声影响点云匹配的精度, 以及位姿融合算法精度不高的问题, 提出一种基于混合滤波算法和速度积分位姿融合的改进Cartographer算法。首先, 改进选点策略优化体素滤波算法的重采样过程, 提高滤波效率, 并引入直通滤波和半径滤波, 提出一种混合滤波算法, 提高点云质量。然后, 在融合观测位姿、里程计数据和惯性测量单元数据的算法中, 引入速度积分改进位姿融合方法以提升点云匹配的准确性。最后, 在使用数据集验证算法回环检测性能和定位精度的测试试验中, 比较改进算法、Cartographer和A-LOAM三种算法, 试验结果表明改进算法构建的地图更精确, 轨迹误差小。因此, 提出的算法对于提高定位精度和建图质量具有可行性和有效性。
同步定位与地图构建 点云滤波 多传感器位姿融合 simultaneous localization and mapping Cartographer Cartographer point cloud filtering multi-sensor pose fusion
1 江苏师范大学电气工程及自动化学院，江苏 徐州 221116
2 聚时科技（上海）有限公司，上海 201100
为了避免利用2D图像提取特征点并进行三维重建的烦琐，同时满足芯片引脚3D测量指标的高精度要求，采用点云处理技术，提出一种基于法向量差异的点云水平校准方法，将该方法与最小外包围盒算法相结合来剔除芯片内部引脚点云。对剩余点云进行聚类分割后，利用采样一致性算法对芯片各外部引脚、上下表面进行平面方程参数拟合并求解各引脚区域的中点。通过以上获取的数据计算芯片高度、引脚栈高以及引脚翘起度。最后，通过试验验证了所述芯片测量方案的有效性。
芯片测量 点云滤波 法向量 点云分割 平面拟合 chip measurement point cloud filtering normal vector point cloud segmentation plane fitting
基于时间飞行原理的机械式激光雷达,采用高频短时序多脉冲测量值的平均值作为目标距离值的方法,会造成目标物之间的点云数据中存在虚点的现象。为剔除虚点,分析了虚点深度与邻点距离之间的关系,提出了轻量级虚点识别公式,并在SICK Tim561激光雷达上完成了试验。试验结果表明：所提出方法能有效去除虚点,提高点云质量。
点云滤波 虚点识别 轻量级 单线激光雷达 point cloud filtering virtual point recognition lightweight single line lidar
