基于密度聚类和投票判别的三维数据去噪方法

摘要

三维扫描所得到的点云数据中总是存在着大量的异常点.要检测和去除异常点是一件困难且耗时的事,一些异常点偏离整体,一些甚至附着在表面.这样的扫描结果可能导致数据分析、图像检测的偏差.现有的处理方法在适用范围和处理速度方面有一些局限.本文提出一种两阶段处理方法,首先根据密度聚美将数据分类至正常簇集合、疑似簇集合、异常簇集合,然后利用正常簇集合中的点对疑似簇集合中各点进行投票判断,最终得到一个合理的三维点云数据模型.实验结果证明,本方法能够有效去除三维点云数据中的噪音数据,同时能有效保持模型表面的特征,并加快处理效率.