楊彤　薛河儒

【摘? 要】利用手持式三維激光掃描儀對(duì)被測(cè)物體進(jìn)行數(shù)據(jù)采集時(shí)，往往會(huì)產(chǎn)生較多的體外噪聲飛點(diǎn)。將嚴(yán)重影響后期點(diǎn)云的處理和曲面重建的精度，所以必須要及時(shí)有效的去除這些噪聲。通過(guò)觀察發(fā)現(xiàn)，這些噪聲具有無(wú)規(guī)律且懸浮在主體點(diǎn)云外呈現(xiàn)孤立，稀疏狀態(tài)的特點(diǎn)，而基于密度濾波的方法適用于將此類噪聲進(jìn)行去除。該方法先對(duì)點(diǎn)云數(shù)據(jù)進(jìn)行密度聚類分析，再根據(jù)密度聚類結(jié)果實(shí)現(xiàn)被測(cè)目標(biāo)與噪聲點(diǎn)的分離。實(shí)驗(yàn)結(jié)果表明，該算法能準(zhǔn)確的識(shí)別并剔除體外噪聲數(shù)據(jù)。

【關(guān)鍵詞】體外噪聲數(shù)據(jù);密度濾波;密度聚類分析;

引言

三維激光掃描技術(shù)是利用儀器對(duì)被測(cè)目標(biāo)進(jìn)行掃描，再通過(guò)對(duì)采集到的數(shù)據(jù)進(jìn)行處理，從而復(fù)建出被測(cè)物體的三維數(shù)據(jù)模型與之前的單點(diǎn)采集方式相比，三維激光掃描具有速度更快，精度更高，零接觸，便于操作等優(yōu)點(diǎn)，使其在文物保護(hù)，人工仿造，復(fù)雜零件建模等諸多領(lǐng)域得到了越來(lái)越廣泛的應(yīng)用。

在采集數(shù)據(jù)時(shí)由于受到人為原因（如掃描人員的錯(cuò)誤操作），非人為原因（如掃描儀本身的功能缺陷），內(nèi)部的（如掃描對(duì)象表面的光滑粗糙度不一），外部的（如掃描環(huán)境的不穩(wěn)定）等各種因素的影響，會(huì)導(dǎo)致獲取的點(diǎn)云數(shù)據(jù)中產(chǎn)生大量的噪聲點(diǎn)。而噪聲點(diǎn)的存在將會(huì)對(duì)點(diǎn)云數(shù)據(jù)的后續(xù)處理造成極大的影響，因此，必須對(duì)采集到的點(diǎn)云數(shù)據(jù)進(jìn)行去噪。通過(guò)觀察實(shí)驗(yàn)采集的數(shù)據(jù)的成像特點(diǎn)，發(fā)現(xiàn)采集到的目標(biāo)點(diǎn)云數(shù)據(jù)與被測(cè)物體表面成像一致，而噪聲點(diǎn)偏離實(shí)測(cè)數(shù)據(jù)較遠(yuǎn)，且懸浮在主體點(diǎn)云外呈現(xiàn)孤立，稀疏狀態(tài)，所以本文采用基于密度聚類的方法，實(shí)現(xiàn)目標(biāo)與噪聲的快速分離。

1? 基于密度的聚類算法

聚類是指在沒(méi)有任先前何處理經(jīng)驗(yàn)的情況下，根據(jù)不同數(shù)據(jù)對(duì)象的特征，分成不同的類或簇。并且聚類算法可以實(shí)現(xiàn)同一類內(nèi)的相似性較大，不同類間的相似性較小。

基于密度聚類算法將類定義為密度相連的點(diǎn)的最大集合，能夠發(fā)現(xiàn)任意大小的類，對(duì)數(shù)據(jù)集中的異常點(diǎn)不敏感，克服了基于距離判別只能發(fā)現(xiàn)“類圓形”聚類的缺點(diǎn)其中比較有代表性的聚類算法是DBSCAN（Density-Based Spatial Clustering of Application with Noise）算法。

DBSCAN算法的聚類結(jié)果不會(huì)有偏倚。但是該算法對(duì)兩個(gè)初始值的設(shè)置要求較高，在選取合適的數(shù)值時(shí)，要進(jìn)行多次的嘗試和聯(lián)合比較，選取最優(yōu)的參數(shù)。

2?? 對(duì)采集的數(shù)據(jù)進(jìn)行密度聚類

聚類濾波基本參數(shù)設(shè)置：

1）根據(jù)點(diǎn)云數(shù)據(jù)，計(jì)算點(diǎn)云間的平均距離。

2）設(shè)定最小點(diǎn)云距離為平均間隔的2倍，大于此距離，則認(rèn)為是噪聲。

3）根據(jù)統(tǒng)計(jì)結(jié)果選擇初始最小節(jié)點(diǎn)數(shù)Minpts。

密度聚類的算法步驟如下（如圖1所示）：

Step1 給定最小點(diǎn)云距離e和最小節(jié)點(diǎn)數(shù)Minpts，并對(duì)信號(hào)，噪聲點(diǎn)都賦初始值為0;

Step2所有數(shù)據(jù)循環(huán)計(jì)算;

Step3從數(shù)據(jù)集中取出一點(diǎn)p，判斷該點(diǎn)是否已經(jīng)歸類（噪聲或信號(hào)）;

Step4如果沒(méi)有歸類，暫時(shí)認(rèn)為該點(diǎn)是信號(hào)，相應(yīng)信號(hào)值置“1”;

Step5查找該點(diǎn)的鄰域點(diǎn)（小于平均間隔的2倍的點(diǎn)），Neighbors;

Step6如果點(diǎn)數(shù)小于最小節(jié)點(diǎn)數(shù)，則認(rèn)為是噪聲，相應(yīng)噪聲值置“1”;

Step7否則確認(rèn)該點(diǎn)是信號(hào)，信號(hào)類編碼加1;

Step8擴(kuò)展鄰域點(diǎn)，將彼此之間很近的點(diǎn)，都?xì)w入信號(hào)類;

過(guò)程是：

1）對(duì)Neighbors中的數(shù)據(jù)循環(huán);

2）取出Neighbors中的1個(gè)點(diǎn);

3）判斷該點(diǎn)是否已經(jīng)歸類（噪聲或信號(hào)）;

4）如果沒(méi)有歸類，暫時(shí)認(rèn)為該點(diǎn)是信號(hào)，相應(yīng)信號(hào)位置“1”;

5）查找該點(diǎn)的鄰域點(diǎn)（小于平均間隔的兩倍的點(diǎn)），Neighbor2;

6）如果點(diǎn)數(shù)大于節(jié)點(diǎn)數(shù)，則確認(rèn)該點(diǎn)是信號(hào)，將Neighbor2合并到Neighbors中;

7）判斷該點(diǎn)是否已經(jīng)有信號(hào)類（組），若沒(méi)有，則該點(diǎn)編入當(dāng)前組;

8）鄰域點(diǎn)編號(hào)加1，k=k+1;

9）判斷鄰域點(diǎn)編號(hào)是否大于鄰域總點(diǎn)數(shù);

10）如果大于，則說(shuō)明沒(méi)有新的鄰域點(diǎn)歸入此類，該類的信號(hào)已經(jīng)找完，則跳出循環(huán);

11）否則循環(huán)至1）;

Step9否則循環(huán)至2，直至循環(huán)取完所有的點(diǎn);

Step10分離目標(biāo)，聚類完成。

3? 實(shí)驗(yàn)結(jié)果與分析

本實(shí)驗(yàn)利用Handy Scan3D手持式三維激光掃描儀對(duì)待測(cè)物體鼢鼠頭顱進(jìn)行數(shù)據(jù)采集，在Matlab R2019b編程環(huán)境下完成數(shù)據(jù)的顯示和去噪代碼的編寫。

將利用手持激光掃描儀采集到的鼢鼠頭顱的點(diǎn)云數(shù)據(jù)導(dǎo)入MATLAB中，所顯示的結(jié)果如圖2所示，可以清楚地看到本張鼢鼠頭顱三維圖像中，有很多體外飛點(diǎn)噪聲點(diǎn);觀察體外飛點(diǎn)噪聲的分布情況，我們選取密度聚類濾波對(duì)噪聲進(jìn)行剔除。剔除噪聲后得到的點(diǎn)云數(shù)據(jù)如圖3所示，發(fā)現(xiàn)采集到的體外噪聲點(diǎn)已經(jīng)全部去除。

4? 結(jié)語(yǔ)

本文根據(jù)實(shí)驗(yàn)采集到的三維點(diǎn)云數(shù)據(jù)的成像特點(diǎn)以及閱讀了大量的相關(guān)文獻(xiàn)，最終選擇了密度聚類算法對(duì)采集到的點(diǎn)云數(shù)據(jù)進(jìn)行去噪。此算法在保持模型特征的前提下有效去除三維點(diǎn)云數(shù)據(jù)中的噪聲，為后期三維點(diǎn)云特征提取及重建質(zhì)量奠定了基礎(chǔ)。但本文中的應(yīng)用還僅限于小范圍，表面連續(xù)的物體點(diǎn)云;對(duì)初始參數(shù)的選取和聯(lián)合調(diào)參時(shí)，耗時(shí)較長(zhǎng)。下一步的工作需優(yōu)化代碼，將此算法應(yīng)用的范圍更廣泛，進(jìn)一步提高算法的效率。

參考文獻(xiàn)：

[1]程效軍，賈東峰，程小龍，等.海量點(diǎn)云數(shù)據(jù)處理理論與技術(shù)[M].上海：同濟(jì)大學(xué)出版社，2004

[2]魯冬冬，鄒進(jìn)貴.三維激光點(diǎn)云的降噪算法對(duì)比研究[J].測(cè)繪通報(bào)，2019（S2）：102-105.

[3]彭永鵬，王振，崔利富，張慶高，范偉.手持式三維激光掃描儀掃描方法優(yōu)化[J].低溫建筑技術(shù)，2016，38（02）：1-4.

[4]趙揚(yáng).三維點(diǎn)云混合去噪算法研究[J].信息通信，2019（02）：1-4.

[5]唐靖.三維重建過(guò)程中的點(diǎn)云數(shù)據(jù)處理技術(shù)研究[D].重慶理工大學(xué)，2015

[6]張巧英，陳浩，朱爽.密度聚類算法在連續(xù)分布點(diǎn)云去噪中的應(yīng)用[J].地理空間信息，2011，9（06）：101-104+2+1.

[7]張秀玲.數(shù)據(jù)挖掘技術(shù)在電信客戶欺詐分析中的應(yīng)用[D].中國(guó)石油大學(xué)，2007.

[8]毛國(guó)君，段立娟，王實(shí)，等.數(shù)據(jù)挖掘原理與算法[M].北京：清華大學(xué)出版社，2005

作者簡(jiǎn)介：

楊彤（1995.8—），女，漢族，籍貫：天津人，內(nèi)蒙古農(nóng)業(yè)大學(xué)計(jì)算機(jī)與信息工程學(xué)院，18級(jí)在讀研究生，碩士學(xué)位，專業(yè)：計(jì)算機(jī)應(yīng)用技術(shù)，研究方向：模式識(shí)別與智能信息處理

（作者單位：內(nèi)蒙古農(nóng)業(yè)大學(xué)計(jì)算機(jī)與信息工程學(xué)院）