王嘉鑫　趙夫群

摘? 要：隨著三維激光掃描技術的發(fā)展，點云數據采集和預處理技術成為日益關注的研究熱點。文章主要研究點云預處理中的幾個關鍵技術，即點云去噪聲、點云簡化、點云配準以及點云補洞等。通過點云數據預處理，可以得到穩(wěn)健的點云數據模型，為后續(xù)的曲面構建及三維實體模型生成提供良好的數據基礎。

關鍵詞：點云預處理;點云去噪;點云簡化;點云配準;點云補洞

中圖分類號：TP391.7? ? ? 文獻標識碼： A 文章編號：2096-4706（2020）02-0129-03

Abstract：With the development of 3D laser scanning technology，point cloud data acquisition and preprocessing technology has become a research hotspot. This paper focuses on several key technologies of point cloud preprocessing，including point cloud denoising，point cloud simplification，point cloud registration and point cloud patching. Through the preprocessing of point cloud data，a robust point cloud data model can be obtained，which provides a good data base for the subsequent surface construction and 3D solid model generation.

Keywords：point cloud preprocessing;point cloud denoising;point cloud simplification;point cloud registration;point cloud patching

0? 引? 言

隨著三維激光掃描技術的發(fā)展，點云數據采集和預處理技術成為備受關注的研究熱點，目前已被廣泛地應用于醫(yī)學研究、文物數字化保護、游戲軟件開發(fā)以及工程應用等領域[1-6]點云數據采集具有快速、穿透性強、不接觸實物、實時性和動態(tài)性強、主動性、數字化、高密度和高效率等優(yōu)點，其發(fā)展前景和應用需求廣闊[7]。

在實際的點云數據模型獲取中，由于物體本身的遮擋、關照不均勻等原因，三維激光掃描設備對復雜形狀物體的某些區(qū)域容易掃描為視覺盲點，因此容易造成掃描“盲區(qū)”，形成孔洞。同時由于掃描設備測量范圍有限，對于大尺寸物體或者大范圍場景，不能一次性進行完整測量，必須多次掃描測量，因此掃描結果往往是多塊具有不同坐標系統且存在噪聲的點云數據，不能夠完全滿足人們對數字化模型真實度和實時性的要求，所以需要對三維點云數據進行去噪、簡化、配準以及補洞等預處理。本文主要研究點云數據模型的預處理技術，主要包括點云去噪聲、點云簡化、點云配準以及點云補洞等，并通過實驗驗證相關的預處理技術。

1? 點云數據采集

通常采集點云數據有兩種方式，即接觸式掃描采集和非接觸式掃描采集。由于接觸式掃描采集方式直接和被測物體接觸，可能會導致被測物存在一定程度的變形，影響數據采集的準確性，而且直接接觸有些被測物容易造成二次破壞，如出土的文物，因此非接觸式掃描采集方式應用得更加廣泛。

目前非接觸式采集物體點云數據模型的方法主要有三種：一是手工建模法，該方法利用三維建模軟件實現點云數據獲取，可以獲得較為規(guī)則的點云數據模型，但是模型精度不夠高，工作人員的工作量比較大;二是利用物體的二維圖像通過三維重建的方式獲取點云數據模型，該方法的成本較低，但是需要的二維圖像數量大，建模的真實感較差，獲取效率較低;三是采用三維激光掃描設備獲取物體的點云數據模型，該方法方便、快捷、建模準確，能夠精細地獲得物體表面的幾何紋理信息，目前已得到廣泛的應用。在眾多的三維激光掃描設備中，加拿大手持式Handyscan3D激光掃描儀是常用的點云模型獲取工具之一，其操作簡單、體積小、攜帶方便，而且掃描獲取的物體的點云數據模型的分辨率較高，可以獲得物體的obj、stl、ply、3ds以及wip等多種格式的點云模型文件。

2? 點云數據預處理

2.1? 點云去噪

通常點云數據模型中的噪聲分為客觀噪聲和主觀噪聲兩大類，其中客觀噪聲是由物理測量所產生的誤差引起的，而主觀噪聲則是由掃描現場無關物的干擾引起的。對于不同的噪聲類型，所采用的去噪方法也不同。客觀噪聲的消除通常采用去噪算法實現，如K-鄰域搜索算法、空間柵格算法、k-D tree算法以及Laplace算法等。主觀噪聲通常是為了擴大被測物的掃描范圍所引起的，通常表現為大片的點云，因此借助三維模型處理軟件可以對其進行手動消除。以一個噪聲兔子點云為例，采用Geomagic 2012軟件對其進行手動去噪的結果如圖1所示。

2.2? 點云簡化

通常三維掃描設備獲取的點云數據模型的數據量都很大，數據點較為密集，對其存儲、傳輸和計算均不利，因此有必要對其進行簡化[8]。點云簡化的基本原則為：對于點云模型中曲率較大的地方，要盡量保留較多的數據點，而對于點云模型中曲率較小的地方，可以保留較少的數據點。點云簡化的方法主要分成四類：一是根據點云簡化密度和曲面變分進行簡化，二是根據點云中點的數目和點云表面變化系數對點云進行分塊簡化，三是根據點云中點的曲率值大小進行簡化，四是采用聚類算法完成點云數據簡化。不管采用哪種簡化方法，其目的都是為了在精簡數據的同時，有效保持點云的尖銳特征。如采用一種保留幾何特征的算法[9]對公共點云數據模型進行簡化，簡化結果如圖2所示。

2.3? 點云配準

在采用三維激光掃描設備獲取被測物的點云數據模型時，通常一次掃描很難獲取整個物體的完整點云數據信息，因此需要對同一物體在不同坐標系下進行不同角度下的多次掃描，并對多次掃描的結果進行配準，從而獲得整個物體的完整點云數據模型。因此，點云配準就是將同一物體在不同方位下測得的點云數據模型通過剛體變換，使其能夠統一到同一坐標系的過程。根據配準規(guī)模，點云配準分為兩大類，即兩片點云配準和多片點云配準，而多片點云配準可以通過兩片點云的多次配準實現，因此點云配準主要研究的是兩片點云的配準。

本文采用一種基于幾何屬性和改進ICP的點云配準算法[10]實現公共兔子點云數據模型的配準，該配準過程主要包括：計算點云中點的法矢和曲率特征、檢測配準點對、相似性度量、剔除錯配點對以及k-D tree精配準等步驟，配準結果如圖3所示。

2.4? 點云補洞

由于被測物體本身形狀各異，部分表面凹凸不平，甚至不夠規(guī)則、存在空腔，因此在采用三維掃描儀對其進行掃描時，可能會導致物體表面的很多區(qū)域沒有被掃描到，從而形成掃描“盲區(qū)”，產生許多形狀各異、大小不一的孔洞。本文采用一種基于泊松方程的修復算法來實現孔洞修補[11]，首先建立幾何泊松方程，并對模型外表面進行擬合，然后裁剪擬合曲面并與孔洞縫合，從而實現點云孔洞修補，修補結果如圖4所示。

3? 結? 論

本文首先介紹了點云數據模型采集的兩種方式，即接觸式掃描采集和非接觸式掃描采集，并通過對兩種采集方式的對比體現非接觸式掃描采集的優(yōu)勢;然后重點介紹了點云數據預處理中涉及到的幾個主要研究內容，即點云去噪聲、點云簡化、點云配準以及點云補洞等。通過數據預處理，可以有效剔除點云中的噪聲和外點，在保持幾何特征的基礎上實現點云數據簡化，并將不同角度掃描的點云統一到同一坐標系下，為后續(xù)的曲面構建及三維實體模型生成提供穩(wěn)健的數據基礎。

參考文獻：

[1] 劉鳴，舒勤，楊赟秀，等.基于獨立成分分析的三維點云配準算法 [J].激光與光電子學進展，2019，56（1）：181-189.

[2] PERSAD R A，ARMENAKIS C. Automatic co-registration of 3D multi-sensor point clouds [J].ISPRS Journal of Photogrammetry and Remote Sensing，2017，130：162-186.

[3] ZHANG Z，XU H L，YIN H. A Fast Point Cloud Registration Algorithm Based on Key Point Selection [J].Laser & Optoelectronics Progress，2017，54（12）：121002.

[4] QUAN S W，MA J，HU F Y，et al. Local voxelized structure for 3D binary feature representation and robust registration of point clouds from low-cost sensors [J].Information Sciences，2018（444）：153-171.

[5] 黃源，達飛鵬，陶海躋.一種基于特征提取的點云自動配準算法 [J].中國激光，2015，42 （3）：250-256.

[6] CHANKI Y，DA J. A maximum feasible subsystem for globally optimal 3D point cloud registration [J].Sensors，2018，18（2）：544-553.

[7] 李國鎮(zhèn).基于Kinect的三維重建方法的研究與實現 [D].北京：北京交通大學，2012.

[8] 宋詩超，禹素萍，許武軍.基于Kinect的三維人體掃描、重建及測量技術的研究 [J].天津工業(yè)大學學報，2012，31（5）：34-37+41.

[9] 張雨禾，耿國華，魏瀟然，等.保留幾何特征的散亂點云簡化算法 [J].計算機輔助設計與圖形學學報，2016，28（9）：1420-1427.

[10] 趙夫群，賈一婷.基于幾何屬性和改進ICP的點云配準方法 [J].信息技術，2019，43（4）：33-38.

[11] 李月雯.面向文物數字化建模的網格模型孔洞修補算法研究 [D].西安：西北大學，2017.

作者簡介：王嘉鑫（1999-），男，漢族，山西運城人，本科，研究方向：軟件工程;趙夫群（1982-），女，漢族，山東臨沂人，副教授，博士，研究方向：圖形圖像處理。