基于自适应阈值的三维点云分段式去噪方法

激光雷达探测点云数据中存在大量噪声点,导致三维图重建精度下降,无法完全复现物体结构,本文针对此问题提出了一种基于自适应阈值的三维点云分段式去噪方法.根据噪声点与非噪声点之间的欧式距离,将其划分为远信号噪声点和近信号噪声点两类,先后对两类噪声点分别采用基于非线性函数的阈值自适应去噪算法和基于曲率的去噪算法.基于非线性函数...     

反射光干扰下的格雷码结构光三维测量方法

在使用结构光进行三维重建与测量的过程中,为避免物体表面的反射光产生噪声干扰,导致错误的三维测量结果,提出一种在三维扫描系统中用于防止反射光干扰的投影补偿算法,利用高空间频率投影图案的概念,对场景中被反射光干扰的点进行去噪。再用统计分析算法对点云数据进行去噪、反馈并得到投影图的掩码图案,经过多次投影补偿后得到场景的三维点云数据。通过自行搭建的格雷码结构光三维扫描系统对实物场景进行扫描重建。实验表明该系统对于反射光的干扰具有较好的鲁棒性,且投影数量减少,验证了算法及系统的可行性。     

面向机器人磨抛的激光点云获取及去噪算法

为了保证工业机器人磨抛的加工质量,利用激光扫描技术对机器人夹持工件的形状误差以及装夹误差进行测量和评估,包括点云数据的获取和去噪。采用条纹式激光扫描仪配合直线匀速运动对机器人末端夹持工件进行扫描,通过调节测量和运动参数,获取近似网格点云。为了去除点云中存在的大尺度噪点,在K近邻均值滤波(KNNMF)算法基础上,提出了基于局部均值的K近邻均值滤波(LMKMF)算法对偏大的数据点进行局部预先滤波,并建立相关数学模型。以峰值信噪比作为评价标准,以实际测量点云样本为测试对象进行去噪测试。结果表明,相比标准的KNNMF算法,结合LMKMF预先滤波的KNNMF算法在30%噪点密度下去噪能力提升了53.78%,证实了其在高密度噪点下具有更好的去噪能力和特征保持能力。     

基于车载LiDAR点云的道路提取方法

针对提取道路点云聚类方法存在欠分割、过分割的问题,提出了一种基于坡度滤波算法和改进欧式距离的区域生长算法相结合的道路点云提取方法。原始点云数据量大且繁杂,采用统计分析进行预处理,去除一定数量悬空的噪声,减少数据量;为防止点云数据精度损失,对预处理后的点云按照格网进行划分,结合坡度滤波算法,去除非地面点干扰,获取地面点云;以法向量夹角和欧氏距离为约束条件,采用改进的区域生长算法提取路面点云。使用两组不同场景下的车载点云数据进行试验,证明了该方法的有效性。     

基于VG-DBSCAN算法的大场景散乱点云去噪

针对城市环境下三维激光雷达(LiDAR)点云数据密度不均匀、离群噪点多而不利于后期点云帧间匹配的问题,提出一种应用于城市环境下大规模散乱LiDAR点云的离群噪点滤除算法。该算法对传统的基于密度的噪声应用空间聚类(DBSCAN)算法进行改进,通过对三维点云进行体素栅格划分,创建了一个由栅格单元组成的集合,以此大幅减小每个对象在数据空间中邻域的搜索范围。改进后的算法能够快速发现各个聚类,使目标点云与离群点分离,从而剔除点云中的离群噪点。实验结果表明:所提算法能够实时处理点云数据,在保证点云三维几何特征的同时能有效识别并滤除点云中的离群噪点,降低点云规模,加快点云后续处理的效率,使帧间匹配的精确度提高了2倍,且匹配耗时仅为去噪处理前的1/3。     

激光云高测量去噪算法研究

针对激光雷达回波信号所含噪声的特点, 对比分析了传统去噪算法的优缺点, 重点就小波自适应阈值去噪方法和独立成分分析去噪方法进行了系统研究。为了验证这两种方法在激光云高测量信号去噪上的有效性和优劣性, 对包含高斯白噪声的模拟仿真信号进行了消噪, 并对半导体激光云高仪实际探测得到的大气回波信号进行了消噪处理, 最后对去噪结果进行了对比分析。仿真结果和实验结果表明, 这两种消噪方法均能够有效降低激光雷达回波信号中所含噪声, 并且独立成分分析消噪效果明显优于小波自适应阈值方法。     

基于广义S变换和奇异值分解的近红外光谱去噪

针对近红外光谱物质含量检测过程中噪声影响模型精度和稳定性的问题,引入广义S变换与奇异值分解(SVD)。利用广义S变换得到光谱数据的时频谱,并将二维时频谱系数矩阵作为SVD的Hankel矩阵求解奇异值,再采用k-均值聚类算法对奇异值序列进行分类计算,确定重构奇异值个数,对去噪后的数据矩阵进行广义S逆变换得到去噪后的光谱数据。给出组合方法的基本理论和具体实现过程,对仿真数据和谷朊粉导数光谱进行去噪,并与传统的9点平滑法和小波软阈值法的去噪结果进行比较。结果表明:所提方法克服了时域或频域单维滤波的局限性,且无需参考噪声数据和选择基函数,在谷朊粉导数光谱去噪中,只需采用两个奇异值就能实现较好的去噪效果,降低了滤波过程的复杂度。采用所提方法处理后,近红外光谱的分析精度和模型的稳健性优于9点平滑处理法和小波软阈值法。相比9点平滑法,所提方法的预测集的决定系数由0.9436增大为0.9985,预测均方根误差由0.0843减小为0.0406,明显提高了谷朊粉中水分含量定量检测的精度。     

基于小波变换的压缩感知理论对水质检测紫外-可见光谱数据的去噪研究

消除噪声影响对提高直接光谱法水质检测系统的测量稳定性和精度都具有重要意义。直接光谱法在线水质检测系统通常采用长寿命、无需预热的脉冲氙灯和适用于复杂检测环境的工业级光谱探测装置。针对整个光谱探测系统受到光源、光路和光电转换器件的严重影响,测定的光谱数据含有大量噪声这一实际问题,提出了基于小波变换的压缩感知去噪算法,并与传统小波阈值去噪方法进行了比较实验。针对化学需氧量为200 mg·L-1的邻苯二甲酸氢钾标液的紫外-可见光谱数据进行去噪处理,采用压缩感知去噪算法,将信号在小波域内分解,得到含噪高频系数;采用随机高斯矩阵作为压缩感知算法的观测矩阵,压缩比设置为2,对高频系数进行观测;选择正交匹配追踪算法恢复高频小波系数的稀疏性,从而达到去噪目的。同时针对传统的小波阈值去噪,采用daubechies4作为小波基的软阈值滤波方法对光谱数据进行去噪处理。为验证去噪算法的可行性,采集某溪水和城市生活污水的光谱信号分别采用以上两种方法进行去噪处理,实验结果表明：基于小波变换的压缩感知去噪算法适用于紫外-可见光谱法在线水质检测系统,该方法能在保留水样原始光谱信号的吸收特征的前提下有效地去噪,且去噪效果优于小波阈值去噪算法。与小波阈值去噪算法相比,信噪比提高了12.201 5 dB,均方根误差减小了0.009 3,峰值信噪比增加了5.299 dB。不仅避免了小波阈值去噪过程中阈值的选取依靠主观判断问题,而且在重构过程中有效地抑制了噪声,为直接光谱法检测水质参数提供了一种新的解决方案。     

一种基于激光传感器快速检测透平叶片的方法

以标准球作为测量基准,以线扫描激光传感器作为测量手段获取透平叶片的全数据测量点云.测量设备采用四坐标测量机搭载激光线扫描传感器的方式,以保证叶片的测量效率,并兼顾测量机的控制准确度.通过测量机获得透平叶片的点云数据,并对获得的截面点云数据进行误差补偿、去噪、简化等预处理操作,利用非均匀有理B样条曲线拟合算法得到叶片特征曲线.实验结果证明该方法可以有效地提高叶片前后缘的重构准确度,并为叶片的三维建模提供更为准确的原始数据.     

基于核各向异性扩散的低信噪比裂纹降噪算法研究

用各向异性扩散和核方法,提出了一种新的核各向异性扩散去噪算法,应用于跨座式单轨轨道梁面线性裂纹的去噪取得了较好效果.在各向异性扩散的基础上,增加一个边缘增强算子,用于增强微弱的裂纹边缘信息,并且根据噪声均匀分布在多维空间的特点,把低维数据推广到高维空间,结合核方法的优点,在核空间中实现去噪,同时采用平均绝对差值的自动扩散终止规则也提高了核各向异性扩散的效率.选用不同的边缘增强权值,讨论了合适的权值范围.该方法应用于低信噪比的轨道梁面线性裂纹宽度为0.4 mm噪声的去除时,与中值滤波、传统P-M各向异性扩散去噪相比,该方法去噪效果以及信噪比明显优于其它去噪算法.