基于VG-DBSCAN算法的大场景散乱点云去噪

被引:34
作者
赵凯 [1 ]
徐友春 [2 ]
李永乐 [2 ]
王任栋 [1 ]
机构
[1] 陆军军事交通学院
[2] 军事交通运输研究所
基金
国家重点研发计划;
关键词
遥感; 激光雷达; 点云去噪; 密度聚类;
D O I
暂无
中图分类号
TN957.52 [数据、图像处理及录取];
学科分类号
080904 ; 0810 ; 081001 ; 081002 ; 081105 ; 0825 ;
摘要
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。
引用
收藏
页码:370 / 375
页数:6
相关论文
共 8 条
[1]   三维点云中关键点误匹配剔除方法 [J].
熊风光 ;
霍旺 ;
韩燮 ;
况立群 .
光学学报, 2018, 38 (02) :128-138
[2]   基于多对点云匹配的三维激光雷达外参数标定 [J].
韩栋斌 ;
徐友春 ;
王任栋 ;
齐尧 ;
李华 .
激光与光电子学进展, 2018, 55 (02) :455-462
[3]   基于方法库的点云去噪与精简算法 [J].
李仁忠 ;
杨曼 ;
冉媛 ;
张缓缓 ;
景军锋 ;
李鹏飞 .
激光与光电子学进展, 2018, 55 (01) :251-257
[4]   车载三维激光雷达外参数的分步自动标定算法 [J].
陈贵宾 ;
高振海 ;
何磊 .
中国激光, 2017, 44 (10) :249-255
[5]   基于K-means聚类的RGBD点云去噪和精简算法 [J].
苏本跃 ;
马金宇 ;
彭玉升 ;
盛敏 .
系统仿真学报, 2016, (10) :2329-2334+2341
[6]   散乱点云离群点的分类识别算法 [J].
聂建辉 ;
胡英 ;
马孜 .
计算机辅助设计与图形学学报, 2011, 23 (09) :1526-1532
[7]   Bilateral mesh denoising [J].
Fleishman, S ;
Drori, I ;
Cohen-Or, D .
ACM TRANSACTIONS ON GRAPHICS, 2003, 22 (03) :950-953
[8]  
LiDAR based 3D object detection using CCD information. Kim J U,Kang H B. IEEE Third International Conference on Multimedia Big Data . 2017