PCL庫(kù)點(diǎn)云統(tǒng)計(jì)去噪算法的應(yīng)用研究

羅方燕

（廣東職業(yè)技術(shù)學(xué)院信息工程系，佛山　528041）

PCL庫(kù)點(diǎn)云統(tǒng)計(jì)去噪算法的應(yīng)用研究

羅方燕

（廣東職業(yè)技術(shù)學(xué)院信息工程系，佛山528041）

去噪是點(diǎn)云數(shù)據(jù)處理中的重要過(guò)程，PCL中常用的點(diǎn)距離統(tǒng)計(jì)去噪算法涉及鄰域規(guī)模K和方差倍數(shù)m兩個(gè)參數(shù)，不同的取值對(duì)去噪結(jié)果的影響比較大。在統(tǒng)計(jì)去噪原理的基礎(chǔ)上，根據(jù)正態(tài)分布的概率密度函數(shù)和3σ準(zhǔn)則，對(duì)m進(jìn)行理論分析。其中K值的大小主要影響去噪細(xì)節(jié)。實(shí)驗(yàn)中采用遙感數(shù)據(jù)進(jìn)行驗(yàn)證，并通過(guò)不同參數(shù)組合進(jìn)行比較。實(shí)驗(yàn)結(jié)果顯示，如果當(dāng)m大于2時(shí)，概率密度比較大，去噪作用比較?。籏值對(duì)去噪結(jié)果的影響不明顯。該統(tǒng)計(jì)去噪算法可以根據(jù)不同的參數(shù)值進(jìn)行不同程度的去噪。

點(diǎn)云去噪；距離統(tǒng)計(jì)；3σ準(zhǔn)則；PCL

0　引言

隨著三維掃描技術(shù)的發(fā)展和廣泛應(yīng)用，特別是微軟的低價(jià)Kinect體感器的發(fā)行，使普通的民眾可以方便地獲取三維點(diǎn)云數(shù)據(jù)。在拍攝過(guò)程中，由于工作環(huán)境、光線(xiàn)等因素，在點(diǎn)云數(shù)據(jù)中附帶有一定量的噪聲和外點(diǎn)。在點(diǎn)云數(shù)據(jù)處理過(guò)程中，將這部分非真實(shí)的數(shù)據(jù)，特別是外點(diǎn)需要進(jìn)行預(yù)先處理。目前點(diǎn)云去噪算法主要分成四類(lèi)［1-2］：一是數(shù)學(xué)形態(tài)學(xué)濾波算法；二是逐漸加密的濾波算法；三是基于表面的方法；四是基于分割的方法。

Nurunnabi［2］提出采用穩(wěn)健局部加權(quán)回歸算法，將三維數(shù)據(jù)轉(zhuǎn)換為二維的x-z和y-z關(guān)系數(shù)據(jù)，分別在這兩個(gè)二維數(shù)據(jù)上進(jìn)行回歸運(yùn)算，直至誤差達(dá)到閾值。如果兩次運(yùn)算實(shí)際點(diǎn)都比求取值還小，則認(rèn)為該點(diǎn)為地面點(diǎn)云。Zeng使用深度數(shù)據(jù)差的熵信息對(duì)點(diǎn)云進(jìn)行分類(lèi)，根據(jù)閾值，將點(diǎn)云分為地面點(diǎn)云的物體點(diǎn)云［3］。Rodriguez-Caballero［4］使用形態(tài)過(guò)濾算法和光譜信息相關(guān)結(jié)合，在過(guò)濾過(guò)程中將點(diǎn)云的細(xì)節(jié)進(jìn)行保存。Hu［5］提出可適應(yīng)表面過(guò)濾器，對(duì)點(diǎn)云數(shù)據(jù)進(jìn)行分類(lèi)。Rusu于2008年提出K鄰近點(diǎn)距離統(tǒng)計(jì)［6］算法，首先計(jì)算出該點(diǎn)到周邊最近K點(diǎn)集的距離，然后計(jì)算出距離均值和標(biāo)準(zhǔn)方差，根據(jù)均值和方差設(shè)定閾值，用于判斷點(diǎn)是否為外點(diǎn)。

1　PCL庫(kù)簡(jiǎn)介

PCL（Point Cloud Library）［7］是最近幾年創(chuàng)建的主要用于處理三維處理的開(kāi)源庫(kù)，庫(kù)中包含了最新有關(guān)點(diǎn)云的濾波、特征估計(jì)、表面重建、配準(zhǔn)、模型匹配和表面分割等算法。該庫(kù)大部分有關(guān)數(shù)學(xué)算法實(shí)現(xiàn)是基于OpenMP、TBB、FLANN等進(jìn)行實(shí)現(xiàn)的，PCL庫(kù)可以被編譯運(yùn)行在不同的平臺(tái)，包括：Windows、MacOS、Linux和Android。該庫(kù)遵循BSD開(kāi)源協(xié)議，使用者可以任意對(duì)源代碼進(jìn)行修改和二次開(kāi)，并可以無(wú)償用于商業(yè)，例如目前PCL已完全集成在Robot Operation System（ROS）機(jī)器人操作系統(tǒng)中，根據(jù)體感器獲取的點(diǎn)云數(shù)據(jù)對(duì)機(jī)器人周邊的環(huán)境進(jìn)行識(shí)別。目前PCL庫(kù)在官方網(wǎng)可以下載已經(jīng)編譯好的安裝文件，亦可從github中下載源代碼進(jìn)行編譯安裝。如果自行編譯安裝，可以選擇需要的模塊進(jìn)行安裝。采用PCL可以進(jìn)行點(diǎn)云數(shù)據(jù)的近似實(shí)時(shí)的處理［8］。

2　K鄰近點(diǎn)距離統(tǒng)計(jì)

在該算法中，主要有兩個(gè)參數(shù)需要使用者進(jìn)行設(shè)置，一是K鄰近點(diǎn)集的規(guī)模值K，如果K值越大，去噪之后邊緣缺失將比較嚴(yán)重，但可以有效去除背景等噪點(diǎn)。另外一個(gè)是標(biāo)準(zhǔn)方差的倍數(shù)。

圖1　K鄰近點(diǎn)距離統(tǒng)計(jì)算法流程圖

根據(jù)3σ準(zhǔn)則，當(dāng)D～N（（μ，σ2）時(shí)，

根據(jù)該原則，如果變量在（μ-3σ，μ+3σ）范圍之外，已經(jīng)不再認(rèn)為是隨機(jī)噪聲，而是粗大噪聲。

表1　正態(tài)分布對(duì)于不同m的密度理論值

3　實(shí)驗(yàn)及結(jié)果分析

本文中的實(shí)驗(yàn)采用PCL中的K鄰近點(diǎn)距離算法，對(duì)一組來(lái)自國(guó)際攝影測(cè)量與遙感學(xué)會(huì)（ISPRS）的遙感數(shù)據(jù)進(jìn)行去噪和分析，主要檢測(cè)在不同K值的情況下，標(biāo)準(zhǔn)方差倍數(shù)對(duì)結(jié)果的影響。如圖2為一城市的遙感數(shù)據(jù)，點(diǎn)云數(shù)量為243400，主要包括有建筑物、道路和樹(shù)木的物體。為了進(jìn)一步對(duì)數(shù)據(jù)進(jìn)行處理，需要對(duì)其進(jìn)行去噪。

在實(shí)驗(yàn)中，當(dāng)K為30、40和50時(shí)，分別取m值為0.5、1、1.5、2、2.5和3，去噪后的分布密度如表2所示。從該表中可發(fā)現(xiàn)不同規(guī)模的鄰近域中，方差倍數(shù)的影響的相似的，如圖3所示。

在圖3中，實(shí)踐的測(cè)量值，當(dāng)方差倍數(shù)值小于2時(shí)，其概率密度比理論值偏大，即在計(jì)算時(shí)，將理論上屬于正常值的點(diǎn)被認(rèn)為是噪聲。當(dāng)方差倍數(shù)值大于等于2是，與理論值想接近，但因其概率密度為97%，在應(yīng)用中實(shí)際的影響作用不大。如圖4所示，當(dāng)K值相同是，圖4（a）和（c）m=0.5時(shí)的過(guò)濾結(jié)果，與原始遙感數(shù)據(jù)相比，過(guò)濾的范圍比較大，而圖4（b）和（d）m=3，與原始遙感數(shù)據(jù)相差不大，沒(méi)有達(dá)到過(guò)濾作用。當(dāng)m值相同時(shí)，不同K值的結(jié)果大體相同，但也存在差別。

表2　真實(shí)概率密度值

圖3　曲線(xiàn)圖

通過(guò)上述的實(shí)驗(yàn)，K鄰近點(diǎn)距離統(tǒng)計(jì)去噪方法對(duì)點(diǎn)云數(shù)據(jù)進(jìn)行處理時(shí)，K值雖影響不大，但缺影響運(yùn)行速度和去噪程度。K值的大小表示距離的參考范圍，點(diǎn)的距離會(huì)隨著K值的增大而增加，特別當(dāng)該點(diǎn)是離群點(diǎn)時(shí)，其距離增加更加明顯，可以更好地去噪。例如當(dāng)m值小于2時(shí)，由表2和圖3實(shí)驗(yàn)結(jié)果顯示，概率密度值隨K值的增加而減小。方差倍數(shù)值m是主要影響去噪程度的參數(shù)，更加正態(tài)分布的3σ準(zhǔn)則，如果當(dāng)m值大于2時(shí)，概率密度大于97%，可以將比較明顯的噪聲基本去除，但對(duì)于其他噪聲比較隱蔽的噪聲無(wú)法去除，如圖4中，圖（b）和（d）中與圖（a）和（b）相比較，明顯存在有邊緣的離群點(diǎn)團(tuán)。

4　結(jié)語(yǔ)

本文就PCL庫(kù)中的K鄰近點(diǎn)距離統(tǒng)計(jì)點(diǎn)云去噪算法，鄰域規(guī)模大小K和方差倍數(shù)m對(duì)去噪的影響進(jìn)行應(yīng)用研究。K值對(duì)去噪的效果影響比m值小。由正態(tài)分布的3σ準(zhǔn)則可知m值大于2時(shí)，去噪效果不明顯，但如果m值比較小，則會(huì)將數(shù)據(jù)的細(xì)節(jié)點(diǎn)被當(dāng)作噪聲被去除。在應(yīng)用中可以根據(jù)點(diǎn)云數(shù)據(jù)受干擾的情況，合理選擇m值。在此僅采用PCL的點(diǎn)云統(tǒng)計(jì)去噪進(jìn)行初步的應(yīng)用研究，在后續(xù)工作過(guò)程中，將繼續(xù)進(jìn)行該項(xiàng)工作。

圖4　去噪結(jié)果

［1］Li，Z.，J.Chen，E.Baltsavias.Advances in Photogrammetry，Remote Sensing and Spatial Information Sciences：2008 ISPRS Congress Book［M］.Vol.7.2008：CRC Press.

［2］Nurunnabi，A.，G.West，D.Belton.Robust Locally Weighted Regression Techniques for Ground Surface Points Filtering in Mobile Laser Scanning Three Dimensional Point Cloud Data［J］.IEEE Transactions on Geoscience and Remote Sensing，2016，54（4）：2181-2193.

［3］Zeng，Z.，J.Wan，H.Liu.An Entropy-Based Filtering Approach for Airborne Laser Scanning Data［J］.Infrared Physics&Technology，2016，117（2016）：141-146.

［4］Rodríguez-Caballero，E.，A.Afana，S.Chamizo，et al.A New Adaptive Method to Filter Terrestrial Laser Scanner Point Clouds Using Morphological Filters and Spectral Information to Conserve Surface Micro-topography［J］.ISPRS Journal of Photogrammetry and Remote Sensing，2016，117：141-148.

［5］Hu，H.，Y.Ding，Q.Zhu，et al.An Adaptive Surface Filter for Airborne Laser Scanning Point Clouds by Means of Regularization and Bending Energy［J］.Isprs Journal of Photogrammetry and Remote Sensing，2014，92：98-111.

［6］Rusu，R.B.，Z.C.Marton，N.Blodow，et al.Towards 3D Point Cloud Based Object Maps for Household Environments［J］.Robotics and Autonomous Systems，2008，56（11）：927-941.

［7］Rusu，R.B.，S.Cousins.3d is here：Point Cloud Library（PCL）［C］.in Robotics and Automation（ICRA），2011 IEEE International Conference on.Shanghai，China：IEEE.2011：1-4.

［8］Miknis，M.，R.Davies，P.Plassmann，et al.Near Real-Time Point Cloud Processing Using the PCL［C］.in Systems，Signals and Image Processing（IWSSIP），2015 International Conference on.IEEE.2015：153-156.

Research on the Application of Point Cloud Statistical Removal of PCL

LUO Fang-yan
（Department of Information Engineering，Guangdong Polytechnic，F(xiàn)oshan 528041）

Denoising is an important part in point cloud data processing.The point neighborhood statistics filter in Point Cloud Library is a common algorithm，which involves two parameters the neighborhood size K and the variance multiplier m.Both of the values influence the denoising results.Based on statistical denoising principle，carries out an analysis on the m，according to the probability density function of normal distribution and 3σ criterion.Uses the K value decide the details.Remote sensing data in experiments，and makes the comparison under different parameters.The results show that if when m is greater than 2，the probability density is larger，the denoising effect will be small，but K's effect is not obvious.The point neighborhood statistics filter can be used for different levels of denoising under different parameter values.

Point Cloud Denoising；Statistical Distance；3σ Criterion；Point Cloud Library

1007-1423（2016）26-0063-04DOI：10.3969/j.issn.1007-1423.2016.26.015

羅方燕（1981-），女，廣東梅州人，碩士，研究方向?yàn)槿S數(shù)據(jù)處理

2016-06-14

2016-09-05