基于改進(jìn)中值濾波的3維激光雷達(dá)數(shù)據(jù)去噪處理

基于改進(jìn)中值濾波的3維激光雷達(dá)數(shù)據(jù)去噪處理

數(shù)據(jù)點云處理激光具有單色性、干燥性好、方向強(qiáng)、快速飛行等特點。激光掃描技術(shù)在工程應(yīng)用上得到了廣泛應(yīng)用。利用激光雷達(dá)測量物體表面得到表面的3維數(shù)據(jù),數(shù)據(jù)采集為后續(xù)工作的開展奠定基礎(chǔ)。激光雷達(dá)可應(yīng)用在定位系統(tǒng)、大氣探測以及在線測量系統(tǒng)等,特別適合于尺度范圍大、工況惡劣的場合,如大型鍛件熱態(tài)工況下的幾何參量測量。3維數(shù)據(jù)預(yù)處理的好壞直接影響到3維重建的可行性和精度,主要包括“噪聲”點的去除和冗余數(shù)據(jù)的精簡。有關(guān)掃描線數(shù)據(jù)的噪聲點去除(或稱作數(shù)據(jù)平滑)問題在近年來研究比較多,主要包括直觀檢查法、曲線檢查法、弦高差方法、孤立點統(tǒng)計排異法、代數(shù)法等。對于掃描線數(shù)據(jù)中噪聲點的去除,還可以借鑒數(shù)字圖像去噪聲的處理方法,將數(shù)據(jù)點視為灰度圖,即將數(shù)據(jù)點的z值作為圖像中像素點的灰度值來對待。常用的方法有均值濾波法、中值濾波法、自適應(yīng)濾波法等。均值濾波法雖簡單、常用,但相同的權(quán)值處理造成邊緣模糊,且沒有很好地利用被測點間的相關(guān)性和位置信息。中值濾波具有較好的適用性,但傳統(tǒng)的中值濾波算法速度慢,嚴(yán)重制約了其在點云數(shù)據(jù)預(yù)處理中去噪時的應(yīng)用。對此,作者提出了使用一種改進(jìn)的中值濾波對激光掃描線數(shù)據(jù)進(jìn)行去噪處理。1點云數(shù)據(jù)的描述本文中處理的數(shù)據(jù)是由SICK公司的LMS291-S05激光雷達(dá)所得,同時配有伺服電機(jī)、減速器和運動控制卡協(xié)調(diào)工作,實現(xiàn)從上到下(逐行),再從右到左(逐列)掃描投影,獲取在設(shè)定范圍區(qū)域內(nèi)的數(shù)據(jù)點,最后得到3維的深度數(shù)據(jù),形象地稱作點云數(shù)據(jù)。圖1即為逐行掃描所得點云數(shù)據(jù)。點云數(shù)據(jù)一般有以下特點:(1)數(shù)據(jù)量龐大。在數(shù)據(jù)采集中,所測量得到的點云數(shù)據(jù)可達(dá)到幾十萬到幾百萬,甚至更多。(2)“噪聲”點的存在。由于測量采用光學(xué)原理,受測量樣件表面的反射特性、傳感器的噪聲等影響,測量數(shù)據(jù)中會存在大量“噪聲”點(見圖1),這些數(shù)據(jù)的存在對曲面重構(gòu)是十分有害的,應(yīng)將其剔除。(3)局部數(shù)據(jù)過密。密集采樣得到的點數(shù)據(jù)量十分龐大,且很多點分布較為均勻、規(guī)則。因此,應(yīng)將這些點云數(shù)據(jù)進(jìn)行精簡。2點云數(shù)據(jù)的濾波2.12最佳估計的確定中值濾波是一種非線性濾波,是由TUKEY在1971年提出的,它主要用于對實值離散信號的濾波,可以在最小絕對誤差條件下,給出信號的最佳估計。它的思想是用一個窗口W在采集的數(shù)據(jù)點上掃描,把窗口內(nèi)的數(shù)據(jù)值進(jìn)行排序(升序或降序均可),把排序后中間數(shù)據(jù)的值作為窗口輸出值。由于中值濾波有較好的濾噪效果和保邊性,在平滑的基礎(chǔ)上很大程度地優(yōu)于均值濾波和弦高差法,因此一直得到較為廣泛的應(yīng)用。利用改進(jìn)的2維中值濾波,還可大大提高排序的速度并縮短算法所消耗的時間。2.2快速中值濾波算法為得到窗口數(shù)據(jù)的中值,標(biāo)準(zhǔn)算法是通過使用冒泡排序法對數(shù)字排序來實現(xiàn),該算法速度比較慢,對此,文獻(xiàn)中給出一種改進(jìn)了的2維中值濾波算法,設(shè)W為一個N×N的窗口,具體的算法步驟如下所示:(1)初始化M=(N-1)/2;(2)采用冒泡法對每一列進(jìn)行排序;(3)采用冒泡法對每一行進(jìn)行排序;(5)A[M,M]就是所要求的中值。對于一個N×N的窗口數(shù)據(jù),排序的基本單元是兩個數(shù)比較大小,排序進(jìn)行到求出中值的時候就可停止,即進(jìn)行到求出第(N×N-1)/2個最大值時停止。利用傳統(tǒng)的冒泡排序算法需要運算的次數(shù)是:以大小為5×5的濾波窗口為例,將N=5代入式中,可知需要計算234次。結(jié)合圖2對快速中值濾波算法進(jìn)行說明,首先分別將各列內(nèi)5個數(shù)據(jù)進(jìn)行兩兩排序,再將各行內(nèi)5個數(shù)據(jù)進(jìn)行兩兩排序,再將斜對角線上的數(shù)據(jù)進(jìn)行排序,最終得到中值。改進(jìn)后的算法需要運算的次數(shù)是:次。2.3基于效率濾波的點云數(shù)據(jù)噪聲判別濾波方法常用在灰度圖像的去噪和平滑處理中,利用灰度圖像中相鄰位置灰度值的相關(guān)性進(jìn)行選擇性濾波。點云數(shù)據(jù)的相鄰點之間也存在很大的相關(guān)性,某一點z坐標(biāo)值與其周圍點z坐標(biāo)值一般非常接近,即使邊界部分也是如此。在點云數(shù)據(jù)中,如果一個數(shù)據(jù)點的z坐標(biāo)值遠(yuǎn)大于或小于其鄰域的值,與其鄰域的相關(guān)性很小,可認(rèn)為該數(shù)據(jù)點為噪聲點。利用相關(guān)性,參考灰度圖像中的濾波技術(shù),將點云數(shù)據(jù)中各點的z坐標(biāo)值當(dāng)作灰度圖像中的灰度值,對點云掃描線數(shù)據(jù)進(jìn)行選擇性濾波:式中,zij表示點云中的第i行第j列點的z坐標(biāo)值,N和S分別表示噪聲點與信號點,med(zk)為快速濾波算法所求得中值,T為設(shè)定的一個合理閾值。判斷處理的點云數(shù)據(jù)點的高度值和中值的差,是否超出閾值:如果高度值和中值的差超過閾值,則認(rèn)為該點是噪聲點,將以中值代替該點值;如果不是(即為others),則認(rèn)為該點是信號點,可以將其高度值直接作為濾波后的輸出值。其中,閾值參量的選取是判別數(shù)據(jù)是否為噪聲的依據(jù),閾值選取過小將有可能產(chǎn)生誤判,造成真實點損失過多;閾值選取過小將有可能產(chǎn)生漏判,不能有效去除部分噪聲。閾值的具體設(shè)定可根據(jù)實驗結(jié)果對比確定,或根據(jù)圖像分割法中的閾值選取算法進(jìn)行確定。通過信噪分離就可在盡可能消除噪聲的同時,保留點云數(shù)據(jù)的細(xì)節(jié)。3實驗證實3.1快速算法與常規(guī)算法的比較用MicrosoftVisualStudio.NET2003實現(xiàn)了2維中值濾波算法,在計算機(jī)中對傳統(tǒng)的中值濾波法和個改進(jìn)算法進(jìn)行了比較。分別對不同的濾波窗口進(jìn)行運算,表1中詳細(xì)比較了這種快速算法與常規(guī)算法所需要的比較次數(shù)和計算所消耗的時間(計算機(jī)的配置為:AMDAthlon64Processor2800+處理器;1024MB內(nèi)存;MicrosoftWindowsXPProfessional版本操作系統(tǒng))。由表1可知,隨著濾波窗口的增加,常規(guī)算法所需要的比較次數(shù)和計算時間急劇增加,而快速算法所需要的比較次數(shù)增加幅度就平緩得多,而且計算時間也比常規(guī)算法少很多。3.2圖像數(shù)據(jù)的處理為了對上述方法進(jìn)行驗證,分別采用了模擬實驗和實際數(shù)據(jù)處理兩種方法。首先設(shè)計了一個基于MATLAB實驗,通過函數(shù)構(gòu)造一個2次的曲面模型:z=ax2+by2+cxy+dx+eyf(3)式中,取a=-5,b=-3,c=3,d=1,e=1,f=1,x,y范圍從-3～3,每隔0.2取一個點,形成一個31×31的矩陣。繪制無噪聲的2次曲面的圖像,如圖3a所示。然后對圖像信號加入一個均值為0、方差為1的高斯隨機(jī)序列,即白噪聲序列,如圖3b所示。對于受到干擾的圖像采用改進(jìn)2維中值濾波進(jìn)行了處理,處理后的效果如圖3c所示。處理后圖像表面變得比較光滑,效果還是比較理想的。用激光雷達(dá)對某物體的一垂直平面進(jìn)行掃描后得到一組數(shù)據(jù),截取其中的一部分用中值濾波法進(jìn)行處理,處理前和處理后的效果如圖4所示。通過閾值的控制,測量過程中產(chǎn)生的噪聲數(shù)據(jù)在濾波過程中都被中