点云相关理论

使用halcon实现3维点云物体与模型的匹配并显示差异
基于python的ply格式点云数据处理(学习笔记)
基于python的点云处理库总结

一、PCL和Open3D

PCL:PCL(Point Cloud Library)是在吸收了前人点云相关研究基础上建立起来的大型跨平台开源C++编程库,它实现了大量点云相关的通用算法和高效数据结构,涉及到点云获取、滤波、分割、配准、检索、特征提取、识别、追踪、曲面重建、可视化等。支持多种操作系统平台,可在Windows、Linux、Android、Mac OS X、部分嵌入式实时系统上运行。如果说OpenCV是2D信息获取与处理的结晶,那么PCL就在3D信息获取与处理上具有同等地位,PCL是BSD授权方式,可以免费进行商业和学术应用。

Open3D:Open3D是一个开源库,它支持处理3D数据的软件的快速开发。Open3D前端在C++和Python中有一些公开的数据结构和算法。后端经过高度优化,并设置为并行化。
Open3D的核心功能包括三维数据结构、三维数据处理算法、场景重建、曲面对齐、三维可视化、基于物理的渲染(PBR)、基于PyTorch和TensorFlow的三维机器学习支持、对三维数据操作用GPU加速、支持C++和Python

PCL和Open3D都是3D点云数据处理的优秀开源库,尤其是C++库都很给力。但是设计到Python对应的库就不同了,python-pcl长时间不更新,维护少,不太好用,不建议使用。Open3D由Intel发布,效率很快,python版本的库也很友好,python环境下建议使用!

二、点云配准

点云数据配准,又称为点云拼接或坐标纠正。由于目标物的复杂性,通常需要从不同方位扫描多个测站,才能把目标物扫描完整,每一测站扫描数据都有自己的坐标系统,要获得完整的数据必需把不同测站的扫描数据纠正到统一的坐标系下,这就需要点云拼接。

点云拼接方法主要如下:
① 标靶拼接。标靶拼接是点云拼接最常用的方法,首先在扫描两站的公共区域放置3个或3个以上的标靶,依次对各个测站的数据和标靶进行扫描,最后利用不同站点相同的标靶数据进行点云配准。每一个标靶对应一个ID号,同一标靶在不同测站的ID号必须一致,才能完成拼接。
② 点云拼接。基于点云的拼接方式要求在扫描目标对象时要有一定的区域重叠度,而且目标对象特征点要明显,否则无法完成数据的拼接。此方法需要依靠寻找重叠区域的同名点进行拼接,因此重叠区域特征点的确定直接关系到配准结果的好坏。
③ 控制点拼接。为了提高拼接精度,三维激光扫描系统可以与全站仪或GPS技术联合使用。通过全站仪或者GPS确定公共控制点的大地坐标,然后用三维激光扫描仪对所有公共控制点进行精确扫描。再以控制点为基站直接将扫描的多测站的点云数据与其拼接,即可将扫描的所有点云数据转换成工程实际需要的坐标系。
Open3d学习计划—高级篇 2(彩色点云配准)
Open3d利用多个pcd文件配准融合
Open3d(八)——ICP配准

三、点云去噪

在利用三维激光扫描仪扫描目标时,会受到扫描设备、周围环境、人为扰动、目标特性等影响,使得点云数据无法避免的存在一些噪点,导致数据无法正确表达扫描对象的空间位置。

噪声点主要分为三类:

1)由于物体表面材质或光照环境导致反射信号较弱等情况下产生的噪点;

2)由于扫描过程中,人、车辆或其他物体从扫描仪器与物体之间经过而产生的噪点;

3)由于测量设备自身原因,如扫描仪精度、相机分辨率等引起的系统误差和随机误差。

数据去噪的方法可以根据不同的情况分为不同的处理方法:

1)基于有序点云数据用平滑滤波去噪法,目前数据平滑滤波主要采取的是高斯滤波、均值滤波以及中值滤波。

①高斯滤波属于线性平滑滤波,是对指定区域内的数据加权平均,可以去除高频信息,其优点为能够在保证去噪质量的前提下保留住点云数据特征信息。

②均值滤波也叫平均滤波,也是一种较为典型的线性滤波,其原理为选择一定范围内的点求取其平均值来代替其原本的数据点,优点为算法简单易行,缺点为去噪的效果较为平均.且不能很好的保留住点云的特征细节。

③中值滤波属于非线性平滑滤波,其原理是对某点数据相邻的三个或以上的数据求中值,求取后的结果取代其原始值,其优点在于对毛刺噪声的去除有很好效果,而且也能很好的保护数据边缘特征信息。

2)基于散乱点云数据去噪常用的方法为拉普拉斯去噪、平均曲率流方法、双边滤波算法。

①拉普拉斯算法虽然能够很好的保证模型的细节特征,但是还会残存有噪声点。

②双边滤波算法虽然能够很好的去除噪声点,但是不能够很好的保留住模型的细节特征。

③平均曲率是依赖于曲率估计,对于模型简单噪声点较少的数据去噪效果较好,而对于复杂且噪声点多的数据,其计算速度慢且去噪效果较差。

四、点云校平

C++:利用PCL实现点云的水平校准

五、2D和3D联合标定

进行2D-3D传感器标定的三种算法
livox_camera_lidar_calibration
一种2D面阵相机与线激光3D传感器联合标定方法及装置

猜你喜欢

转载自blog.csdn.net/weixin_42809268/article/details/131245921