科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对扫描点云存在的团簇状离散噪声去除问题，将其分为离群噪声点和孤立噪声簇，通过利用采样点及其邻域密度的相似性构建的离群因子实现对离群噪声点有效识别去除。此外使用K-means++算法对点云进行聚类处理，通过对初始聚类中心选取方式的改变，提高聚类的准确性及效率，同时提出聚类评价函数定量评价不同初始聚类中心值下的聚类效果。最后选取公开斯坦福大学扫描点云库中的公开点云集及实测鼠标点云进行实验验证，结果表明，文章算法取得显著的去噪效果，具有较高的去噪准确性和去噪效率，对具有不同强度噪声的点云模型，噪声去除率保持在的95%以上。
- 单位
