DBSCAN聚类和改进的双边滤波算法在点云去噪中的应用

doi:10.13474/j.cnki.11-2246.2019.0358

测绘通报 ›› 2019, Vol. 0 ›› Issue (11): 89-92.doi: 10.13474/j.cnki.11-2246.2019.0358

DBSCAN聚类和改进的双边滤波算法在点云去噪中的应用

曲金博, 王岩, 赵琪

沈阳建筑大学交通工程学院, 辽宁沈阳 110168

收稿日期:2018-12-29 发布日期:2019-12-02
作者简介:曲金博(1994-),男,硕士生,研究方向为精密工程测量和三维激光扫描技术。E-mail:3281927237@qq.com
基金资助:
国家自然科学基金（51774204）

Application of DBSCAN clustering and improved bilateral filtering algorithm in point cloud denoising

QU Jinbo, WANG Yan, ZHAO Qi

School of Transportation Engineering, Shenyang Jianzhu University, Shenyang 110168, China

Received:2018-12-29 Published:2019-12-02

摘要/Abstract

摘要： 采用基于密度的DBSCAN聚类算法对点云数据进行去噪处理，然后通过改进的双边滤波方法进行光顺处理实现点云平滑效果，最终的结果不仅有效去除了噪声点，还保留了点云模型的特征。以沈阳民国时期代表性的建筑——沈阳金融博物馆为试验模型进行试验，结果表明：通过DBSCAN聚类算法处理后得到的点云数据，再经改进的双边滤波处理所得到的数据远远比原点云数据直接运用改进的双边滤波处理得到的数据精度高，点云去噪效果更好。

关键词: DBSCAN聚类算法, 双边滤波方法, 噪声点, 点云, 密度

Abstract: The density-based DBSCAN clustering algorithm is used to denoise the point cloud data, and the smoothing effect is achieved by the improved bilateral filtering method that conducts smooth treatment. Finally not only the noise points are effectively removed, but also characteristics of the point cloud model are retained. This article uses the representative building of Shenyang during the Republic of China-Shenyang Financial Museum as the experimental model. The experimental results show that the point cloud data obtained by the DBSCAN clustering algorithm and the improved bilateral filtering process are far more accurate than the original point cloud data, and the data is more accurate and denoising, point cloud denoising is better.

Key words: DBSCAN clustering algorithm, Bilateral filtering method, Noise point, point cloud, density

中图分类号:

P237

曲金博, 王岩, 赵琪. DBSCAN聚类和改进的双边滤波算法在点云去噪中的应用[J]. 测绘通报, 2019, 0(11): 89-92.

QU Jinbo, WANG Yan, ZHAO Qi. Application of DBSCAN clustering and improved bilateral filtering algorithm in point cloud denoising[J]. Bulletin of Surveying and Mapping, 2019, 0(11): 89-92.

参考文献

[1] 曹爽,岳建平,马文.基于特征选择的双边滤波点云去噪算法[J]. 东南大学学报(自然科学版), 2013, 43(A02):351-354.
[2] 牛晓静,王美丽,何东健. 一种聚类与滤波融合的点云去噪平滑方法[J]. 计算机应用与软件, 2016, 33(10):148-152.
[3] 肖国新,于辉,周晓辉. 一种自适应双边滤波点云去噪算法[J].信息技术,2017,28(10):118-120.
[4] 袁华,庞建铿,莫建文. 基于噪声分类的双边滤波点云去噪算法[J]. 计算机应用, 2015, 35(8):2305-2310.
[5] DUTTA S, BANERJEE S, BISWAS P K, et al. Mesh denoising by improved 3D geometric bilateral filter[C]//2013 National Conference on Computer Vision, Pattern Recognition, Image Processing and Graphics (NCVPRIPG).[S.l.]:IEEE, 2013:1-4.
[6] 陈赣浪,颜飞龙,潘家辉. 云计算环境下高复杂度动态数据的增量密度快速聚类算法研究[J]. 计算机科学, 2018, 45(2):287-290.
[7] 王岩,曲金博,由迎春.基于三维激光点云数据的国民建筑建模研究[J].测绘通报,2018(S1):70-74.
[8] 裴书玉,杜宁,王莉,等.基于移动最小二乘法法失估计的建筑物点云特征提取[J].测绘通报,2018(4),73-77.
[9] 孙正林. 三维激光扫描点云数据滤波方法研究[D]. 长沙:中南大学, 2011.
[10] 徐辛超,徐爱功,于丹.地面三维激光扫描点云拼接影响因素分析[J].测绘通报,2017(2),14-18.
[11] 马先明,李永树,谢嘉丽.利用双边滤波进行点云去噪的试验与分析[J].测绘通报,2017(2),87-89.
[12] 王岩,刘茂华,由迎春.三维激光点云数据在建筑物BIM构建中的研究与应用[J].测绘通报,2016(S2),224-226.
[13] JUN S. Two-stage point-sampled model denoising by robust ellipsoid criterion and mean shift[C]//2013 International Conference on Intelligent System Design and Engineering Applications (ISDEA).[S.l.]:IEEE, 2013:1581-1584.
[14] CHEN H, HE C. Research on bilateral filtering algorithm based on trigonometric function[J]. Journal of Computational Methods in Sciences and Engineering, 2018, 18(3):627-636.
[15] 龚珍, 胡友健, 董恒, 等. 无序三维点云重建技术研究[J]. 测绘通报, 2016(9):17-19.

DBSCAN聚类和改进的双边滤波算法在点云去噪中的应用

Application of DBSCAN clustering and improved bilateral filtering algorithm in point cloud denoising

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价

[1]	王艳军, 林云浩, 王书涵, 李少春, 王孟杰. OSM辅助车载LiDAR点云三维道路边界精细提取[J]. 测绘通报, 2022, 0(7): 18-25.
[2]	经皓然, 徐敬海. 异形建筑的无人机点云与地面三维激光扫描点云配准[J]. 测绘通报, 2022, 0(6): 32-39.
[3]	钟少忠, 周克军, 王留召, 毛明楷. 车载点云特征对应影像自动分割技术研究[J]. 测绘通报, 2022, 0(6): 45-48 ,97.
[4]	谢洪, 陈立波, 聂倩, 吴玮, 张沛. 利用点云配准的空地影像融合技术[J]. 测绘通报, 2022, 0(6): 82-87.
[5]	谢元, 董梦, 马新建. 多源数据在复杂场景建筑物三维重建的应用[J]. 测绘通报, 2022, 0(6): 143-147.
[6]	李旭. 三维激光扫描技术在地铁隧道竣工测量中的应用[J]. 测绘通报, 2022, 0(6): 166-169.
[7]	谭玉慧, 刘欣怡, 张永军. 超体素约束下的主动再学习LiDAR点云分类框架[J]. 测绘通报, 2022, 0(5): 79-83,100.
[8]	赵立都, 向中富, 周银, 马下平, 张双成, 司梦元, 陈茂霖, 胡川, 潘建平. 利用地面三维激光扫描进行桥梁挠度变形分析[J]. 测绘通报, 2022, 0(5): 95-100.
[9]	王道杰, 陈倍, 孙健辉. 机载LiDAR点云密度对DEM精度的影响[J]. 测绘通报, 2022, 0(5): 140-144,169.
[10]	徐福斌, 曲相屹, 王健, 刘秀涵. 基于LiDAR点云的复杂钢结构模型重建[J]. 测绘通报, 2022, 0(5): 170-173.
[11]	阮明浩, 卢永华, 刘玉贤, 汤圣君, 王伟玺, 张宇琦, 李游. 激光与倾斜点云精确配准与无缝融合[J]. 测绘通报, 2022, 0(4): 6-10.
[12]	张驰, 白志辉, 李亮, 陈冉丽, 吴侃. 利用三维激光扫描技术监测矿区桥梁结构形变[J]. 测绘通报, 2022, 0(4): 122-129.
[13]	许志华, 逯行政, 彭远航, 杨可明, 王宇敏. 依托航空模拟平台的激光雷达技术课程实践教学装备[J]. 测绘通报, 2022, 0(4): 162-166.
[14]	王贝, 叶险峰, 王军宁. 利用点云切片提取技术分析桥梁形变[J]. 测绘通报, 2022, 0(4): 167-171.
[15]	普东东, 丁海勇. 融合超体素与成对链接聚类的LiDAR点云分割算法[J]. 测绘通报, 2022, 0(3): 65-69.