利用LMedS算法与特征值法的点云平面拟合方法
信息技术与网络安全 3期
苏毅辉，陈志聪，吴丽君
(福州大学 物理与信息工程学院，福建 福州350108)
摘要： 针对三维点云数据中存在的异常点会对平面拟合过程产生不利的影响，提出了一种将最小平方中值算法(Least Median of Squares，LMedS)与特征值法相结合的点云平面拟合新方法。首先，通过LMedS算法进行多次迭代确定最佳阈值并剔除点云数据中的异常点。然后，采用特征值法对剔除完异常点后的点云数据进行平面拟合，以获得更加精确的拟合平面参数解。最后，分别采用最小二乘法、特征值法、RANSAC+主成分分析法与所提出方法对仿真和实测点云数据进行平面拟合计算。实验结果表明，相比于其他方法，该方法的平面拟合精度更高，适用于对含有异常点的点云数据进行平面拟合，具有较高的鲁棒性。
中图分类号： TP391
文献标识码： A
DOI： 10.19358/j.issn.2096-5133.2022.03.007
引用格式： 苏毅辉，陈志聪，吴丽君. 利用LMedS算法与特征值法的点云平面拟合方法[J].信息技术与网络安全，2022，41(3)：38-43.
文献标识码： A
DOI： 10.19358/j.issn.2096-5133.2022.03.007
引用格式： 苏毅辉，陈志聪，吴丽君. 利用LMedS算法与特征值法的点云平面拟合方法[J].信息技术与网络安全，2022，41(3)：38-43.
A point cloud plane fitting method using LMedS algorithm and eigenvalue method
Su Yihui，Chen Zhicong，Wu Lijun
(College of Physics and Information Engineering，Fuzhou University，Fuzhou 350108，China)
Abstract： In order to eliminate the negative effects on the plane fitting process caused by the outliers in 3D point cloud data,a point cloud plane fitting method combining Least Median of Squares(LMedS) algorithm with eigenvalue method was proposed.Firstly, the optimal threshold was determined by multiple iterations of the LMedS, and the outliers in the original point cloud data were removed through LMedS. Then,the eigenvalue method was used to perform plane fitting on the remaining point cloud data in order to obtain more accurate plane parameter solution.The least square method, eigenvalue method, RANSAC+principal component analysis method and the proposed method were used to fit the simulated and measured point cloud data.The experimental results show that the plane fitting accuracy of the proposed method is higher compared with other methods,this method is suitable for fitting the point cloud data with outliers, which has higher robustness.
Key words : point cloud data；outliers；LMedS algorithm；eigenvalue method；plane fitting
0 引言
点云数据作为一种能够完整表达三维场景信息的重要数据，在计算机视觉、三维重建、自动驾驶等许多领域有广泛的应用[1]。近年来，随着三维激光扫描技术的快速发展，点云数据处理现已成为一个热门研究话题[2]。点云平面拟合是一种通过建立三维平面模型来和点云数据进行匹配，使模型和点云数据高度吻合并得到最佳模型参数的数据处理方法。三维场景通常是由大量平面组成，比如道路、桥梁、建筑物等都含有平面特征。将三维场景的点云数据拟合成平面，再经过点云配准、去噪、简化后可精确地重建出场景的三维模型，因此点云平面拟合对于三维建模具有极高的研究和应用价值[3-5]。
本文详细内容请下载：http://www.chinaaet.com/resource/share/2000004024
作者信息：
苏毅辉，陈志聪，吴丽君
(福州大学 物理与信息工程学院，福建 福州350108)
此内容为AET网站原创，未经授权禁止转载。