本發(fā)明屬于三維點(diǎn)云重建技術(shù)領(lǐng)域，具體涉及一種點(diǎn)云模型的去噪精簡方法。

背景技術(shù)：

由于人為等隨機(jī)因素或掃描設(shè)備本身的缺陷以及點(diǎn)云模型特征的多樣性與噪聲本身的復(fù)雜性，使得獲取的數(shù)據(jù)不可避免地帶有噪聲,而噪聲的存在嚴(yán)重影響了后續(xù)建模的精度以及相關(guān)處理的效率。同時(shí)，隨著三維數(shù)據(jù)掃描設(shè)備精度的不斷提高,以及點(diǎn)云數(shù)據(jù)在大規(guī)模復(fù)雜場景建模中的廣泛應(yīng)用，采集到的點(diǎn)云數(shù)據(jù)往往過密，而我們重建出一個(gè)完整的點(diǎn)云產(chǎn)品又需要多幅不同角度點(diǎn)云數(shù)據(jù)合并而成，造成數(shù)據(jù)量龐大，如果直接對采集來的數(shù)據(jù)進(jìn)行重建，必然會影響重建效率以及模型的光順性，同時(shí)計(jì)算機(jī)儲存、顯示這類點(diǎn)云，占用空間內(nèi)存大，處理時(shí)間長，嚴(yán)重影響計(jì)算機(jī)的運(yùn)行。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明的目的是提供一種點(diǎn)云模型的去噪精簡方法，解決了現(xiàn)有技術(shù)占用內(nèi)存大，處理時(shí)間長影響計(jì)算機(jī)運(yùn)行的問題。

本發(fā)明的技術(shù)方案是：一種點(diǎn)云模型的去噪精簡方法，其特征在于，具體按照以下步驟實(shí)施：

步驟1，采集圖像并對圖像進(jìn)行預(yù)處理；

步驟2，對步驟1中得到的三維點(diǎn)云模型圖片進(jìn)行大尺度噪聲的去除；

步驟3，采用移動(dòng)最小二乘去除小尺度噪聲；

步驟4：對經(jīng)步驟3去噪后的點(diǎn)云數(shù)據(jù)進(jìn)行基于體素柵格下采樣，得到精簡后的點(diǎn)云模型。

本發(fā)明的特點(diǎn)還在于，

步驟1具體為：

步驟1.1，通過視覺傳感器獲取原始三維點(diǎn)云模型圖像，

步驟1.2，將步驟1.1采集獲取的三維點(diǎn)云模型圖像進(jìn)行預(yù)處理，利用直通濾波方法進(jìn)行分割提取，得到三維點(diǎn)云模型圖像。

步驟2具體為，步驟2.1：采用統(tǒng)計(jì)濾波去除部分大尺度噪聲點(diǎn)；

步驟2.2：為了更加全面的去除大尺度噪聲點(diǎn)，同時(shí)采用半徑濾波去除大尺度噪聲點(diǎn)。

步驟2.1具體為：

對三維點(diǎn)云模型中每個(gè)數(shù)據(jù)點(diǎn)q_n，假設(shè)q_n到任意點(diǎn)的距離為d_i，q_n表示為三維點(diǎn)云模型中的第n個(gè)數(shù)據(jù)點(diǎn)，n＝1，2，3...S,根據(jù)公式(1)計(jì)算q_n到它所有k個(gè)鄰近點(diǎn)的平均距離avr_n，計(jì)算出的avr_n采用高斯分布進(jìn)行表示，其均值為μ和標(biāo)準(zhǔn)差為σ，

設(shè)定的標(biāo)準(zhǔn)范圍span，用于判斷模型中的數(shù)據(jù)點(diǎn)是否為噪聲點(diǎn)，其中標(biāo)準(zhǔn)范圍按照公式(2)進(jìn)行計(jì)算，

span＝μ±g·σ(g＝0,1,2,...) (2)

其中，μ值與σ值由步驟1.1可見。

對比平均距離avr_n和標(biāo)準(zhǔn)范圍span，對相應(yīng)的點(diǎn)進(jìn)行選擇，即，

當(dāng)點(diǎn)q_n對應(yīng)的平均距離avr_n大于標(biāo)準(zhǔn)范圍span時(shí)，則刪除該點(diǎn)q_n；當(dāng)點(diǎn)q_n對應(yīng)的平均距離avr_n小于等于標(biāo)準(zhǔn)范圍span時(shí)，則保留該點(diǎn)q_n。

步驟2.2具體為：

設(shè)以三維點(diǎn)云模型中的數(shù)據(jù)點(diǎn)q_n為中心，r為半徑的球體范圍內(nèi)的近鄰數(shù)目為m，設(shè)定的最少近鄰數(shù)目為M,其中，M＝(2％-5％)·n,

對比m和M之間的關(guān)系，判定是否保留對應(yīng)的點(diǎn)q_n；

當(dāng)m大于M，則保留該點(diǎn)q_n；

當(dāng)m小于等于M，則刪除該點(diǎn)q_n。

步驟3具體為：

步驟3.1，將三維點(diǎn)云模型表面數(shù)據(jù)依次投影到平面坐標(biāo)系，所得平面數(shù)據(jù)集合為區(qū)域U，設(shè)區(qū)域U上的擬合函數(shù)為公式(3)，

其中，

j為區(qū)域U上第j個(gè)數(shù)據(jù)點(diǎn)(j＝1，2...,N).m是基函數(shù)的個(gè)數(shù)；

F^T(x,y)＝[F₀(x,y),F₁(x,y),...,F_m(x,y)],F_j(x,y)是基函數(shù)，

a(x,y)＝[a₀(x,y),a₁(x,y),...,a_m(x,y)]^T,a_j(x,y)為相應(yīng)待求系數(shù)，

F^T(x,y)a(x,y)為矩陣表示形式；

且，常用的線性基函數(shù)有：F^T(x,y)＝[1,x,y]；

常用的二次基函數(shù)為F^T(x,y)＝[1,x,y，x²,xy,y²]；

步驟3.2，為了體現(xiàn)離重新估算點(diǎn)較近的采樣點(diǎn)對擬合函數(shù)的影響大于較遠(yuǎn)的采樣點(diǎn),以區(qū)域U上各數(shù)據(jù)點(diǎn)的離散情況來加以表達(dá)，具體為，

在區(qū)域U上每個(gè)數(shù)據(jù)點(diǎn)Q_j處定義一個(gè)權(quán)函數(shù)，即公式(4)，

該權(quán)函數(shù)在移動(dòng)最小二乘法中起著非常重要的作用，必須滿足在數(shù)據(jù)點(diǎn)Q_j周圍有限區(qū)域U_j大于零，且在區(qū)域U_j之外為零即滿足權(quán)函數(shù)的緊支性，區(qū)域U_j為權(quán)函數(shù)的支撐域即滿足權(quán)函數(shù)的支撐性，同時(shí)，權(quán)函數(shù)會隨著估算點(diǎn)的不同而改變。

步驟3.3，按照公式(5)計(jì)算區(qū)域U_j上的所有數(shù)據(jù)點(diǎn)的誤差r_j的加權(quán)平方和J，

其中，誤差r_j由公式(6)計(jì)算，

r_i＝s(x_j,y_j)-y_j (6)

所有的r_j組成的向量稱為殘差r,

且，計(jì)算加權(quán)平方和J的公式(5)用矩陣形式可表示為：

J＝(Fa-Y)^TW(x,y)(Fa-Y) (7)

其中，Y^T＝(y₁，y₂,...y_N) (8)；

W(x,y)為對角矩陣，

為了求得a(x,y)，我們使J取極值，即對a(x,y)求導(dǎo)，如公式(11)，

設(shè)A(x,y)＝F^TW(x,y)F B(x,y)＝F^TW(x,y)則可簡化為：

即a(x,y)＝A^-1(x,y)B(x,y)Y (12)；

將公式(12)代入公式(3)可求得三維點(diǎn)云模型表面數(shù)據(jù)投影到平面坐標(biāo)系中的擬合函數(shù)為公式(13)，

其中，

F^T(x,y)A^-1(x,y)B(x,y)＝λ(x,y)＝[λ₁(x,y),λ₂(x,y),...λ_N(x,y)] (14)

然后根據(jù)依次計(jì)算區(qū)域U_j上的所有數(shù)據(jù)點(diǎn)到所求得的擬合函數(shù)曲線的距離，設(shè)為η,計(jì)算所有的η值之和為η_t，設(shè)定可接受的誤差域?yàn)閑rrorlit,errorlit一般設(shè)為η_t的1％-3％，

對比errorlit與η值的大小關(guān)系，從而判斷是否保留點(diǎn)Q_j；

當(dāng)η小于等于errorlit，則保留該點(diǎn)Q_j；

當(dāng)η大于errorlit，則以離該數(shù)據(jù)點(diǎn)到擬合曲線的垂點(diǎn)來代替該點(diǎn)Q_j；

步驟3.4，對經(jīng)步驟3.1～3.3去噪后的點(diǎn)云數(shù)據(jù)進(jìn)行去噪效果的檢測，求出步驟3.2中利用公式(13)所求得的擬合函數(shù)的表面法線，來進(jìn)行判斷，具體來說，當(dāng)數(shù)據(jù)點(diǎn)Q_j處的法線垂直于模型表面，則視為去噪效果接好的；

當(dāng)數(shù)據(jù)點(diǎn)Q_j處的法線不垂直于模型表面，則視為應(yīng)回到步驟2從新進(jìn)行統(tǒng)計(jì)濾波和半徑濾波的參數(shù)設(shè)置。

步驟4具體為，

步驟4.1，根據(jù)去噪后點(diǎn)云模型中所有數(shù)據(jù)的x軸、y軸、z軸的最小和最大坐標(biāo)值，計(jì)算出整個(gè)點(diǎn)云模型的長方體包圍盒邊長分別為：

L_x＝X_max-X_min,

L_y＝Y(jié)_max-Y_min，,； (15)

L_z＝Z_max-Z_min，,；

其中，L_x、L_y、L_z分別表示點(diǎn)云x軸、y軸、z軸方向最大范圍，X_max、X_min、Y_max、Y_min、Z_max、Z_min分別為x軸、y軸、z軸方向的最大值與最小值。

步驟4.2，設(shè)定體素柵格邊長為L，一般按公式(16)設(shè)置，

L＝(2％-10％)Lmin (16)

其中，Lmin為L_x、L_y、L_z中的最小值。以小立方體柵格為結(jié)構(gòu)元素，遍歷整個(gè)模型表面，每個(gè)小立方體柵格中的點(diǎn)云數(shù)據(jù)個(gè)數(shù)為m，以小立方體柵格的重心代表這個(gè)小立方體柵格所有數(shù)據(jù)點(diǎn)，實(shí)現(xiàn)點(diǎn)云精簡。

小立方體柵格的重心可按公式(17)計(jì)算為：

本發(fā)明的有益效果在于，在點(diǎn)云模型去噪中有效去除不同尺度噪聲，同時(shí)在不破壞點(diǎn)云本身幾何結(jié)構(gòu)的前提下，保證了點(diǎn)云精簡的均勻化，而且執(zhí)行速度快，降低了后續(xù)點(diǎn)云模型重建的時(shí)間復(fù)雜度。

附圖說明

圖1為本發(fā)明三維點(diǎn)云模型去噪精簡方法流程圖；

圖2為本發(fā)明中統(tǒng)計(jì)濾波示意圖；

圖3為本發(fā)明中半徑濾波示意圖；

圖4為采用本發(fā)明的方法的去噪前后法線變化示意圖；

圖5為采用本發(fā)明的方法的體素柵格精簡示意圖；

圖6為本發(fā)明使用的45°原始點(diǎn)云模型以及目標(biāo)模型；

圖7為45°點(diǎn)云模型經(jīng)直通濾波后的正面圖、側(cè)面圖、局部放大；

圖8為45°點(diǎn)云模型再經(jīng)統(tǒng)計(jì)濾波結(jié)合半徑濾波后的正面、側(cè)面、局部放大圖；

圖9為45°點(diǎn)云模型再經(jīng)移動(dòng)最小二乘濾波后的正面、側(cè)面、局部放大圖；

圖10為45°點(diǎn)云模型再經(jīng)體素柵格精簡前后對比圖以及局部放大圖；

圖11為本發(fā)明使用的0°原始點(diǎn)云模型以及目標(biāo)模型；

圖12為0°點(diǎn)云模型經(jīng)直通濾波后的正面圖、側(cè)面圖、局部放大；

圖13為0°點(diǎn)云模型再經(jīng)統(tǒng)計(jì)濾波結(jié)合半徑濾波后的正面、側(cè)面、局部放大圖；

圖14為0°點(diǎn)云模型再經(jīng)移動(dòng)最小二乘濾波后的正面、側(cè)面、局部放大圖；

圖15為0°點(diǎn)云模型再經(jīng)體素柵格精簡前后對比圖以及局部放大圖。

具體實(shí)施方式

下面結(jié)合具體實(shí)施方式對本發(fā)明進(jìn)行詳盡說明。

本發(fā)明一種點(diǎn)云模型的去噪精簡方法，如圖1所示，具體按照以下步驟實(shí)施：

步驟1，采集圖像并對圖像進(jìn)行預(yù)處理，具體為，

步驟1.1，通過kinect視覺傳感器獲取原始三維點(diǎn)云模型圖像，

步驟1.2，將步驟1.1采集獲取的三維點(diǎn)云模型圖像進(jìn)行預(yù)處理，利用直通濾波方法進(jìn)行分割提取，得到三維點(diǎn)云模型圖像。

步驟2：對步驟1中得到的三維點(diǎn)云模型圖片進(jìn)行大尺度噪聲的去除，其具體實(shí)現(xiàn)方法如下：

步驟2.1：采用統(tǒng)計(jì)濾波去除部分大尺度噪聲點(diǎn)。對三維點(diǎn)云模型中每個(gè)數(shù)據(jù)點(diǎn)q_n，假設(shè)q_n到任意點(diǎn)的距離為d_i，q_n表示為三維點(diǎn)云模型中的第n個(gè)數(shù)據(jù)點(diǎn)，n＝1，2，3...S,根據(jù)公式(1)計(jì)算q_n到它所有k個(gè)鄰近點(diǎn)的平均距離avr_n，計(jì)算出的avr_n采用高斯分布進(jìn)行表示，其均值為μ和標(biāo)準(zhǔn)差為σ，

設(shè)定的標(biāo)準(zhǔn)范圍span，用于判斷模型中的數(shù)據(jù)點(diǎn)是否為噪聲點(diǎn)，其中標(biāo)準(zhǔn)范圍按照公式(2)進(jìn)行計(jì)算，

span＝μ±g·σ(g＝0,1,2,...) (2)

其中，μ值與σ值由步驟1.1可見。

對比平均距離avr_n和標(biāo)準(zhǔn)范圍span，對相應(yīng)的點(diǎn)進(jìn)行選擇，即，

當(dāng)點(diǎn)q_n對應(yīng)的平均距離avr_n大于標(biāo)準(zhǔn)范圍span時(shí)，則刪除該點(diǎn)q_n；當(dāng)點(diǎn)q_n對應(yīng)的平均距離avr_n小于等于標(biāo)準(zhǔn)范圍span時(shí)，則保留該點(diǎn)q_n；

參見圖2，以k＝4為例，隨機(jī)選取模型中一個(gè)數(shù)據(jù)點(diǎn)，計(jì)算其周圍的4個(gè)鄰近點(diǎn)的平均距離avr_n(黑圓表示)，設(shè)定的標(biāo)準(zhǔn)范圍(綠圓表示)，根據(jù)上述判定規(guī)則可知，只有b點(diǎn)被刪除。

步驟2.2：為了更加全面的去除大尺度噪聲點(diǎn)，同時(shí)采用半徑濾波去除大尺度噪聲點(diǎn)。

設(shè)以三維點(diǎn)云模型中的數(shù)據(jù)點(diǎn)q_n為中心，r為半徑的球體范圍內(nèi)的近鄰數(shù)目為m，設(shè)定的最少近鄰數(shù)目為M,其中，M＝(2％-5％)·n,

對比m和M之間的關(guān)系，判定是否保留對應(yīng)的點(diǎn)q_n；

當(dāng)m大于M，則保留該點(diǎn)q_n；

當(dāng)m小于等于M，則刪除該點(diǎn)q_n；

參見圖3，在設(shè)定半徑(綠圓表示)指定條件至少要有3個(gè)鄰居時(shí)，則只有f點(diǎn)會被刪除，如果指定至少要有5個(gè)鄰居，e和f點(diǎn)都將被刪除

步驟3，采用移動(dòng)最小二乘去除小尺度噪聲。具體步驟如下：

步驟3.1，將三維點(diǎn)云模型表面數(shù)據(jù)依次投影到平面坐標(biāo)系，所得平面數(shù)據(jù)集合為區(qū)域U，設(shè)區(qū)域U上的擬合函數(shù)為公式(3)，

其中，

j為區(qū)域U上第j個(gè)數(shù)據(jù)點(diǎn)(j＝1，2...,N).m是基函數(shù)的個(gè)數(shù)；

F^T(x,y)＝[F₀(x,y),F₁(x,y),...,F_m(x,y)],F_j(x,y)是基函數(shù)，

a(x,y)＝[a₀(x,y),a₁(x,y),...,a_m(x,y)]^T,a_j(x,y)為相應(yīng)待求系數(shù)，

F^T(x,y)a(x,y)為矩陣表示形式；

且，常用的線性基函數(shù)有：F^T(x,y)＝[1,x,y]；

常用的二次基函數(shù)為F^T(x,y)＝[1,x,y，x²,xy,y²]。

步驟3.2:為了體現(xiàn)離重新估算點(diǎn)較近的采樣點(diǎn)對擬合函數(shù)的影響大于較遠(yuǎn)的采樣點(diǎn),以區(qū)域U上各數(shù)據(jù)點(diǎn)的離散情況來加以表達(dá)，具體為，

在區(qū)域U上每個(gè)數(shù)據(jù)點(diǎn)Q_j處定義一個(gè)權(quán)函數(shù)，即公式(4)，

該權(quán)函數(shù)在移動(dòng)最小二乘法中起著非常重要的作用，必須滿足在數(shù)據(jù)點(diǎn)Q_j周圍有限區(qū)域U_j大于零，且在區(qū)域U_j之外為零即滿足權(quán)函數(shù)的緊支性，區(qū)域U_j為權(quán)函數(shù)的支撐域即滿足權(quán)函數(shù)的支撐性，同時(shí)，權(quán)函數(shù)會隨著估算點(diǎn)的不同而改變。

步驟3.3，按照公式(5)計(jì)算區(qū)域U_j上的所有數(shù)據(jù)點(diǎn)的誤差r_j的加權(quán)平方和J，

其中，誤差r_j由公式(6)計(jì)算，

r_i＝s(x_j,y_j)-y_j (6)

所有的r_j組成的向量稱為殘差r,

且，計(jì)算加權(quán)平方和J的公式(5)用矩陣形式可表示為：

J＝(Fa-Y)^TW(x,y)(Fa-Y) (7)

其中，Y^T＝(y₁，y₂,...y_N) (8)；

W(x,y)為對角矩陣，

為了求得a(x,y)，我們使J取極值，即對a(x,y)求導(dǎo)，如公式(11)，

設(shè)A(x,y)＝F^TW(x,y)F B(x,y)＝F^TW(x,y)則可簡化為：

即a(x,y)＝A^-1(x,y)B(x,y)Y (12)；

將公式(12)代入公式(3)可求得三維點(diǎn)云模型表面數(shù)據(jù)投影到平面坐標(biāo)系中的擬合函數(shù)為公式(13)，

其中，

F^T(x,y)A^-1(x,y)B(x,y)＝λ(x,y)＝[λ₁(x,y),λ₂(x,y),...λ_N(x,y)] (14)

然后根據(jù)依次計(jì)算區(qū)域U_j上的所有數(shù)據(jù)點(diǎn)到所求得的擬合函數(shù)曲線的距離，設(shè)為η,計(jì)算所有的η值之和為η_t，設(shè)定可接受的誤差域?yàn)閑rrorlit,errorlit一般設(shè)為η_t的1％-3％，

對比errorlit與η值的大小關(guān)系，從而判斷是否保留點(diǎn)Q_j；

當(dāng)η小于等于errorlit，則保留該點(diǎn)Q_j；

當(dāng)η大于errorlit，則以離該數(shù)據(jù)點(diǎn)到擬合曲線的垂點(diǎn)來代替該點(diǎn)Q_j。

步驟3.4，對經(jīng)步驟3.1～3.3去噪后的點(diǎn)云數(shù)據(jù)進(jìn)行去噪效果的檢測，求出步驟3.2中利用公式(13)所求得的擬合函數(shù)的表面法線，來進(jìn)行判斷，具體來說，當(dāng)數(shù)據(jù)點(diǎn)Q_j處的法線垂直于模型表面，則視為去噪效果接好的；

當(dāng)數(shù)據(jù)點(diǎn)Q_j處的法線不垂直于模型表面，則視為應(yīng)回到步驟2從新進(jìn)行統(tǒng)計(jì)濾波和半徑濾波的參數(shù)設(shè)置。

步驟4，對經(jīng)步驟3去噪后的點(diǎn)云數(shù)據(jù)進(jìn)行基于體素柵格下采樣，得到精簡后的點(diǎn)云模型。具體方法如下：

步驟4.1，根據(jù)去噪后點(diǎn)云模型中所有數(shù)據(jù)的x軸、y軸、z軸的最小和最大坐標(biāo)值，計(jì)算出整個(gè)點(diǎn)云模型的長方體包圍盒邊長分別為：

L_x＝X_max-X_min,

L_y＝Y(jié)_max-Y_min，,； (15)

L_z＝Z_max-Z_min，,；

其中，L_x、L_y、L_z分別表示點(diǎn)云x軸、y軸、z軸方向最大范圍，X_max、X_min、Y_max、Y_min、Z_max、Z_min分別為x軸、y軸、z軸方向的最大值與最小值。

步驟4.2，設(shè)定體素柵格邊長為L，一般按公式(16)設(shè)置，

L＝(2％-10％)Lmin (16)

其中，Lmin為L_x、L_y、L_z中的最小值。以小立方體柵格為結(jié)構(gòu)元素，遍歷整個(gè)模型表面，每個(gè)小立方體柵格中的點(diǎn)云數(shù)據(jù)個(gè)數(shù)為m，以小立方體柵格的重心代表這個(gè)小立方體柵格所有數(shù)據(jù)點(diǎn)，實(shí)現(xiàn)點(diǎn)云精簡。

小立方體柵格的重心可按公式(17)計(jì)算為：

例如圖5中，若體素柵格邊長L設(shè)置為左邊立方體大小，則以柵格重心u點(diǎn)取代左邊柵格內(nèi)所有的數(shù)據(jù)點(diǎn)，若體素柵格邊長設(shè)置為右邊立方體大小，并以柵格重心v點(diǎn)取代右邊柵格內(nèi)所有的數(shù)據(jù)點(diǎn)。

與現(xiàn)有技術(shù)相比，本發(fā)明具有以下技術(shù)效果：

1、本發(fā)明綜合運(yùn)用多種濾波算法，將多種濾波方法的優(yōu)點(diǎn)融為一體，采用直通濾波去除掃描的原始數(shù)據(jù)，將目標(biāo)模型分割出來，采用半徑濾波與統(tǒng)計(jì)濾波消除了偏離點(diǎn)云模型較遠(yuǎn)的大尺度噪聲點(diǎn)，采用最小二乘方法去除粘連于模型表面的小尺度噪聲點(diǎn)，除此之外，采用最小二乘法線估計(jì)進(jìn)行去噪效果檢測與參數(shù)修正。由實(shí)驗(yàn)結(jié)果可發(fā)現(xiàn)，該算法具有較好的去噪效果。

2、為了提高計(jì)算機(jī)的處理速度與后續(xù)的點(diǎn)云模型重建效率，本發(fā)明采用體素柵格精簡，在充分保留點(diǎn)云數(shù)據(jù)幾何特征的前提下，能有效濾除部分點(diǎn)云數(shù)據(jù)冗余量，且精簡結(jié)果比較均勻，避免了大規(guī)模精簡所出現(xiàn)的空白區(qū)域。

表1為45°點(diǎn)云模型使用提出算法各模塊運(yùn)行時(shí)間與點(diǎn)云數(shù)據(jù)量變化情況，表2為0°點(diǎn)云模型使用提出算法各模塊運(yùn)行時(shí)間與點(diǎn)云數(shù)據(jù)量變化情況；圖6～圖9表示45°點(diǎn)云模型運(yùn)用該算法去噪的結(jié)果圖，由圖很顯然點(diǎn)云模型中不同尺度噪聲點(diǎn)被去除，且避免了雙邊濾波出現(xiàn)的點(diǎn)云模型表面的過光順情況。圖11表示45°點(diǎn)云模型運(yùn)用該算法精簡的結(jié)果圖，由圖清楚的看到在不破壞點(diǎn)云本身幾何結(jié)構(gòu)的前提下，保證了點(diǎn)云精簡的均勻化，避免了隨機(jī)采樣精簡出現(xiàn)的大規(guī)模空白區(qū)域區(qū)域。表1表示45°點(diǎn)云模型運(yùn)用該算法過程中每個(gè)階段點(diǎn)云數(shù)量的變化情況，以及該算法每個(gè)模塊運(yùn)行時(shí)間長短，同理，圖11～圖15與表2表示0°點(diǎn)云模型運(yùn)用該算法去噪與精簡的結(jié)果圖以及點(diǎn)云數(shù)量與算法執(zhí)行時(shí)間變化情況。

表1算法各模塊運(yùn)行時(shí)間與點(diǎn)云數(shù)據(jù)量變化情況

表2算法各模塊運(yùn)行時(shí)間與點(diǎn)云數(shù)據(jù)量變化情況