来源：期刊VIP网 时间：
作者：尹辰辉;陶友瑞;周志豪;
单位：河北工业大学机械工程学院;
摘要：在工业点云应用场景中，为实现高精度的数字化建模，需要采集海量的表面形貌数据点。然而，受环境和测量方法等不可控因素的影响，点云中往往包含大量的随机噪声点。稠密的点云数据与噪声给下游任务的处理效率与准确性带来严峻挑战，严重制约着点云的广泛应用。因此，提出一种基于八叉树体素降采样和改进的自适应随机采样一致性(random sampling consensus, RANSAC)点云滤波算法。首先，通过八叉树体素降采样进行点云精简，采用欧氏距离最近邻点代替体素质心，以完整保持原始点云表面几何特征；其次，提出结合修正后的标准分数和改进的广义中位数偏差(generalised median absolute deviation GMAD)代替传统RANSAC算法中固定阈值设定方法，实现自适应参数调节。对实际工业场景中扫描出的点云数据进行综合实验，通过不同点云数据滤波可视化效果、滤波时间、漏滤率以及标准差进行对比与评价分析，结果表明，所提出的方法相较当前先进传统滤波算法计算效率提升14%,标准差提升19%,漏滤率降低0.8%,能够快速且鲁棒地处理稠密点云，在高精度工业点云应用中具有广阔的实用性和前景。
关键词：点云滤波;;稠密点云;;随机采样一致性;;广义中位数偏差;;标准分数
基金资助：国家自然科学基金(U23A6017);; 河北工业大学创新研究院(石家庄)石家庄市科技合作专项基金(SJZZXC23002)
