基于散乱点云的列车关键部件高效滤波平滑算法

针对三维激光扫描设备实际采集的列车关键部件点云模型通常存在噪声点和采集误差等问题，提出一种高效的点云小尺度噪声滤波平滑算法。首先利用K-D树构建点与点之间的几何关系，设置中心点并利用K近邻算法查询邻域信息；然后假设输入点云与滤波后输出的点云之间存在线性关系，从而利用两片点云构造代价函数；最后通过求解代价函数最小值确定线性参数，从而得到平滑后的点云模型。代价函数构建过程中，根据点与其K近邻内点的欧氏距离的方差与整体欧氏距离方差的比值大小自适应地调节权重，达到动态调整线性模型参数的目的。实验结果表明，所提算法能够快速矫正小尺度噪声、平滑边界轮廓、提高质量，为点云识别、重建等后期任务奠定基础。