點(diǎn)云聚類去噪過(guò)程中新的k值優(yōu)化方法
【專利摘要】本發(fā)明公開(kāi)了一種點(diǎn)云聚類去噪過(guò)程中新的K值優(yōu)化方法，步驟如下：（1）三維激光掃描儀獲取真實(shí)物體表面的空間采樣點(diǎn)；（2）以空間采樣點(diǎn)作為K值優(yōu)化聚類的聚類樣本，使用K-means聚類方法在聚類數(shù)搜索范圍產(chǎn)生點(diǎn)云聚類的不同聚類結(jié)果，利用聚類有效性指標(biāo)評(píng)價(jià)不同聚類結(jié)果，將獲得的最佳聚類數(shù)作為最優(yōu)K值；（3）以最優(yōu)K值作為三維點(diǎn)云聚類去噪的聚類初始值，對(duì)三維點(diǎn)云進(jìn)行聚類；（4）對(duì)聚類結(jié)果類內(nèi)進(jìn)行基于歐式距離的閾值判斷來(lái)識(shí)別及去除局部離群噪聲點(diǎn)，得到理想點(diǎn)云。本發(fā)明采用新的K值優(yōu)化方法，以該值對(duì)含噪點(diǎn)云進(jìn)行優(yōu)化聚類可以使得到的理想點(diǎn)云去噪精度更高，提高了去噪速度，使后期重建出的三維模型更加光順，逼真。
【專利說(shuō)明】點(diǎn)云聚類去噪過(guò)程中新的K值優(yōu)化方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明屬于逆向工程、聚類分析等【技術(shù)領(lǐng)域】，具體涉及一種點(diǎn)云聚類去噪過(guò)程中新的K值優(yōu)化方法。
【背景技術(shù)】
[0002]點(diǎn)云數(shù)據(jù)一般是通過(guò)三維掃描儀等測(cè)量?jī)x器獲取物體表面離散點(diǎn)的三維幾何坐標(biāo)，由于設(shè)備精度的限制、光的影響以及材料的反射特性，導(dǎo)致這些包含物體三維坐標(biāo)信息的點(diǎn)云數(shù)據(jù)不可避免的含有許多小振幅噪聲和離群點(diǎn)，含噪的點(diǎn)云數(shù)據(jù)會(huì)對(duì)后期重建出的三維模型產(chǎn)生非常嚴(yán)重的影響。三維重建在機(jī)器人視覺(jué)導(dǎo)航中的障礙物檢測(cè)、文物的數(shù)字化保護(hù)、城市設(shè)計(jì)規(guī)劃與管理、三維地形重建、工業(yè)制造中的實(shí)物造型、醫(yī)學(xué)影像分析等領(lǐng)域有著極其廣泛的應(yīng)用，而點(diǎn)云去噪又是三維模型重建點(diǎn)云數(shù)據(jù)預(yù)處理過(guò)程中的其中一個(gè)關(guān)鍵環(huán)節(jié)。
[0003]點(diǎn)云去噪過(guò)程通常包括點(diǎn)云空間拓?fù)潢P(guān)系的建立、離群噪聲點(diǎn)的識(shí)別和去除三大環(huán)節(jié)?？臻g拓?fù)潢P(guān)系的建立是點(diǎn)云去噪的首要問(wèn)題，拓?fù)潢P(guān)系的是否有效直接影響去噪的精度及速度。雖然基于密度聚類的點(diǎn)云去噪和基于K-means聚類點(diǎn)云去噪方法實(shí)現(xiàn)了目標(biāo)物與噪聲點(diǎn)的分離。但基于密度聚類的點(diǎn)云去噪僅局限于小范圍、表面連續(xù)的物體點(diǎn)云；并且運(yùn)行過(guò)程中可能需要多次人工干預(yù)，聚類質(zhì)量也由人眼觀察評(píng)價(jià)；沒(méi)有統(tǒng)一規(guī)范的評(píng)價(jià)標(biāo)準(zhǔn)，無(wú)法保證聚類質(zhì)量的有效性。也能實(shí)現(xiàn)，基于K-means聚類點(diǎn)云去噪方法人為估計(jì)出的聚類數(shù)目對(duì)點(diǎn)云實(shí)現(xiàn)聚類，無(wú)法保證聚類質(zhì)量和聚類效果，進(jìn)一步影響了后期針對(duì)每一類點(diǎn)云去噪的效果。
[0004]當(dāng)前，基于聚類的點(diǎn)云去噪方法是:在通過(guò)三維掃描儀獲取點(diǎn)云數(shù)據(jù)后，以獲取的點(diǎn)云數(shù)據(jù)作為聚類樣本，人為設(shè)定初始聚類數(shù)目，對(duì)點(diǎn)云進(jìn)行聚類，通過(guò)聚類結(jié)果建立空間拓?fù)潢P(guān)系，基于歐式距離對(duì)類內(nèi)進(jìn)行離群噪聲點(diǎn)的識(shí)別和去除。如圖1所示，圖1采用基于K-means聚類點(diǎn)云去噪算法，然而這種簡(jiǎn)單地以人為估計(jì)的數(shù)目作為初始聚類數(shù)目進(jìn)行聚類的方法存在以下不足和缺陷:
[0005](I)由于K-means聚類算法的無(wú)法事先得到合適的聚類數(shù)目，K值需要人為給定，無(wú)法保證聚類結(jié)果，將影響點(diǎn)云聚類，不能夠建立有效的點(diǎn)云空間拓?fù)潢P(guān)系；
[0006](2)當(dāng)前已提出的基于聚類的點(diǎn)云去噪算法，首先人為估計(jì)出初始聚類數(shù)目，然后以此K值對(duì)點(diǎn)云進(jìn)行聚類后去噪。該方法在一定程度上可以識(shí)別出明顯的離群噪聲點(diǎn)，但這樣方法產(chǎn)生的點(diǎn)云并不是期望獲得的理想點(diǎn)云，因此會(huì)產(chǎn)生去噪精度不高及去噪速度緩慢的問(wèn)題。
[0007]因此，要想得到良好的去噪結(jié)果，建立有效的點(diǎn)云空間拓?fù)潢P(guān)系，減少聚類迭代次數(shù)，降低全局去噪的時(shí)間復(fù)雜度，提高去噪精度，需要在點(diǎn)云聚類時(shí)對(duì)初始聚類數(shù)目，即K值進(jìn)行優(yōu)化。

【發(fā)明內(nèi)容】
[0008]針對(duì)現(xiàn)有技術(shù)中存在的上述不足，本發(fā)明提供了一種用以提高去噪精度及降低去噪時(shí)間復(fù)雜度的點(diǎn)云聚類去噪過(guò)程中新的K值優(yōu)化方法。
[0009]為了解決上述技術(shù)問(wèn)題，本發(fā)明采用了如下技術(shù)方案:
[0010]點(diǎn)云聚類去噪過(guò)程中新的K值優(yōu)化方法，該方法包括如下步驟:
[0011](I)、用三維掃描儀掃描實(shí)物模型的輪廓，獲得三維采樣點(diǎn)數(shù)據(jù)；
[0012](2)、以掃描獲得的點(diǎn)云作為聚類樣本數(shù)據(jù)，根據(jù)閾值分層法確定聚類數(shù)搜索范圍的上界，下界取值為2，將聚類數(shù)搜索范圍內(nèi)的每個(gè)整數(shù)值設(shè)為初始聚類數(shù)；
[0013](3)、在聚類數(shù)搜索范圍內(nèi)，使用K-means聚類方法產(chǎn)生不同聚類結(jié)果，利用聚類有效性指標(biāo)對(duì)聚類結(jié)果進(jìn)行評(píng)價(jià)，產(chǎn)生最優(yōu)K值；
[0014](4)、以聚類有效性指標(biāo)評(píng)價(jià)產(chǎn)生的最優(yōu)K值作為點(diǎn)云聚類的初始聚類數(shù)目，對(duì)點(diǎn)云進(jìn)行最優(yōu)聚類；
[0015](5)、以此最優(yōu)聚類結(jié)果進(jìn)行基于歐式距離的閾值判斷來(lái)識(shí)別及去除局部離群噪聲點(diǎn)，得到理想點(diǎn)云。
[0016]作為本發(fā)明的一種優(yōu)選方案，所述確定聚類數(shù)搜索范圍的上限，具體步驟如下:
[0017]首先固定點(diǎn)云數(shù)據(jù)的某一列，利用直方圖方法統(tǒng)計(jì)其數(shù)據(jù)分布；其次將一定閾值范圍內(nèi)的點(diǎn)近似歸為一個(gè)層面，設(shè)定合適的閾值P;確定分層數(shù)目，即為聚類數(shù)搜索范圍的上界；最后根據(jù)層內(nèi)點(diǎn)的法向量是否平行，證明該數(shù)據(jù)分層方法所分離的各組點(diǎn)是否在同一平面內(nèi)。
[0018]作為本發(fā)明的另一種優(yōu)選方案，所述聚類有效性指標(biāo)的相關(guān)定義如下:
[0019]定義I令待分類的點(diǎn)云數(shù)據(jù)集為S= {Xl, X2, , xn}，每個(gè)樣本點(diǎn)的維數(shù)為m維，假設(shè)η個(gè)樣本數(shù)據(jù)被聚類為h類，聚類中心為C= {Cl，C2,, cj，定義第j類的第i個(gè)樣本的最小類間夾角余弦值的平均值為be (j，i):
【權(quán)利要求】
1.點(diǎn)云聚類去噪過(guò)程中新的K值優(yōu)化方法，其特征在于，該方法包括如下步驟: (1)、用三維掃描儀掃描實(shí)物模型的輪廓，獲得三維采樣點(diǎn)數(shù)據(jù)； (2)、以掃描獲得的點(diǎn)云作為聚類樣本數(shù)據(jù)，根據(jù)閾值分層法確定聚類數(shù)搜索范圍的上界，下界取值為2，將聚類數(shù)搜索范圍內(nèi)的每個(gè)整數(shù)值設(shè)為初始聚類數(shù)； (3)、在聚類數(shù)搜索范圍內(nèi)，使用K-means聚類方法產(chǎn)生不同聚類結(jié)果，利用聚類有效性指標(biāo)對(duì)聚類結(jié)果進(jìn)行評(píng)價(jià)，產(chǎn)生最優(yōu)K值； (4)、以聚類有效性指標(biāo)評(píng)價(jià)產(chǎn)生的最優(yōu)K值作為點(diǎn)云聚類的初始聚類數(shù)目，對(duì)點(diǎn)云進(jìn)行最優(yōu)聚類； (5)、以此最優(yōu)聚類結(jié)果進(jìn)行基于歐式距離的閾值判斷來(lái)識(shí)別及去除局部離群噪聲點(diǎn)，得到理想點(diǎn)云。
2.根據(jù)權(quán)利要求1所述的點(diǎn)云聚類去噪過(guò)程中新的K值優(yōu)化方法，其特征在于，所述確定聚類數(shù)搜索范圍的上限，具體步驟如下: 首先固定點(diǎn)云數(shù)據(jù)的某一列，利用直方圖方法統(tǒng)計(jì)其數(shù)據(jù)分布；其次將一定閾值范圍內(nèi)的點(diǎn)近似歸為一個(gè)層面，設(shè)定合適的閾值P;確定分層數(shù)目，即為聚類數(shù)搜索范圍的上界；最后根據(jù)層內(nèi)點(diǎn)的法向量是否平行，證明該數(shù)據(jù)分層方法所分離的各組點(diǎn)是否在同一平面內(nèi)。
3.根據(jù)權(quán)利要求1所述的點(diǎn)云聚類去噪過(guò)程中新的K值優(yōu)化方法，其特征在于，所述聚類有效性指標(biāo)的相關(guān)定義如下:` 定義I令待分類的點(diǎn)云數(shù)據(jù)集為S=Ix1, X2,, X1J，每個(gè)樣本點(diǎn)的維數(shù)為m維，假設(shè)η個(gè)樣本數(shù)據(jù)被聚類為h類，聚類中心為C=Ic1, C2,, C1J，定義第j類的第i個(gè)樣本的最小類間夾角余弦值的平均值為be (j，i):

YX (k)X.①
I nkU pq Mj, i) = min(—藝,g=1 , )
\<k<h fjI mJ m
k 產(chǎn)1 /V ν (k) /V ν ⑴
\pq \l^ i(i
V"-丨V r'⑴ 在公式⑴中k和j表示類標(biāo),xpq(k)表示第k類的第P個(gè)樣本的第q維,xiq (j)表示第j類的第i個(gè)樣本的第q維，nk表示第k類的樣本個(gè)數(shù)； 定義2令待分類的點(diǎn)云數(shù)據(jù)集為S=Ix1, X2,, xn}，每個(gè)樣本點(diǎn)的維數(shù)為m維，假設(shè)η個(gè)樣本數(shù)據(jù)被聚類為h類，聚類中心為C=Ic1, C2, , cj，定義第j類的第i個(gè)樣本的類內(nèi)夾角余弦值的平均值為wc (j，i):

m

Zr (^r ⑴ vvc(i,i) = —藝, ,
yt _ IImI m
J h--' ZWi ZW
V9-1V 護(hù)1(2) 在公式⑵中Xttl(j)表示第j類的第t個(gè)樣本的第q維,并且t古i,rij表示第j類中的樣本個(gè)數(shù)。
4.根據(jù)權(quán)利要求1所述的點(diǎn)云聚類去噪過(guò)程中新的K值優(yōu)化方法，其特征在于，所述利用聚類有效性指標(biāo)確定最佳聚類數(shù)；具體步驟如下: 為了驗(yàn)證不同聚類數(shù)所對(duì)應(yīng)的聚類效果，需計(jì)算該聚類數(shù)聚類后所有點(diǎn)云數(shù)據(jù)的BWACR指標(biāo)值的平均值，來(lái)評(píng)價(jià)該數(shù)據(jù)集的聚類效果，通過(guò)比較不同聚類數(shù)的平均BWACR指標(biāo)值來(lái)確定最佳聚類數(shù)；平均BWACR指標(biāo)值取得最大值所對(duì)應(yīng)的聚類數(shù)為最佳聚類數(shù)；定義如下:
【文檔編號(hào)】G06K9/40GK103870845SQ201410138156
【公開(kāi)日】2014年6月18日 申請(qǐng)日期:2014年4月8日 優(yōu)先權(quán)日:2014年4月8日
【發(fā)明者】王勇, 唐靖, 饒勤菲 申請(qǐng)人:重慶理工大學(xué)