使用適應性法向量一致性正規化之點雲去除雜訊演算法

Abstract

近幾年來，隨著自動化技術的進步，三維幾何處理逐漸受到許多關注。自動駕駛為其中一個最熱門的研究領域，其是利用掃描器收集用來表示車子周遭環境的點雲資料，以做出安全的駕駛決策。然而一些外在因素包含路面顛頗、天氣狀態與其他干擾會造成收集到的點雲產生隨機的偏移，因此需要藉由點雲的去雜訊還原出實際的點雲位置。 本篇論文提出了一個以一階原始對偶演算法解最佳化問題的點雲去除雜訊演算法，其主要特色有三個：一、演算法會分成兩個步驟，依序對法向量與位置分別進行最佳化，以確保結果的法向量角度誤差與位置的距離誤差都較小。二、演算法會根據區域內法向量一致性的程度選取適應性正規化項，使其可以適用於不同種類的輸入模型，而不會有明顯過度銳利或過度平滑的誤差。三、根據我們的實驗可以觀察出，我們提出的演算法能夠處理一些劇烈雜訊的問題，即使無法處理到完美無誤差，但與一些相關研究相比，能夠得到辨識度較高的模型結果。除了主要的演算法之外，我們同時在這篇論文中對於點雲去除雜訊問題的結果，進行了深入的分析。分析可以分成兩部分，一個是對於角度、距離、體積與信號雜訊比的數值做全面的比較，另一個則是將點雲以表面重建的方法得到網格模型，再以視覺化的方式呈現。透過兩方面完整的分析，可以總結出我們的演算法確實對於點雲去除雜訊的問題有很不錯的效果。