基于多尺度核函數的散亂點云數據過濾方法

隨著計算機圖形硬件及技術的發展，點云在建模及渲染研究應用中變得越來越普及。其中，對包含噪聲的散亂點云的概率估計及過濾處理成為了研究熱點。文獻[5]對有效估計及過濾的領域知識作了簡明的介紹。低通過濾器、MLs擬合算法、基于PDE的方法能夠很好地清除噪聲數據，但是異常數據的清除往往需要通過人工干預完成。文獻[9]提及了異常數據自動清除的概念，但是算法的具體實現存在困難。盡管健壯統計學和統計學習技術在散亂點云數據處理中獲得了進展，但是異常數據的自動識別及清除的問題始終沒有解決。鑒于此，本文提出了一種基于多尺度核函數的過濾方法，該方法能夠自動清除散亂點云中的異常數據，同時很好地抑制模型表面噪聲數據。