《表4 双边滤波算法和WLOP算法的去噪参数设置》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于法向量距离分类的散乱点云数据去噪》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

图8～图11为不同去噪算法的比较结果。对Bunny和Fandisk噪声模型分别应用WLOP算法、双边滤波算法和本文算法进行去噪，结果如图9和图11所示。3种算法中的参数设置如表3、表4所示。图8和图10分别给出了Bunny和Fandisk模型的原始点云、原始点云重构光照模型和添加了信噪比（Signal to noise ratio)RSN分别为30 dB和40 dB的高斯白噪声的表面重构光照模型。从图9(a）和图11(a）中可以看出，WLOP算法增强了两个模型表面的光顺度，但同时也使得Fandisk模型中的尖锐特征被平滑掉，Bunny模型中的细节特征难以保留；从图9(b）和图11(b）的双边滤波去噪结果中可以看出，模型的显著特征和细节特征得到了一定的保持。为了能够更好地保持住细节特征，会减少σc的值，如此点云模型的光顺度就会降低。如图9(b）和图11(b）所示，点云模型的光顺度效果不理想；图9(c）和图11(c）显示了本文方法的去噪结果，去噪后点云模型的平滑区域具有较好的表面光顺度，其尖锐区域的显著特征和细节信息也得到了很好的保持。