基于VG-DBSCAN算法的大型场景杂乱点云去噪

简介：
本研究提出了一种改进的VG-DBSCAN算法，专门用于处理大规模场景中的复杂点云数据，有效去除噪声，提高数据质量和后续分析精度。 针对城市环境下三维激光雷达（LiDAR）点云数据密度不均匀、离群噪点多而不利于后期点云帧间匹配的问题，提出了一种应用于大规模散乱LiDAR点云的离群噪点滤除算法。该算法对传统的基于密度的空间聚类（DBSCAN）方法进行了改进，通过将三维点云进行体素栅格划分，并创建了一个由栅格单元组成的集合，从而大幅减小了每个对象在数据空间中的邻域搜索范围。经过改进的算法能够快速发现各个聚类并分离目标点云与离群点，进而有效剔除点云中的离群噪点。 实验结果表明：所提算法能够在实时处理大量点云数据的同时保持其三维几何特征，并且能有效地识别和滤除其中的离群噪点。这不仅减少了整体的数据规模，还加快了后续处理的速度，使帧间匹配的精确度提高了两倍，而所需的计算时间仅为去噪前的13%左右。