在获取物体的三维点云数据时,通常采用线结构光扫描的方法,但是在测量过程中不可避免的会产生不合理的噪声点。从而在进行曲面重构时,会导致重构的曲面不够光滑,进而会影响三维扫描物体重构的精确性,因此有必要对扫描数据进行去噪处理。噪声点产生的原因有很多,大部分噪声点具有幅值大,影响因素多的特点,所以利用似然估计函数得到采样局部最大值点,确立点云数据的聚类中心,使原始点云数据收敛为一个稳定的三维数字模型,然后采用随机滤波的方法,通过比较连续点之间的相对位置,给定一个数值,把位置变化较大的点判定为噪声点予以去除,从而达到点云去噪的目的。通过对普通计算机硬盘的扫描和点云去噪处理验证了方法的可行性。

为去除在用三维激光扫描技术扫描航空零部件时,因扫描环境、设备等因素带来的大量零件点云噪声,提出基于卷积神经网络的航空零件去噪技术。首先应用经典卷积神经网络预测点云法线信息,然后以此进一步对点云进行位置更新,从而实现点云去噪。经实验证明,与目前的去噪方法相比,所提方法在去噪方面更具优越性。