基于 PCA 降维的 LiDAR 低复杂度点云滤波
图像与视频处理
2020-07-29 v1
摘要
LiDAR 传感器发射的信号在传输过程中常受雨、雾、粉尘、大气粒子、光散射及其他影响因素的负面干扰，导致点云图像中出现噪声。针对该问题，本文提出一种滤波 LiDAR 点云的新降噪方法，即基于主成分分析（PCA）的自适应聚类方法。不同于直接处理三维（3D）点云数据的传统滤波方法，所提方法通过提取原始数据的第一主成分与第二主成分，以极少的信息损失生成二维（2D）数据来实现降维。在两个主成分张成的 2D 空间中，生成的 2D 数据经聚类降噪后还原为 3D。通过降维及对生成 2D 数据的聚类，该方法具有低计算复杂度，在保留环境特征细节的同时有效去除噪声。相比传统滤波算法，所提方法具有更高的精确率与召回率。实验结果显示，F-score 高达 0.92，且复杂度较传统基于密度的聚类方法降低 50%。
引用
@article{arxiv.2007.14180,
title = {Low-complexity Point Cloud Filtering for LiDAR by PCA-based Dimension Reduction},
author = {Yao Duan and Chuanchuan Yang and Hao Chen and Weizhen Yan and Hongbin Li},
journal= {arXiv preprint arXiv:2007.14180},
year = {2020}
}