Algorytmy przetwarzania nieregularnych obrazów 3D

W artykule prezentuje się modyfikacje algorytmów stosowanych w przetwarzaniu danych 3D. W pierwszej kolejności omówiono algorytm filtracji nieregularnych danych pomiarowych 3D, zwanych obrazem 3D. źródłem szumu pomiarowego w skanerach 3D są najczęściej elementy optyczne skanera. Szum ten ma najczęściej charakter odrębnych grup punktów o wysokiej amplitudzie, jak również pojedynczych punktów o niskiej amplitudzie. Główna idea stosowanego algorytmu polega na maksymalizacji dystansu - odległości w przestrzeni x, y, z pomiędzy danymi pomiarowymi - najbliższymi sąsiadami znajdującymi się w bieżącym oknie pomiarowym. Do tego celu wykorzystuje się estymację funkcji gęstości, która wyliczana jest dla każdego punktu pomiarowego z bieżącego okna w przestrzeni 3D. Kolejną zaprezentowaną modyfikacją jest poprawa algorytmu decymacji zbioru punktów. Modyfikacja skupia się na wprowadzeniu a priori wartości stopnia decymacji określającego liczbę usuniętych punktów ze zbioru.

In the paper some modification of 3D processing algorithms has been presented. At first effective and robust noise reduction in three dimensional measurement data algorithm has been presented. Often the noise source are optical elements from the 3D scanner. This noise commonly is the separate groups of points with high amplitude or single points with low amplitude. Main idea of applied algorithm depends on maximize distance distance beetwen points in three dimensional space - nearest neighbours in sliding 3D window. The proposed filter class is based on the nonparametric estimation of the density probability function in a sliding filter window. Next the modification of decimation algorithm has been presented. Main idea of proposed algorithm depends on adding a priori decimation level - number of the data points, which must be deleted from the dataset.