(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211018237.3 (22)申请日 2022.08.24 (71)申请人 宁波国琅机 器人科技有限公司 地址 315600 浙江省宁波市宁海县 宁波南 部滨海新区云峤东路2号 （自主申报） (72)发明人 赵磊　曹一波　刘好新　肖应旺　 王崇江　刘宇鹏　 (51)Int.Cl. G06T 5/00(2006.01) G06T 7/50(2017.01) G06T 7/62(2017.01) G06V 10/762(2022.01) (54)发明名称 一种基于深度信息的3D点云滤波方法及系 统 (57)摘要 本申请涉及一种基于深度信息的3D点云滤 波方法及系统， 涉及图像处理技术的领域， 该方 法包括获取图像信息； 生 成深度图并生成三维坐 标信息； 生成聚类信息； 计算聚类中心信息； 计算 出点云半径信息； 计算深度平均值信息； 计算点 云半径阈值信息； 当点云半径信息小于点云半径 阈值信息时将当前聚类信息视为噪点信息并从 图像信息中去除， 改善了滤波过程中容易产生数 据差异过大的情况， 对结果造成干扰的问题， 本 申请具有滤除非障碍物形成的数据点， 避免造成 误判或漏判， 提高了去除噪点的准确性的效果。 权利要求书4页 说明书13页 附图8页 CN 115330634 A 2022.11.11 CN 115330634 A 1.一种基于深度信息的3D点云滤波方法， 其特 征在于， 包括： 获取图像信息； 根据图像信 息生成深度图并依据深度图的坐标结合深度值生成三维坐标信 息， 其中三 维坐标信息包括横坐标信息、 纵坐标信息和深度信息； 根据三维坐标信息生成聚类信息； 任意选取聚类信息并计算聚类中心信息， 将选取的聚类定义 为当前聚类信息； 根据聚类中心信息计算出点云 半径信息； 根据当前聚类信息对应的三维坐标信息中的深度信息计算出深度平均值信息； 根据深度平均值信息计算出点云 半径阈值信息； 当点云半径信息小于点云半径阈值信息时将当前聚类信息视为噪点信息并从图像信 息中去除。 2.根据权利要求1所述的一种基于深度信 息的3D点云滤波方法， 其特征在于， 根据聚类 中心信息计算出点云 半径信息的方法包括： 计算当前聚类信息中的所有数据点和聚类中心信息的三维距离值并筛选出三维距离 值最大的数值定义 为点云半径信息 。 3.根据权利要求1所述的一种基于深度信 息的3D点云滤波方法， 其特征在于， 根据聚类 中心信息计算出点云 半径信息的另一种方法包括： 计算当前聚类信 息中的所有数据点和聚类中心信 息的单维距离值， 将该单维距离值定 义为单维距离信息； 分别筛选任意一个单维距离信 息中的最大值和最小值并计算两者之间的差值， 将该差 值定义为单维跨度信息； 选择单维跨度信息中的最大值并计算 最大值的一半定义 为点云半径信息 。 4.根据权利要求1所述的一种基于深度信 息的3D点云滤波方法， 其特征在于， 根据三维 坐标信息生成聚类信息的方法包括： 选取其中一个三维坐标信 息形成包含该三维坐标信 息的初始聚类信 息， 将该三维坐标 信息定义为已选取三维坐标信息， 而还未选取的三维坐标信息定义为未选取三维坐标信 息； 根据初始聚类信 息中的数据点的深度信 息计算平均值， 将该平均值定义为动态深度平 均值信息； 根据动态深度平均值信息计算出动态聚类阈值信息； 任意选择未选取三维坐标信息并计算未选取三维坐标信息和已选取三维坐标信息之 间的距离值， 将该距离值定义 为距离信息； 筛选出距离信息中最小的距离值， 将其定义 为最小距离信息； 当最小距离信息小于动态聚类阈值信息时将该未选取三维坐标信息更新为初始聚类 信息中对应的已选取三维坐标信息； 当未选取三维坐标信息所对应的最小距离信息均大于动态聚类阈值信息时更新动态 聚类阈值信息并重新判断未选取三维坐标信息所对应的最小距离信息是否大于更新后的 动态聚类阈值信息； 当未选取三维坐标信息所对应的最小距离信息均大于更新后的动态聚类阈值信息时权　利　要　求　书 1/4 页 2 CN 115330634 A 2将初始聚类信息更新 为聚类信息； 重新选取未选取三维坐标信息并重新形成初始聚类信息直至不存在未选取三维坐标 信息。 5.根据权利要求4所述的一种基于深度信 息的3D点云滤波方法， 其特征在于， 其中一个 三维坐标信息形成包 含该三维坐标信息的初始聚类信息的选取 方法包括： 根据深度信 息将最大的数值对应的三维坐标信 息作为选取的第 一个三维坐标信 息， 将 该三维坐标信息 定义为初始三维坐标信息， 将该初始聚类信息 定义为第一初始聚类信息； 根据初始三维坐标信息的深度信息计算出初始阈值信息； 选择除初始三维坐标信息外的深度信息最大的三维坐标信息作为第二个三维坐标信 息， 将该三维坐标信息 定义为次选三维坐标信息； 计算次选三维坐标信 息和初始三维坐标信 息之间的差值， 将该差值定义为距离差值信 息； 判断距离 差值信息是否大于初始阈值信息； 若大于， 则将次选三维坐标信息作为下一个聚类的初始三维坐标信息， 将下一个聚类 定义为第二初始聚类信息； 若小于， 则将次选三维坐标信息作为已选取三维坐标信息加入到第一初始聚类信息； 选择除初始三维坐标信息和次选三维坐标信息外的深度信息最大的三维坐标信息作 为第三个三维坐标信息， 将该三维坐标信息 定义为再选三维坐标信息； 依次判断再选三维坐标信息是否加入第一初始聚类信息或者第二初始聚类信息； 当再选三维坐标信息均不加入第一初始聚类信息和第二初始聚类信息时建立第三初 始聚类信息直至三维坐标信息均已经成为已选取三维坐标信息 。 6.根据权利要求5所述的一种基于深度信 息的3D点云滤波方法， 其特征在于， 当所有的 三维坐标信息均形成初始聚类信息后形成聚类信息方法包括： 根据第一初始聚类信息中的三维坐标信息更新初始阈值信息为动态聚类阈值信息； 分别计算其它的初始聚类信息的三维坐标信息和第一初始聚类信息中的三维坐标信 息之间的距离值并筛 选出最小的距离值， 将其定义 为核对距离信息； 判断核对距离信息是否小于动态聚类阈值信息； 若小于， 则删除对应的初始聚类信息； 若大于， 则维持对应的初始聚类信息； 当所有其它的初始聚类信息中的三维坐标信息均进行核对后更新第一初始聚类信息 并更新其它的初始聚类信息 。 7.根据权利要求4所述的一种基于深度信 息的3D点云滤波方法， 其特征在于， 其中一个 三维坐标信息形成包 含该三维坐标信息的初始聚类信息的另一种选取 方法包括： 根据深度信 息将最小的数值对应的三维坐标信 息作为选取的第 一个三维坐标信 息， 将 该三维坐标信息定义为反向初始 三维坐标信息， 将该初始聚类信息定义为第四初始聚类信 息； 根据反向初始三维坐标信息的深度信息计算出反向初始阈值信息； 选择除反向初始三维坐标信息外的深度信息最小的三维坐标信息作为第二个三维坐 标信息， 将该三维坐标信息 定义为反向次选三维坐标信息；权　利　要　求　书 2/4 页 3 CN 115330634 A 3