3次元レーザースキャン技術の急速な発展に伴い、点群データは自動運転、3Dモデリング、医学研究、リバースエンジニアリング、農村振興などの分野で広く応用されています。しかし、機器の性能、周囲環境、およびスキャン対象の特性の影響により、取得された点群データには多くのノイズが含まれることが多く、後続の点群処理の精度に深刻な影響を与えます。したがって、ノイズ除去が必要です。従来のフィルタリングアルゴリズムがパラメータ感度が低く、計算コストが高く、幾何学的特徴の保持性に乏しい問題に対して、幾何学的特徴を保持する階層的な点群ノイズ除去アルゴリズムを提案します。まず、このアルゴリズムは半径フィルタリングアルゴリズムに点群密度特徴を導入して初期パラメータの選択を改善し、大規模ノイズの除去を実現します。次に、KD木(K-Dimensional Tree)を利用して密度に基づくノイズ含有空間クラスタリング（DBSCAN）アルゴリズムを最適化し、さらに角点特徴と組み合わせてDBSCANアルゴリズムのパラメータを自動適応選択し、点群データを有効クラスタ、曖昧クラスタ、ノイズクラスタに分割してノイズクラスタを除去します。最後に、距離コンセンサス評価アルゴリズムを用いて曖昧クラスタを判定し、曖昧点と点群にフィットした曲面との距離を計算してノイズ点かどうかを判断し、小規模なノイズ除去を完了します。実験は公共点群データセットと実地で取得した農村点群データを用いて提案アルゴリズムを検証し、DBSCANアルゴリズム、改良森林ノイズ除去法、幾何学的特徴保持ノイズ除去法、改良密度クラスタリングノイズ除去法、多特徴格子ノイズ除去法と比較して、提案アルゴリズムは鋭い幾何学的特徴の保持性が優れており、ノイズ除去精度がそれぞれ約43%、27%、29%、21%、9%向上しました。本アルゴリズムは幾何学的特徴を有効に保持しつつノイズ除去精度を向上させる効果的な点群ノイズ除去アルゴリズムです。

点群ノイズ除去;半径フィルタ;距離コンセンサス評価;密度;角点